百度一镜数字人可将符合要求的中文视频（正面出镜、人声清晰、无遮挡字幕）一键生成带口型同步的英/日语版本，泰越语仅支持配音+字幕；需上传mp4，选目标语言，启用口型同步，调整配音风格与字幕参数后导出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想把一条中文视频快速变成英文、日语或泰语版本，发到海外平台，但又不想花一整天时间手动听抄、翻译、配音、对轨——百度一镜数字人现在能直接用原视频画面+你的中文语音，生成带口型同步的外语视频，全程不用剪辑软件，也不用准备字幕文件。
确认视频是否适配一镜数字人本地化
不是所有中文视频都能直接走一镜数字人流程。它只接受【人物正面出镜、说话清晰、背景音不压过人声】的视频。如果画面里有大面积硬字幕（比如底部常驻黑底白字）、人物侧脸/背影占比超40%，或者原声被音乐盖住，系统会识别失败并跳过配音步骤，只输出字幕文件。
打开百度一镜数字人官网 → 点击“视频本地化” → 拖入你的MP4文件 → 等待3秒预检提示。若显示“检测到有效人声与人脸”，说明可以继续；若提示“未识别到可驱动人脸区域”，就得先用剪映擦除硬字幕、补光重拍或换片段。
上传并选择目标语言
第一步：在“视频本地化”页点击“上传视频”，支持单次上传1个MP4文件（最大2GB，时长≤15分钟）。
第二步：在语言设置区，原语言自动识别为中文（简体），不可修改；目标语言下拉菜单中选你要的语种，如English（US）、日本語、ภาษาไทย——注意【泰语和越南语暂不支持口型驱动，仅生成配音+字幕】。
第三步：勾选“启用数字人口型同步”，这一步决定最终成片是否自然。不勾选的话，AI配音会直接覆盖原声，但嘴部不动，观众一眼看出是合成的。
调整配音风格与字幕参数
方法一：保留原声节奏与语气特征
在“配音模型”选项中选择“原声克隆（需授权）”。系统会提取你说话的语速、停顿习惯、轻重音模式，再套用到英文发音上。适合知识类口播、课程讲解类视频。注意：首次使用需录制30秒中文朗读样本，用于声纹建模。
方法二：选用标准AI音色
选“通用男声/女声（英语）”，音色更平稳，适合产品介绍、广告类内容。语速默认0.95倍，可在导出前拖动滑块微调，但【超过1.1倍会导致口型错位，无法修正】。
字幕设置：横屏视频建议字幕大小设为48px，竖屏设为36px；双语字幕开启后，中文在上、英文在下，间距固定为12px，不能手动改行距。
导出成品视频
点击“开始生成”后，页面显示三阶段进度条：语音识别→AI翻译→口型渲染。前两步通常2分钟内完成，口型渲染耗时最长，取决于视频长度——1分钟视频约需3～4分钟，5分钟视频约需12～15分钟。
生成完成后，直接点击“下载MP4”，文件包含：原始画面 + 同步英文配音 + 内嵌英文单语字幕（SRT格式另附）。视频编码为H.264，分辨率与原片一致，无画质压缩。
