既然能实现人与人对话的实时翻译，能不能翻译视频？

[Motorola3]

比如 搬运视频的 给视频翻译成中文再拿英文的声音训练然后再生成中文音频 再去对照字幕时间，是不是可以省事？

up 主做视频 出一版自己习惯的音频后，剩下的就直接转

[LLaMA2]

技术上可行
现成的一条龙服务的轮子还没见到

视频 》提取音频》音频时间打点 》 音频转文字 》文字翻译 》 翻译后文字转音频》根据打点生成和原始音频时长一样的音频 》 合成视频

[jianchang512]

有一条龙服务，开源，不过不是实时的

原理：视频拆分音频--whisper 识别文字--翻译文字--合成语音--语音+字幕--嵌入视频

https://github.com/jianchang512/pyvideotrans

[Motorola3]

@LLaMA2 对我这两天思考了一下是可行的只是似乎没人做 或者是没开源

@jianchang512 我觉得对于视频来说应该也不需要实时的 我有时间了研究研究

[medivh]

其实你只需要把视频上传到 YouTube 它会自己生成字幕 把字幕提取出来就行

[Motorola3]

@medivh 这个是的 但是字幕要对应时间，所以可能需要字幕文件 不过这个我看有一些插件是可以实现的 应该是有办法的

其次用原先视频作者的声音去训练模型来生成其他语言的声音 这样可以极大程度的还原原视频，且对其他语种的人听起来没有那么强的割裂感，不然比如英语差的人去看英语的教程 眼睛大部分时间在字幕上