- 综合排序
- 最热优先
- 最新优先
- 来自专栏bunny的专栏
【玩转Lighthouse】轻松搭建视频配音工具晓晓配音
今天我们将给大家介绍如何使用Lighthouse轻量服务器搭建一个属于自己的在线视频配音工具，可以将文案制作为mp3文件并且生成对应的字幕视频，以便大家在制作视频的过程中方便地为自己的视频添加自然逼真的配音 ，并且为其它视频创作者提供帮助 LiuChangFreeman/ms-tts-web (github.com) github.png 一、购买一台轻量服务器 腾讯云的学生优惠是相当给力的，2核4G一年只要 ，非常方便 os.png 通过在当前系统生成ssh密钥对，我们可以将生成的公钥添加到控制台中，并绑定到轻量实例，这样就可以免密码登录了 key.png key2.png 二、构建Docker镜像 build.png 在进行前端编译的过程中会卡住一段时间，这是由于node_modules小文件太多造成的，需要等待其完成，不可中断 npm.png 最后镜像构建完毕后，我们就可以开启服务了 build2. png 三、开启服务 首先我们需要准备一个目录专门用于存放临时文件，考虑到有可能会有人使用晓晓配音生成违法的文件，因此晓晓配音的链接有效期并不长，生成的mp4和mp3文件都是定时过期的 mkdir /tts_storage
1.9K100编辑于 2022-04-14 - 来自专栏新智元
德国小哥用AI拍大片！GPT-2写台词、StyleGAN做特效、Replica来配音
他首先用GPT-2生成了一段荒诞不经的剧本，接着用StyleGAN2制作了一些人物和视觉特效，还找到了一个超实用的语音生成工具，一起来看下效果吧！ Vlad Alex知道了这些后，激动不已，觉得自己也能让AI来拍一部电影，结果真的成功了。 如何制作自己的AI电影呢？ StyleGAN2来一段人物视频特效 Alex是StyleGAN2的超级粉丝，使用StyleGAN2可以轻松地生成一个新面孔，甚至是转场动画。 作为 Amazon AWS ai / ml 服务的一部分，Polly 提供各种语言的大量语音，但是Polly产生的语音更像主持人，并不总是适合虚构的内容。 参考链接： https://towardsdatascience.com/ai-as-a-movie-maker-e5865b99a06c
1.9K30发布于 2020-06-05 - 来自专栏音视频技术
奇声（IQDubbing）-- 面向影视剧的AI配音技术
爱奇艺在自有的海量内容优势下，基于Voice Conversion，MDX，Denoise等AI技术，研发了面向影视剧场景的AI配音技术IQDubbing，有效地缓解了影视剧配音本地化的问题。 LiveVideoStackCon 2022上海站大会邀请到了爱奇艺 AI算法高级经理 李海老师，为我们分享现代影视剧配音面临的挑战，以及面向影视剧的AI配音技术 —— 奇声（IQDubbing）的技术实现与应用实践 简单自我介绍下，我是李海，目前主要负责爱奇艺在成都的算法团队，负责影视剧AI配音技术方面的研究和工作。 2、IQDubbing业务体系 为解决上述问题，爱奇艺基于若干个AI模型研发了奇声IQDubbing的解决方案，下面和大家分享下具体的业务流程和体系。 3.4.2 第二代框架 基于第一代基础上加入韵律模型，提高表现力，运用VQ-Wav2Vec训练模型，另外替换原有ASR，使用E2E的方式，时间分辨率从30ms提升到10ms。
3.1K20编辑于 2023-04-04 - 来自专栏全栈开发日记
自动批量真人配音软件
功能见名思意，可以将文本转为AI智能语音，支持阿里云和腾讯两种接口，简单实用。可批量执行，将需要转的文字放到txt文档中即可，转三千字大概需要一分钟左右，受电脑配置影响。 工具名称：自动批量配音软件 运行系统：Windows 工具大小：6.5MB 工具截图： 使用方法： 需要设置阿里参数或腾讯参数，点击相应参数后的【获取】，可自动跳转到相应的获取页面（免费）。
1.9K20编辑于 2022-05-13 从轻量试听到API生产：2026常见AI配音方案整理
这篇主要记录一下最近测试几种AI配音方案时的一些实现过程，以及不同阶段适合的技术路线。一、项目背景：为什么没有直接上API最开始的方案其实很简单：文本→TTSAPI→返回MP3。 目前测试下来，像：叮叮配音配朵朵媒小三配音剪映AI配音这类封装型工具，在前期验证阶段会明显提高效率。尤其在处理：男声旁白多角色对话悬疑解说科普类视频时，直接试听会比反复调API参数更直观。 后来拆分后发现：中文AI配音里，“断句”比情绪参数影响更大。比如：text_list=["很多人以为鲸鱼不会交流。","但实际上，它们拥有复杂的声音系统。"]这种短句分段后，听感会明显比长句自然。 2.停顿控制问题默认生成时，很多模型会把一句话直接平着读完。后面开始尝试SSML插入停顿。例如：<speak>很多人以为，鲸鱼不会交流。 字幕时间轴音频拼接背景音混合音量归一化比如：ffmpeg-ivoice.mp3-ibgm.mp3\-filter_complex"[1:a]volume=0.2[a1];[0:a][a1]amix=inputs=2"
3510编辑于 2026-05-09- 来自专栏量子位
这个AI能自动给视频配音，真假难辨（不服来试）
视频内容 你将看到两段画面相同的视频，请判断哪段来自视频原声，哪段是AI根据视频画面配上的假声？ 莫非两个都是真的？不可能，答案文末揭晓。 （还有更多真假难辨的视频原声和配音大对比） 真假难辨，简直让人怀疑耳朵。模型合成的假音效，什么时候都这么逼真了？一切还得从这个自动为自然环境下的视频配音的项目说起。 ? 视听关联 看闪电，知雷声。 △ 声音生成器的简化架构 图中将示例结构简化到2层，但在实际操作中可能包含更多层次。 相关资料 项目地址： http://bvision11.cs.unc.edu/bigpen/yipin/visual2sound_webpage/visual2sound.html 论文地址： https 每个场景的配音均为一真一假，当场揭晓答案，猜猜你能对几个——
3K50发布于 2018-04-02 - 来自专栏CoderJia的工作笔记
KrillinAI：基于AI大模型的一站式视频翻译配音解决方案
项目概述 KrillinAI是一款基于AI大模型技术的全流程视频翻译和配音工具，旨在为内容创作者提供从视频下载到最终成品的一站式解决方案。 2. 高精度语音识别 KrillinAI采用Whisper模型进行语音识别，支持包括中文、英语、日语、德语、土耳其语在内的多种输入语言。 系统提供了多种配音选项，默认集成了CosyVoice的语音合成技术，用户还可以上传自己的语音样本进行声音克隆，实现个性化的配音效果。 2、教育资源国际化 优质的教育视频内容可以通过KrillinAI快速转换为多语言版本，促进知识的全球传播，使不同语言背景的学习者能够获取相同的优质教育资源。 AI驱动的智能处理：利用大语言模型进行字幕分段和翻译，质量远超传统基于规则的方法。 开源可定制：作为开源项目，用户可以根据自己的需求进行修改和扩展。
1.8K10编辑于 2025-04-16 - 来自专栏机器之心
MIT、IBM联合打造AI配音师：检测动作自动添加音效，视频「无声」胜「有声」
Graph-Transformer 模型 研究者分别选择了人体姿态和 MIDI 作为视觉和音频表征，并提出了一种 Graph-Transformer 模型，根据身体姿态特征预测 MIDI 事件，整体框架如图 2 首先，从视频的每帧中检测身体和手指关键点，然后将其 2D 坐标根据时间堆叠为结构化视觉表征。 在实际应用中，使用开源 OpenPose 工具箱提取身体关键点的 2D 坐标，并使用预训练手部检测模型和 OpenPose hand API 来预测手指关键点的坐标。 图 2：整体架构。 视觉编码器 image.png MIDI 解码器 image.png ? （1）正确性：生成音乐与视频内容相关；（2）噪音量：生成音乐包含噪音最小；（3）同步性：生成音乐在时间上与视频匹配；（4）综合性：总体质量最佳。
1.1K20发布于 2020-08-28 短剧出海翻译中的音画同步难题：AI 配音时长自适应与口型适配技术方案
做过短剧出海翻译的团队大概都踩过同一个坑：字幕翻译完了，配音也生成了，合到视频里一看：角色嘴已经闭上了，配音还在继续说。或者反过来，角色还在说话，配音已经结束了，画面里剩下一段尴尬的静默。 下面这张图展示了完整的自适应调整流程——从输入的原始音频和翻译文本出发，经过时长约束提取、TTS预估、偏差判断、策略选择，最终输出时长适配的多语种配音音频。图2：语速自适应与口型适配算法流程。 第二条路线是视频侧适配：用AI直接修改视频中角色的嘴部区域，使其匹配目标语言的配音节奏。 四、工程落地：narrator-ai在时长控制上的实现上面讲的算法思路落到实际工程中，需要一套完整的处理管线来串联各个环节。这里以开源项目NarratorAI的翻译模块为例，说明一下具体的实现方式。 prosody></speak>当策略为rewrite时，调用LLM进行约束改写：#约束改写的Prompt模板rewrite_prompt=f"""请将以下英文句子改写为更简洁的表达，要求：1.保持原始语义不变2.
23310编辑于 2026-04-23- 来自专栏新智元
AI配音版Sora视频刷屏！绝美逼真音效打破「无声电影」，或颠覆万亿美元产业
语音初创公司ElevenLabs放大招，直接用AI给Sora经典视频完成了配音。网友惊呼离AI完全生成电影又近了一步。 就在今天，AI语音克隆初创公司ElevenLabs给经典的Sora演示视频，完成了绝美的配音。 听过之后，让人简直颅内高潮。 在片尾，ElevenLabs表示，以上所有的配音全部由AI生成，没有一点编辑痕迹。 网友惊呼，「这简直离完全由AI生成电影又近了一步」！ 堪称突破后的突破！ 同时，公司还宣布推出了一系列新产品，包括声音市场、AI 配音工作室和移动应用等。 自去年1月发布beta版平台以来，ElevenLabs便受到了创作者们的热捧。 2023年3月，流媒体自动化服务Super-Hi-Fi携手ElevenLabs，利用后者的软件和ChatGPT生成的提示词，为其虚拟DJ配音，推出了全自动的「AI Radio」广播服务。
40910编辑于 2024-02-26 - 来自专栏软件安装
10个GitHub热门的配音语音合成语音克隆项目
这里推荐几个GitHub上热门、好用的配音/语音合成/语音克隆项目，有通用TTS、语音克隆、视频配音、流式/轻量等不同需求的。 ▌1. GPT-SoVITS 功能： 零样本克隆：5秒音频即可克隆声线 少样本微调：1分钟训练，相似度/真实感大幅提升 多语言：中/英/日/韩/粤，跨语言保持音色 WebUI：音伴分离、切片、ASR、标注，新手友好 ▌2. OpenVoice（⭐ 34k+） 地址：https://github.com/myshell-ai/OpenVoice 功能： 极速克隆：仅需3秒参考音频 多语言：中英日韩法西，无缝切换 MIT协议： Coqui TTS（⭐ 34k+） 地址：https://github.com/coqui-ai/TTS 功能： 超全语言：支持1100+语言 多模型：YourTTS、VITS、Bark等，兼顾质量与速度 ChatTTS（⭐ 35k+） 地址：https://github.com/2noise/ChatTTS 功能： 对话优化：自然度高、语气贴近真人对话 生成快、一次成型，适合短视频、播客、客服 ▌6.
1.2K10编辑于 2026-03-26 AI配音新王者！快手AudioGen-Omni：视频喂给它，歌声语音音效秒出，唇形精准到帧！
作者：Le Wang等 解读：AI生成未来 文章链接：https://arxiv.org/pdf/2508.00733 项目链接：https://ciyou2.github.io/AudioGen-Omni 可学习的 768 维嵌入被填充到帧预算中，并在填充位置进行掩码，通过最多 4,000 个位置的正弦绝对位置编码增强，并通过尊重填充掩码的 ConvNeXt-V2 块进行细化。 为确保时序一致性，我们集成了 Synchformer，这是一种基于 Transformer 的视听同步模型，利用嘴唇运动和音素时序等稀疏线索，在无需密集监督的情况下实现精确对齐，适用于视频生成、配音和语音驱动动画等应用 本文的模型在LRS3和LRS2数据集上均优于现有VTS系统，显著缩小了视频与语音的模态差距。 说话人嵌入使用两种模型提取：标准说话人验证模型GE2E和专为感知语音相似度设计的VoxSim。
86810编辑于 2025-08-27影视解说视频智能生产全链路方案解析：从脚本生成到多平台分发
影视解说视频生产链路拆解：五个环节的技术架构与数据流转一条完整的影视解说视频，从素材到发布，经过以下五个环节：原始素材（电影/剧集）↓[环节1] 脚本生成：理解剧情 → 提炼叙事结构 → 生成解说文案[环节2] 脚本生成和配音合成已经有成熟的 AI 方案；视频剪辑的自动化程度取决于素材质量；字幕制作高度依赖配音时间轴的精度；多平台分发是目前自动化程度最低、工具碎片化最严重的环节。 四、narrator-ai-cli 接入全链路：脚本生成与配音合成环节的三种集成方式在上述五个环节中，narrator-ai-cli 主要覆盖脚本生成和配音合成两个环节，通过 CLI 接口把这两个环节的 个人创作者（日产1到2条）优先自动化脚本生成和配音合成，视频剪辑和字幕制作用 narrator-ai-cli 的一次性出片模式，多平台分发手动操作。全链路人工介入点只保留发布前的质量审核。 工具配置：AI Agent（任务编排）+ narrator-ai-cli Skill（执行层）+ FFmpeg（合成层）+ 平台 API（分发层）【截图位置2】： 三种团队规模的全链路配置对比图，标注各环节工具选型和人工介入点六
25210编辑于 2026-04-21短剧出海翻译工具实测：5款产品对比优缺点
一：配音译制路线——"让翻译后的声音听起来像真人"这条路线的核心卖点是AI配音质量。翻译只是其中一环，更重要的是把目标语言的配音做到"听不出是AI配的"——带情感、带语调、能克隆原声、甚至能对口型。 纯做字幕翻译的话，配音这块的能力有点浪费了。2.VozoAI——快速翻译路线Vozo主打"上传→翻译→配音→口型对齐→下载"的极简流程。 功能覆盖字幕提取、字幕擦除（无痕修复）、翻译、AI配音（支持声音克隆）、视频去重混剪。价格是一大优势——AI翻译配音低至0.2元/分钟，大模型翻译功能免费使用。 2个关键问题帮你决策与其逐个对比参数，不如先问自己三2个问题：问题一：你做的是"配音剧"还是"字幕剧"？ 想清楚你要解决的核心问题是配音、速度还是质量管控，答案就很清楚了。#短剧出海#短剧翻译#译制剧#内容本土化#翻译#短剧全球化#AI翻译#多语种翻译#AI配音#开源工具推荐
21110编辑于 2026-04-28- 来自专栏云瓣
基于RN开发的一款视频配音APP(开源)
APP后端搭建: 使用NodeJs的koa框架完成APP后端的搭建; 使用mongodb完成数据存储,通过mongoose模块完成对mongodb数据的构建; 2.
1.2K80发布于 2018-05-02 重做视频本地化：OmniVoice Studio 与 VideoLingo，到底谁更适合你？
但两者的重点完全不同： •OmniVoice Studio 更偏向“本地可控的电影级 AI 配音工作台” •VideoLingo 更偏向“面向字幕质量与视频搬运场景的一站式自动化本地化流水线” 如果你只把它们都理解成 如果只用一句话概括，OmniVoice Studio 是一个本地运行、强调声音生成质量和配音掌控力的 AI 配音工作台。 2）OmniVoice Studio 最突出的价值：可控的声音生产 很多视频翻译工具会把“配音”当作最后一步附加能力，但 OmniVoice Studio 显然不是这个思路。 2）VideoLingo 最突出的价值：字幕与翻译质量优先 和很多只重视“语音听起来像不像”的工具相比，VideoLingo 更重视一个常被低估的问题： 观众首先看到的，往往不是配音效果，而是字幕是否顺 配音制作台” •VideoLingo 代表的是“高质量字幕驱动的视频本地化流水线” 两者都不是简单工具，而是在往“AI 原生视频后期系统”演化。
13710编辑于 2026-05-06- 来自专栏open claw 养龙虾专区
🎬 再也不熬夜剪片！自动生成视频完全指南（新手可复制）
AI智能体自动化生成视频完全指南（新手可复制）做一条电影解说视频要多久？问了10个影视博主，答案从2小时到5小时不等。而我现在只需要说一句话，15分钟搞定。这不是科幻。 2026年，AI智能体已经学会了做视频——搜索影片、生成文案、AI配音、自动剪辑、合成视频，全程自动完成。你不需要懂剪辑软件，不需要会配音，甚至不需要找素材。 3.2如何安装SkillStep1：打开你的AI智能体客户端（QClaw/WorkBuddy）Step2：进入技能市场，搜索“AI解说大师”或“电影解说Skill”Step3：点击安装，等待安装完成（通常只需几秒 一套完整的自动化Pipeline包含：视频理解：AI自动分析原始素材内容文案生成：AI根据分析结果撰写解说文案配音剪辑：AI自动配音并完成剪辑整个流程可以通过一行命令或一段自然语言指令打通。 坑2：AI生成的视频质量不稳定问题：有时候生成得很好，有时候画面崩了。
61100编辑于 2026-04-21 配音工具技术选型：从轻量小程序到高保真TTS API的最佳实践
2026年，AI配音市场的生态已经形成明显分层：对于开发者来说，如何根据具体场景配置好一套配音方案，已经从“有没有”进化到“如何最大化投入产出比”的阶段。 如果你需要将配音能力嵌入自动化工作流，那么配朵朵只能作为前端人工操作入口，后台需要对接第三方TTSAPI。免费额度：基础配音每日免费，AI写作和视频转文字也有免费额度，无弹窗强制收费。 免费额度：每日免费配音额度；会员全包（配音、克隆、AI写作、文案提取），性价比较高。适用人群：自媒博主、短剧解说、小说推文、打造个人IP、需要多角色配音、追求从文案到配音一站式的创作者。 四、开源TTS项目：数据私有着重考虑（2026年更新）除了上述方案，以及VoiceBox、VoxCPM2等轻量工具，今年4月美团还开源了LongCat-AudioDiT——直接在波形潜空间做扩散生成，从根部减少音色失真 如果你是开发者，要把配音能力集成到AI应用中：优先考虑Azure、火山引擎TTS或FishAudio等提供API的云服务。
28910编辑于 2026-04-28- 来自专栏Windows Community
UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频
：智能配音和智能绘画。 众所周知，在视频中，图像和声音是最重要的两个因素，而对应到手绘视频中，则是配音和手绘素材： 1. 配音 首先来说配音，在配音方面，来画与科大讯飞进行了深度合作。 过往大家想制作一个短视频时，配音需要专业配音人员完成。因为我们很多人的声音或者对语速、语音的控制完成不了专业的要求。 由于手绘视频不像拍摄视频那样对配音的音画同步要求那么严格，我们在实现时更多的是针对手绘视频的每个分镜头进行配音生成，让每个分镜头的配音是和当前画面同步的。 2. 手绘素材 在中国，有数亿的手绘爱好者，大家渴望用手绘视频的方式来表达自己的感受。但是苦于绘画基础的差异，很多人没办法很顺利的完成手绘视频的创作。
1.2K120发布于 2018-04-28 - 来自专栏软件安装
国产VS海外：12款国产AI视频工具横向对比实测，感觉国产没想的这么差
核心功能： ① AI自动生成视频 操作流程极其简单：输入文案 → 选择配音音色 → 一键生成视频。系统会自动匹配画面素材、生成字幕、添加配音。 2. 核心功能： ① 数字人播报 数字人可选免费版，甚至提供2D/3D选项。背景可以选择纯色或自定义，在线素材丰富。 ② 文本配音 输入文本 → 选择音色 → 自动配音，操作简单，很多音色免费使用。 优点： 腾讯大厂背书，稳定性好 文本配音质量高 2D/3D数字人可选 缺点： 创新功能较少 部分高级功能需付费 适用场景： 企业培训、知识讲解、新闻播报 4. 测试2：手绘扁平风的喝酒泡澡小猫插画。 ④ 视频音效与人声 拍我AI将视频动效、人物口型同步和视频音效完美结合。音效和配音可单独或统一生成，内容可自定义。
3.7K10编辑于 2026-03-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号