AI 视频配音：保留你自己的声音
支持 23 种语言，单文件 500 MB，每次一个视频——本页专门讲 AI 视频配音：把说话的那一轨换成目标语言，让观众用耳朵听懂，而不是烧录字幕或只做文字翻译。
这里的视频配音指：在保留配乐与环境声的前提下，用克隆音色生成目标语口播，并与画面节奏对齐。若需要完整产品说明，请从首页进入；本文集中说明配音原理、限制与积分规则。
示例
示例视频
YouTube
上传视频
点击或拖拽上传视频
MP4 / MOV / WebM · 最大 500 MB
原视频语言 *
要生成的配音语言
用 Google 登录可领取 30 积分（约 30 秒配音成片），开始不绑卡。
AI 视频配音到底换掉的是什么
字幕不改原声，观众一边看字一边仍听到源语言。AI 视频配音不同：换掉的是人声轨道，让听众直接听到目标语言口播，而不必读屏幕文字。
这也不同于只导出文稿的流程。配音交付的是可播放的音轨——克隆音色、跟剪对齐的时长，以及混回背景音乐后的成片。
三条核心口径与上传工具一致：字幕留在原音上；配音替换说话轨；音色从原片录音提取，不必为每个市场另聘配音演员；人声分离与合成完成后，配乐与环境声混回，输出仍是 MP4。
三步完成配音
整条链路在一次任务里跑完，无需先出字幕再在剪辑软件里手工对轨。
- 上传视频——本机选择 MP4、MOV 或 WebM，单文件最大 500 MB。每次任务一个文件，不支持链接导入。
- 选择原语言与目标语言，列表共 23 种，源与目标共用同一套。系统不会自动识别语种，两项都需你指定。
- 处理完成后取得配音 MP4。可在页面查看进度，或稍后在「我的成片」预览、下载。
你会拿到什么
成片是可直接播放的 MP4，口播尽量保持原录音中的音色与语气，而不是统一的机器播音。
新台词生成后，背景乐、房间底噪等非人声部分会尽量混回原轨，在分离质量允许时维持原片氛围。
新语音落在与原说话大致相同的时间位置，画面与配音一起推进，减少手工对轨。
上传接受 MP4、MOV、WebM，单文件上限 500 MB。积分按成片秒数扣除，1 积分 = 1 秒（不足一秒按一秒计），换算以视频实际时长为准。
语言方面：源语与目标语均为 23 种，共 506 个方向组合，与上传菜单完全一致。
适合的场景与坦白局限
单人清晰口播效果最好：讲解、旁白幻灯片、企业内训、营销片、产品演示等，人声较干净时本地化成本低。
多人抢话、现场嘈杂、强口音重叠、以唱歌或演唱会形式呈现的内容，以及需要一次排队处理大量文件时，效果会明显变差——目前每次任务只处理一个视频。
需自行选择源语言与目标语言，不支持自动识别。下列清单与首页口径一致，便于你对照素材预期。
更适合做 AI 视频配音
- 口播稳定、单人或少量主讲人的教程与讲解。
- 幻灯片、录屏、B-roll 上的旁白。
- 内部课程与入职培训，主讲人固定。
- 希望快速做多语版的营销片与产品演示。
效果通常较弱
- 多人来回对话、抢话严重的访谈或圆桌。
- 以演唱或音乐情绪为主的内容。
- 观众期待口型与目标语严格对齐的镜头。
- 需要一次提交几十个文件——当前不支持批量队列。
定价
按成片秒数扣积分，1 积分 = 1 秒（不足一秒按一秒计），只为实际生成的配音秒数付费。
月付方案（数字以定价页为准）：Starter $9.90/月，900 积分（约 15 分钟）；Pro $29/月，3,600 积分（约 60 分钟）；Studio $120/月，18,000 积分（约 300 分钟，允许商用）。
年付可比连续 12 个月月付省 25%。也可购买一次性积分包，积分不过期，适合偶发配音。
示例：5 分钟视频约消耗 300 积分，Starter 月包大约覆盖 3 条同等长度成片。
用 Google 登录可一次性领取 30 积分（约 30 秒成片），有效期一年，开始时无需绑卡。
AI 视频配音常见问题
- AI 视频配音和加字幕是一回事吗？
- 不是。字幕叠在原声上，观众仍听到原语言。AI 视频配音会把说话的那一轨换成目标语言，用克隆音色重新合成口播，再把背景音乐与环境声混回去，得到可以直接听的配音 MP4，不必盯字幕阅读。
- 配音后还是我的声音吗？
- 会用声音克隆尽量还原你的音色与说话方式，目标语听起来仍像本人在讲，而不是冷冰冰的机器播音。成片效果也会受原片录音是否清晰影响。
- 背景音乐和环境声会保留吗？
- 会。先把人声分离出来做翻译配音，再把原来的背景音乐、环境声混回最终成片，氛围尽量和原片一致。
- 支持哪些格式和文件大小？
- 支持 MP4、MOV、WebM，单文件最大 500 MB，走云端直传。文件越长，处理时间通常越久。
- 一条 5 分钟的视频要处理多久？
- 按成片秒数扣积分：1 积分 = 1 秒（不足一秒按一秒计），5 分钟大约消耗 300 积分，与队列里实际等待多久无关。处理时长因片长与负载波动，可离开页面稍后在「我的成片」查看状态。
- 可以用多少种语言做 AI 视频配音？
- 源语与目标语共用 23 种语言：中文、English（英语）、日本語（日语）、한국어（韩语）、Deutsch（德语）、Español（西班牙语）、Français（法语）、Italiano（意大利语）、Русский（俄语）、Português（葡萄牙语）、العربية（阿拉伯语）、Dansk（丹麦语）、Ελληνικά（希腊语）、Suomi（芬兰语）、עברית（希伯来语）、हिन्दी（印地语）、Bahasa Melayu（马来语）、Nederlands（荷兰语）、Norsk（挪威语）、Polski（波兰语）、Kiswahili（斯瓦希里语）、Svenska（瑞典语）、Türkçe（土耳其语），共 506 个方向组合，与上传菜单一致。需自行选择原语言与目标语言，系统不会自动识别语种。
- 能一次批量上传很多视频吗？
- 目前每次任务只处理一个视频，批量队列尚在规划中。
- AI 视频配音怎么计费？
- 按成片时长扣积分，1 积分 = 1 秒。Starter $9.90/月（900 积分，约 15 分钟）、Pro $29/月（3,600 积分，约 60 分钟）、Studio $120/月（18,000 积分，约 300 分钟，允许商用）。年付省 25%。用 Google 登录可一次性领取 30 积分（约 30 秒），无需绑卡。
- 不绑信用卡能试用吗？
- 可以。用 Google 登录即可一次性获得 30 积分（约 30 秒成片），有效期一年，开始时无需绑卡。
- 什么类型的视频适合做配音？
- 口播清楚、单人或少人说话的讲解、课程、产品演示、营销片，文件不超过 500 MB（MP4/MOV/WebM）。多人叠话、嘈杂现场、强音乐或唱歌为主的内容效果会差一些，需自行指定源语言，无自动识别。