两个工具，一个目标：让一条视频在任何地方都能用
如果你的产品面向不止一个语言市场，那你应该已经体会过传统视频本地化有多慢：找工作室或自由译者按每种语言重新录制配音，然后要么忍受对不上的口型，要么额外花钱重新拍摄。本平台用两款专门设计为协同工作的工具，一并解决了这个问题的两个环节。
智能配音：翻译加重新配音
智能配音 会读取你的原始视频，转写并翻译其中的语音内容，再生成目标语言的全新配音音轨——同时保留原说话人的语气、节奏和情感，而不是生成一段生硬、机械的念白。它支持 30 多种语言，你既可以保留原说话人的声音特征，也可以为新的音轨选择一个完全不同的声音。
工作流程：
- 上传你的视频。 原始音频会被自动转写并翻译。
- 选择目标语言。 从 30 多种语言中挑选；可以保留原声音色，也可以换成新的声音。
- 生成并下载。 上传一次，就能为你选择的每个市场生成一份本地化的音频版本。
唇形同步：让口型匹配音频
唇形同步 解决的是仅靠配音解决不了的问题：一旦你有了另一种语言的新音频，原说话人的嘴部动作依然是按旧语言在动，一眼就能看出是假的。唇形同步能把任意音轨映射到任意面孔上，实现逐帧精准的口型匹配，让结果看起来像是真的在说话，而不是事后配上去的。它不仅能处理正面对镜头说话的画面，转头、部分遮挡和自然的表情变化，它也都能一并处理，而不只是死盯镜头的正脸。
工作流程：
- 上传你的视频——任何有清晰可见人脸的片段：访谈、广告、UGC 风格内容均可。
- 添加新的音频——翻译配音、重新录制的音轨，或一个完全不同的声音。
- 生成并下载——逐帧精准的同步效果，经得起特写镜头的检验。
组合使用：完整的本地化流水线
两个工具组合起来使用，可以覆盖整个流程：
- 把你的原始视频跑一遍智能配音，为每个目标语言生成翻译后的新配音音轨。
- 把每条翻译好的音轨，重新输入唇形同步，与原始视频匹配。
- 为每个市场下载一个版本——声音和口型动作都匹配当地语言。
一次上传源素材，就能变出一整套面向不同市场的本地化视频，不需要为每种语言重新拍摄、重新选角或另外请配音演员。
应用场景
- 全球广告投放——一条主视觉视频，每个市场只需本地化语音和口型，无需分别拍摄
- 多语言产品说明和演示视频——对同一份讲解内容需要覆盖多个地区的 SaaS 和电商卖家尤其有用
- 创作者内容的二次利用——把一条长视频或社交内容，变成多个不共享同一语言的受众都能看懂的版本
- 入职培训与客服视频——无论是内部培训还是面向客户的内容，都需要读起来像本地原生内容，而不是加了字幕的外语视频
这和生成式视频模型有什么不同
有必要说清楚：智能配音和唇形同步不会像 Kling、Veo 3.1、Sora 2 和 Seedance 那样根据文字提示词生成全新视频。那些模型是基于一段描述从无到有创造视频（大多数情况下也包括音频）。智能配音和唇形同步做的正好相反——它们从已经存在的画面和表演出发，在此基础上调整音频和口型动作。如果你需要全新的画面素材，应该选生成式视频模型；如果你需要让现有素材以另一种语言、以令人信服的方式"开口说话"，智能配音和唇形同步才是适合的工具。
花费多少积分
这两款工具的计价方式和视频产品线的其他工具完全一致——按输出时长计算，采用平台标准的每秒视频价格。具体数字和不同片段时长下的计算示例，请见我们的积分指南。