- 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 推荐同学们买一台作为学习使用，用来部署晓晓配音完全绰绰有余 image.png 购买完成后我们可以在控制台重置其系统为Ubunut+Docker专版，由于此系统自带了Docker环境，我们上手就能立刻开始部署 我们需要在防火墙放行对应的端口，推荐一次性开一个范围的端口，这样我们在部署服务的时候就可以不用每次都到控制台编辑规则了 20220414190405.png 登录我们的轻量服务器，然后在任意目录克隆晓晓配音的源代码 ，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 然后，我们可以使用-v 参数将此目录作为缓存挂载到容器内部，同时使用-e 传递可用的端口号给容器服务使用 然后使用docker logs查看容器服务是否正常开启 docker logs ms_tts 当看到服务顺利监听到8019端口后，部署就完成了 run.png 最后我们就可以通过ip端口的方式访问晓晓配音服务了
1.9K100编辑于 2022-04-14 - 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。 3、IQDubbing技术体系 3.1 IQDubbing技术架构 IQDubbing与其他解决方案类似，底层基于GPU与CPU，它是综合的解决方案，有很多算法。 累计3篇语音类顶级国际会议论文，包括ISCSLP、InterSpeech，有10多个国家发明专利，获得5个软件著作权，多家主流媒体的报道，近期获得中国多媒体企业创新产品奖，受到业界蛮多的关注。
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。 后面通常还要处理：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"\output.mp3这里如果不做音量控制，背景音很容易盖过人声。
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。 3种编码视觉信息和系统的变体 之后，研究人员提出了三种类型的编码器-解码器结构，这些信息可以与声音生成网络相结合，形成一个完整的框架。 △ 3种方法的训练和测试平均交叉熵损失 之后，研究人员又设计了一个检索实验，利用视觉特征，来查询具有最大抽样可能性的音频。 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。 3. 大模型驱动的智能字幕处理 KrillinAI的一大技术亮点在于利用大语言模型(LLM)对转录文本进行智能分段和对齐。 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。 3、企业产品宣传本地化 企业可以利用KrillinAI将产品宣传视频快速转化为面向不同市场的本地化版本，提升品牌的国际影响力，同时节省本地化成本。 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 - 来自专栏量子位
靠AI六小时开发出游戏Demo，剧本绘画配音一条龙，网友：新概念3“A”大作
这款文字冒险游戏Demo《未来地狱绘图》，由拔丝柠檬制作组开发，游戏里的剧本、立绘、场景、配音甚至是BGM都由AI包揽。 有网友戏称，AI剧本、AI绘画、AI配音，这是新概念“3A大作”。 其中绘图和配音部分由AI根据虚拟主播弥希Miki的形象和声音合成，总共花了三天时间。 △BV1xD4y1k7hK 另外一位up主@莫格露 仅用两个小时就做出一款交互游戏，游戏中的绘图和配音部分也是由AI负责。 △novelai 配音部分最流行的则是VITS模型，结合了VAE+GAN+Flow三种方法，是目前训练简单效果又出色的语音合成模型代表。 HuggingFace研发人员Thomas Simonini曾把语言模型GPT-3接入到Unity 3D中，让AI控制游戏NPC直接与玩家语音对话的游戏。
85520编辑于 2022-12-08 - 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」
（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。 表 1 综合性指标结果 图 3 分析了正确性，噪音量和同步性指标结果。可以观察到，在所有评价指标上，该方法也始终优于并远超基准方法。 ? 图 3 正确性，噪音量和同步性指标结果 这些结果证明了本文所提出方法的有效性，即 MIDI 有助于改善声音质量，语义对齐以及时间同步。
1.1K20发布于 2020-08-28 - 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
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？ 今年5月底，OpenAI发布了GPT-3语言模型，基于一系列基准测试和独立的自然语言处理系统，来实现语言翻译，以及生成新闻文章，甚至可以完成SAT考试中的问题回答。 而最新发布的GPT-3语言模型则有高达1750亿个参数来完成语言处理。 回看上面生成的文本，我们可以发现由GPT-2语言模型创作生成的文本，具有很强的超现实性。 Hinton驱动的法老 通过3 d 肯恩 · 伯恩斯效应，我们也可以将照片转换成魔性的动画。 Replica Studios生成带情感的语音 语音生成可能是最古老的机器学习方法之一。 这样就完成了语音生成，直接导出mp3即可！ 好了，开拍吧！ 情节、演员和视觉效果、音乐都准备好了，开拍吧！ 这段视频除了花费了Alex大量的精力去剪辑 ，还消耗了他家很多咖啡。。
1.9K30发布于 2020-06-05 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。 下面这张图展示了一个典型的音画错位场景——原始中文音频和视频画面完美对齐，但翻译成英语后，由于文本膨胀，每个句段的配音时长都发生了变化，导致整条时间轴逐步偏移。图1：翻译后配音的音画时长错位问题模型。 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。 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.保持原句的情感基调和语气3.
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. 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： 完全开源、可商用 ▌ 3. 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 声音克隆：YourTTS仅需3秒音频即可克隆 可训练、可微调、可离线 ▌5.
1.2K10编辑于 2026-03-26 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
：文案 → TTS 合成 → 音频后处理[环节3] 视频剪辑：字幕时间轴 → 镜头匹配 → 视频合成[环节4] 字幕制作：配音时间轴 → 字幕样式 → 字幕烧录[环节5] 多平台分发：格式转码 → 平台参数适配 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。 当前 AI 方案：基于字幕文件（SRT）的文案生成：把字幕文本喂给 LLM，生成解说脚本。优点是速度快（3到5分钟），缺点是无法理解画面内容，对纯视觉叙事的场景（无对白的动作戏、纪录片图表）效果差。 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 按上表的方案配置，一个人可以管理原来需要3到5人才能维持的日更产能。
25210编辑于 2026-04-21AI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 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 模型架构 联合注意力：受 Flux和 SD3启发，本文实现了一种联合注意力机制以促进跨模态信息交换。 在LRS3测试集上计算合成语音与目标语音的说话人嵌入余弦相似度（SECS）以评估说话人一致性（表3）。 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。
86810编辑于 2025-08-27- 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。 在技术实现上，借助科大讯飞的 tts 技术，获得每个分组的 mp3 语音文件，在手绘视频预览和生成时，把多个 mp3 文件合成到视频文件的音轨中，设置不同的音量和语音开始时间、语音长度等信息。
1.2K120发布于 2018-04-28 - 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）
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。 本文是一篇面向新手的保姆级教程，介绍3种从零到一的AI视频自动化方案，覆盖从最简单到最专业的全路径。所有操作都是小白友好型，复制指令就能用。写在前面：AI智能体做视频，到底能做什么？ 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。 解决方案：提示词越具体，效果越好加上“一致性”约束，比如“保持主角形象一致”使用“全能参考”功能，上传角色图片作为视觉锚点坑3：文案写完了不想用AI生成画面问题：想用自己的素材做画面，只让AI配音和剪辑
61100编辑于 2026-04-21 重做视频本地化：OmniVoice Studio 与 VideoLingo，到底谁更适合你？
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。 从项目说明看，它的核心能力主要包括： •视频配音：支持转写、翻译、重新配音，并重新封装回 MP4 •人声分离：内置 demucs，可把人声与背景音乐拆开，尽量保留原始背景氛围 •声音克隆：只需约 3 秒音频片段 这一点会直接影响成品是否像“正式内容”，还是只是“AI 处理过的素材”。 3）OmniVoice Studio 更适合谁？ 3）VideoLingo 更适合谁？ 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短剧出海翻译工具实测：5款产品对比优缺点
有主打AI配音的，有主打快速出片的，有主打全流程管控的。到底怎么选？这5款工具我按使用感受分成三类——有的强在配音，有的强在快，有的强在翻译质量可控。没有哪款是完美的，关键看你最在意什么。 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。 3.鬼手剪辑（GhostCut）——快速翻译路线鬼手剪辑最早是做跨境电商视频二创起家的，后来切入短剧翻译赛道。 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。 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前端搭建: 使用RN组件式架构、JS类库实现快速开发 采用Flexbox布局方式 无后台Mock数据做本地JSON接口，实现前后端分离开发 3.
1.2K80发布于 2018-05-02 2026年如何配音？一个开发者的自白：本想自己写TTS，试完这3款我放弃了
每天免费额度：登录送免费时长，我每周3-4条视频，基本没花过钱。偶尔长视频用超了，签到攒两天就够了。缺点：部分超拟真音色需要付费（但我用不上）。网页版偶尔慢，切小程序就好。 后来我发现，可以用AI克隆我的声音——既保留个人标识，又不用反复录音。媒小三配音这个功能是真的强。实测体验：5-10秒录音：对着手机念一句“大家好，我是XX，欢迎来到我的频道”。 还原度极高：我拿自己录的原声和克隆出的合成音频混在一起让朋友分辨，4个人里有3个没分出来。连我说话时轻微的鼻音都学去了。技术背书：跟阿里达摩院合作，中文发音准确性和稳定性明显高过同类产品。 会员全包：一个会员=声音克隆+AI配音+AI写作+文案提取+爆文标题+短视频脚本模板。比我单买各种工具便宜太多。每日免费试用：不想买会员？每天也有免费额度体验克隆功能。 我的完整工作流（2026版）现在我做一套技术教程的配音流程是这样的：写稿：配朵朵的AI写作辅助我快速搭建大纲，或者我写完后用它润色。
22710编辑于 2026-04-28
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