音频配音

如果你用的是免费的 Kapwing 账户，所有导出内容（包括音频配音）都会有水印。一旦升级到专业账户，水印就会从你的作品中完全消失，而且你还能获得每月80分钟的音频配音和字幕翻译，支持100多种语言。

音频配音就是把视频里原来的声音换成新的音轨，可能是配音、音效或音乐。以前这活儿主要在配音室完成，现在越来越多人用Kapwing这类AI和软件来合成配音。

与其通过人才平台或市场找配音演员，不如使用合成语音平台克隆说话者的声音，生成听起来很相似的文字转语音音频。把这个音频加到原视频上，就能做出配音。很多AI视频编辑器，比如Kapwing，都自带这种文字转语音的功能。

同步配音需要高科技。在视觉上，Kapwing 利用生成式AI，让说话者的嘴型看起来像是用目标语言说新词。在时间线上，精准的音频转录和翻译保证新音频和原始声音同步。

没错！在大多数视频编辑器中，你可以在单个视频上对齐多个音频轨道。比如，你可以有一个音轨放音效，一个放背景音乐，一个放对话，一个放配音。Kapwing的视频编辑器支持配音项目所需的任意数量音轨。你还可以添加与音频层绑定的字幕。

内容本地化就是把视频和音频内容调整得更适合新受众的语言和文化喜好。这通常包括翻译字幕、配音，以及更新标题、说明和描述等文字内容。

内容本地化的目的是把现有内容引入新地区，从而扩大品牌的市场覆盖。这往往能给你带来竞争优势，帮助品牌在对手进入这些地区之前就与当地客户建立联系。完整的本地化不仅仅是翻译字幕，还包括文化调整，比如使用特定国家的引用、不同的计量单位和文化相关的视觉元素。

Kapwing的AI语音克隆器有180种不同的声音可供选择。这些声音在年龄、音质、性别、叙事风格和口音上各有特色。举个例子，你可以在美式、英式、澳大利亚式和印度式四种英语口音中任选一种。

自动语音识别（ASR）是指用机器学习和人工智能技术把说话的内容转换成文字的过程。ASR通过复杂的步骤工作，包括捕捉声波、把声波处理成可管理的片段、把片段分解成音素（语言的最小单位），然后用模式识别和上下文分析把音素重新组合成有逻辑的句子。

最近几年，社交媒体平台如Instagram已开始利用ASR提供实时字幕，而视频会议平台如Zoom则用它来自动转录会议。Kapwing已在其在线编辑器中构建了一个文字转语音生成器和音频配音平台，这两个平台都高度依赖ASR、机器翻译和深度学习模型。

我们的音频配音工具支持49种语言，包括英语之外最常用的五种语言：中文、印地语、西班牙语、法语和孟加拉语。