- 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。 要想将AI技术真正的落地到影视剧配音当中，在解决人声问题的同时还要解决影片中其他声音的部分。 那么，配音究竟是在做什么？是怎样的一个流程？ 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
一开始原本只是想解决“批量生成配音”的问题，但真正做下来后发现，影响最终效果的其实不仅是模型本身，还包括：文案断句停顿控制voice_type选择长文本切分字幕时间轴音频拼接尤其中文场景，对“节奏感”会非常敏感 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。
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。 △ Top 1和Top 5音频检索的准确性。 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。 5. 多样化配音与语音克隆 完成翻译后，KrillinAI支持将文本转换为自然流畅的语音。 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。 系统支持多种AI服务提供商的配置，包括： OpenAI：用于转录和大语言模型服务 本地模型：faster-whisper用于本地语音识别 阿里云：提供语音服务、大模型服务和OSS云存储支持 安装和使用教程 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」
音乐编辑 基于 MIDI 的可解释性和灵活性，可以通过 MIDI 文件轻松地进行音乐编辑，生成不同风格音乐，如图 5 所示。这对于以前使用波形或频谱图作为音频表示形式的系统而言难以实现。 ? 图 5：不同风格音乐。 © THE END 转载请联系本公众号获得授权
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
---- 新智元报道 来源：towardsdatascience 编辑：白峰、永上 【新智元导读】最近，国外一个技术极客Alex看了电影《阳光泉水》后深受启发，决定自己用AI来生成一部。 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。 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 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。 2.1第一层：TTS语速参数调整（偏差5%—20%）当时长偏差率δ小于20%时，最简单的做法是调整TTS引擎的语速参数。大多数主流TTS引擎都支持通过SSML标签或API参数控制输出语速。 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。
23310编辑于 2026-04-23- 来自专栏大模型应用
大模型应用：基于 SpeechT5 的自媒体多角色剧情配音系统：架构、细节与实践.20
今天我们基于SpeechT5 模型构建一套自媒体多角色剧情配音系统，正是针对上述痛点的可落地解决方案。 该系统以 SpeechT5 为核心引擎，支持中英文多角色配音，覆盖 “剧本解析→语音合成→音频拼接→字幕生成→项目报告” 全流程，还提供 Web 可视化界面与批量处理能力，完全适配自媒体小团队的配音需求 说话人嵌入管理SpeechT5 实现多角色配音的关键是说话人嵌入向量（512 维） —— 不同向量对应不同音色，该类解决了 “本地嵌入加载与角色映射” 的核心问题，细节如下：1.1 核心逻辑初始化：指定本地嵌入文件目录 设备: cpu 模型: microsoft/speecht5_tts ✅ SpeechT5系统初始化完成 剧情配音系统初始化完成 输出目录: my_drama_project ✅ 设置了 5 导出为完整的视频作品字幕文件内容参考：项目数据报告文档：五、总结 这套基于 SpeechT5 的多角色剧情配音系统，是针对自媒体创作者的 “轻量化、全流程、可落地” 解决方案。
26432编辑于 2026-02-17 - 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！ 目前，我们还没有创造出如此高质量的「AI音频引擎」。 Jim Fan挖出了5年前来自MIT团队的一项关于「The Sound of Pixels」的研究，或许从这里可以找到一些灵感。 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。
40910编辑于 2024-02-26 技术博主配音工具选型：从腾讯云TTS到开源方案，2026年5款工具横评
在制作技术教程、开源项目演示或产品介绍视频时，配音是不可或缺的环节。个人录音耗时且效果不稳定，而AI语音合成（TTS）技术已相当成熟。 相比普通AI配音工具，合成语音自然度更高、情绪表现力更强，既提供丰富的官方预设音色，也支持用户定制专属音色。 基础配音每日免费，AI写作和视频转文字有免费额度，无弹窗强制收费。跨平台数据同步（网页+小程序），操作流程：粘贴文案→选音色→生成下载。技术限制：无公开API，不适合程序化批量调用。 五、媒小三配音（网页/APP/小程序）：声音克隆与AI写作技术定位：声音克隆+AI写作工具箱，无公开API，提供每日免费额度。 0元轻量个人使用新手、应急媒小三配音无否高精度（5-10秒）每日免费会员制声音克隆与IP个人IP、品牌声线开发者选型建议需要企业级多语言TTS、与腾讯云生态集成：腾讯云TTS提供多语种支持（40+语种）
92720编辑于 2026-04-21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 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。 2.3 视频剪辑：自动化程度差异最大的环节传统方案： 人工在剪辑软件（Premiere、达芬奇）里逐帧操作，一条5分钟解说视频约需30到60分钟。 工具配置：narrator-ai-cli（脚本+配音+剪辑+字幕）+ FFmpeg（格式转码）+ 手动发布小团队（日产5到10条）在个人创作者配置基础上，增加批量处理脚本和定时任务，实现素材入库后自动出片 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 2026-04-21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。 二、5款产品逐一拆解1.千音——配音译制路线千音的配音效果确实是这几款里最好的，音色选择多，克隆出来的声音像真人。如果你做的是配音剧——不只是加字幕，而是要用外语重新配音——它确实很能打。 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。 5.AI解说大师（NarratorAI）——一站式译制路线AI解说大师是这几款里让我印象最深的，但原因不是因为它哪方面特别炫，而是它的翻译流程跟其他几款完全不一样。
21110编辑于 2026-04-28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。 ③媒小三配音：声音克隆与多重内容创作集成平台平台：网页+App+小程序核心功能：声音克隆：5-10秒录音即可高还原复刻专属声音模型，打造个人IP辨识度。 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。 一个音色约150元/年；新用户有免费试用开源免费（自部署），云端API约0.003元/千字符数据隐私云服务调用，需传输文本云服务，WebSocket流式支持本地部署，数据不出私有环境声音克隆训练数据要求较高5- 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。 一个5分钟的视频，新手可能要折腾一整天。2026年，AI智能体已经把这套流程全部接管了。以影视解说场景为例，你只需要说一句：“帮我做一个《飞驰人生》的电影解说视频，用喜剧风格。” 以前做一条解说视频至少3-5小时，现在15分钟搞定。更神奇的是，你甚至可以让它晚上11点开始，批量做10条不同电影的解说视频，第二天早上起来，10条视频已经躺在文件夹里了。 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。
61100编辑于 2026-04-21 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
音频转文字：有一次我有一段自己录的口头讲解想转成文稿，丢进配朵朵，5分钟拿到带时间轴的文字，省了至少一小时。视频转文字：客户给了一段参考视频，直接转出脚本框架，太方便了。 第三款：媒小三配音——声音克隆，打造个人IP平台：网页+App+小程序推荐指数：⭐⭐⭐⭐⭐9.5/10一句话：10秒克隆你的声音，然后让AI替你说话。教程做多了，有粉丝问我：你为什么不自己录？ 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”。 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- 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（⭐ 45k+） 地址：https://github.com/RVC-Boss/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 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 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 - 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。 腾讯智音：大厂出品的AI创作工具 腾讯智音是腾讯推出的AI智能创作工具，拥有AI数字人、AI文字配音、文章转视频等多项AIGC能力。 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。 ③ 文章转视频 输入文本 → 设置成片类型、视频比例、背景音乐、朗读音色 → 一键AI创作。 优点： 去水印、去字幕功能实用 智能抠像无需绿幕 二次创作友好 缺点： AI视频生成能力一般 界面不够现代化 适用场景： 视频二次创作、素材处理 5. 优点： 功能多样 界面简洁 视频质感好 适合入门 缺点： 知名度不高 部分功能仍在完善 适用场景： AI视频入门、尝试新工具 5.
3.7K10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 文本编码器：采用基于 Colossal Clean Crawled Corpus (C4) 预训练的 T5-Base作为文本特征提取器。 通过将提示、描述和查询统一在文本到文本框架下，T5 生成鲁棒的 768 维潜在嵌入，作为下游多模态对齐和生成的语义锚点。其强大的泛化能力减少了对任务特定调优的需求。 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 相比之下，歌词/转录表示提供了局部化的时序细节，并沿时序维度与 Flan-T5 嵌入拼接，作为注意力键的一部分。
86810编辑于 2025-08-27
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