SoundView视频翻译需上传MP4/MOV/AVI文件,手动启用语音识别,选源/目标语言(方言选普通话后校对),关闭自动口型同步,可配术语表与音色,处理分三阶段,导出前须设音频混合模式。
☞☞☞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☜☜☜

上传视频并选择源语言与目标语言
打开 SoundView 官网(soundview.ai),点击「视频翻译」入口,拖入 MP4、MOV 或 AVI 格式视频文件。系统自动检测音频轨道,若检测失败,【必须手动勾选“强制启用语音识别”】,否则后续无字幕生成。
在语言栏左侧选源语言(如日语/英语),右侧选目标语言(如中文)。注意:粤语、闽南语等方言暂不支持独立识别,需选“中文(普通话)”后人工校对。
配置翻译与配音参数
进入参数面板后,先关闭「自动口型同步」——该功能仅对人脸正对镜头且光照均匀的视频生效,开启后反而易导致配音错位。
翻译引擎默认为科大讯飞API,若需保留专业术语一致性,可切换至「自定义术语表」上传 CSV 文件,格式为“原文,译文”,每行一对,不支持注释或空行。
配音音色从列表中任选,推荐使用“讯飞-晓晓(女声)”或“讯飞-云健(男声)”,其余音色在长句断句逻辑上存在300ms级延迟,会导致字幕与语音轻微脱节。
启动处理并等待生成结果
点击「开始翻译」后,界面显示三阶段进度条:①语音转写 → ②文本翻译 → ③AI配音合成。
10分钟内完成的视频,通常在90秒内出初版字幕;超过30分钟的视频,系统会分段处理,此时不可刷新页面,【刷新将中断当前任务且无法续传】。
进度条走完后,自动跳转至预览页,视频下方同步显示双语滚动字幕,可拖动时间轴定位问题帧。
在线审校与导出成品
方法一:直接导出——点击右上角「下载」→ 选择「带配音MP4」,文件包含烧录字幕与AI配音,无需额外压制。
方法二:精细审校——点击「编辑字幕」,在时间轴上点选任意字幕块,修改文本后按回车确认;修改配音停顿可在字幕块末尾添加“|”符号强制切分,例如“你好|世界”。
导出前务必检查「音频轨混合模式」:新闻类选“配音覆盖原声”,访谈类选“配音+原声(-12dB)”,否则导出后无法再调整音量比例。











