AI 视频翻译 + 同步配音一站式流程:上传 → 翻译 → 配音 → 下载
视频翻译 vs 字幕翻译:一步到位 vs 两步做
录咖的 AI 字幕翻译(上一组)只翻译字幕,视频的原音轨保持不变。但很多场景你需要的是真正的本地化版本——比如把一段中文产品介绍视频翻译成英文,不仅字幕是英文,配音也要用英语重新说一遍。
这就是录咖 AI 视频翻译要做的事——字幕 + 配音一步到位,适合短剧出海、跨境电商商品视频、海外版抖音内容等场景。

完整流程:四步搞定
第一步:上传视频
进入左侧导航「AI 视频翻译」,上传界面和之前的功能类似:拖拽 / 选文件 / 从云端选。
文件限制:视频 ≤ 4GB,时长 ≤ 3 小时。支持格式:MP4 / MOV / M4V / MKV / WebM。⚠️ 比语音转文字(5 小时)和字幕生成(5 小时)的时长限制更严,因为视频翻译需要同时处理语音识别 + 翻译 + 配音生成,算力消耗大。
第二步:配置翻译参数
上传完成后,参数面板有几个核心选项:
源语言
默认自动检测。如果你明确知道原视频的语言(比如确定是中文普通话),手动指定一下更准——自动检测偶尔会把带口音的中文误判成其他语言。
目标语言
支持 70+ 种全球主流语言,包括:英语、中文(简体 / 繁体)、日语、韩语、法语、德语、西班牙语、葡萄牙语(葡 / 巴葡)、意大利语、俄语、阿拉伯语、印地语、泰语、越南语、马来语、荷兰语等。
比 AI 字幕翻译(99+ 语言)的覆盖略小,但主流语种全覆盖。
是否配音
这个开关决定了你要的是「只有字幕的翻译」还是「字幕 + 配音的完整本地化版本」:
- 开启配音(默认):AI 生成翻译字幕 + 用目标语言重新配音。原音轨会被替换(如果需要原音轨 + 新配音同时存在,建议先用录咖 AI 字幕翻译处理字幕、再分别导出烧录版本)
- 关闭配音 / 仅字幕模式:只翻译字幕、不配音。⚠️ 录咖 AI 视频翻译本身不提供"仅翻译字幕不配音"的单独模式——如果你需要只翻字幕,应该用 AI 字幕翻译功能(上一组)。
音色选择
如果开启了配音,会让你选目标语言的配音音色。不同语言有不同的音色池——英语有英音 / 美音 / 澳音的男女声,中文有普通话、粤语、台湾腔等。选好音色后可以试听 3~5 秒,不合适再换。
第三步:AI 处理
参数设好后点「开始翻译」。这个阶段 AI 会依次做三件事:
- 语音识别:把原视频的声音识别成文字(和 AI 语音转文字用的同一个模型)
- 机器翻译:把识别文字翻译成目标语言
- 语音合成:用选定的音色把翻译后的文字朗读出来,作为新配音轨
整个流程的处理时间比纯字幕翻译长——1 分钟视频 ≈ 1~3 分钟处理,一段 10 分钟的视频可能需要 10~30 分钟。录咖没有明确说明是否支持后台持续处理,但处理期间你可以关掉页面、回来重新打开查看进度(需要测试确认)。
第四步:预览 + 下载
处理完成后,底部出现:
- 内置播放器:可以直接预览翻译后的视频(带新配音 + 字幕),检查:① 配音时长和原视频是否一致 ② 配音音色是否自然 ③ 字幕翻译是否准确
- 原音轨和新配音的音量混合:如果想保留部分原音轨(比如原视频有背景音效),可以手动调整新配音和原音轨的混合比例(比如 70% 新配音 + 30% 原音轨保留)
- 下载按钮:直接下载 MP4 格式的翻译后视频
常见使用场景
跨境电商商品视频
你在抖音上拍了一段中文的产品介绍视频,要发到 TikTok 美国市场。用录咖 AI 视频翻译:
- 上传原视频
- 源语言:中文(简体)
- 目标语言:英语
- 选一个比较专业的英语音色(美音女声通常适合美妆和电商)
- 处理完成后下载,直接上传 TikTok
短剧出海
短剧的本地化比产品视频更复杂——不仅要翻译配音,还要保证配音时长和口型匹配。录咖 AI 视频翻译的配音是按原视频的时间戳对齐的,但短剧通常有很多表情特写和口型画面,纯 AI 配音的口型匹配度有限。
建议策略:AI 视频翻译先跑一遍拿到翻译后的视频初稿,然后人工检查关键片段的配音自然度。短剧出海的完整流程参考 短剧出海完整流水线(等等,我应该写一个专门的短剧出海工作流,这个我后面会补)。
在线课程本地化
Udemy / 网易云课堂上的课程视频,要做英文版本。录咖 AI 视频翻译可以把整个课程翻成英语、同时配音。不过教育内容对翻译准确度要求很高,建议翻译后逐集人工校对字幕和配音——数字、公式、专业术语的翻译必须准确。
算粒消耗
AI 视频翻译是录咖最贵的 AI 功能之一:
| 模式 | 算粒消耗 |
|---|---|
| 仅翻译字幕(实际用 AI 字幕翻译) | 2 算粒 / 分钟 |
| 翻译字幕 + 配音 | 10 算粒 / 分钟 |
| 音频重新翻译(同一视频换语种重跑) | 8 算粒 / 分钟 |
| 去除原字幕(基础模型) | 20 算粒 / 分钟 |
| 去除原字幕(高级模型) | 30 算粒 / 分钟 |
一段 10 分钟视频的翻译 + 配音要消耗 100 算粒,约等于周会员(300 算粒)能处理 3 段 10 分钟视频。
和 AI 字幕翻译的配合
如果你觉得 AI 视频翻译的字幕翻译质量不够好,可以先用 AI 字幕翻译功能把字幕翻译准确,然后:
- 把翻译好的字幕导出 SRT
- 在 AI 视频翻译功能里选择「用已有字幕」(如果录咖支持的话)
- 或者自己用剪辑软件把翻译好的字幕和 AI 视频翻译生成的配音合并
不过这条路线比直接用 AI 视频翻译多绕了两步,只有在你对字幕翻译准确度要求特别高时才值得。