剪映的视频翻译时长限制5分钟以内，需要积分2700首次有减免大概21.6元（1秒=9积分/1元=100积分）
• 视频翻译配音工具pyvideotrans
将视频从一种语言翻译为另一种语言，并添加配音
打包链接：夸克网盘分享
升级补丁：解压直接覆盖之前版本
• 声音克隆工具
打包下载：夸克网盘分享
将压缩包内的文件夹复制到 tts 文件夹内，解压后该tts文件夹内会新增3个文件夹，分别是
Bash tts_models--multilingual--multi-dataset--xtts_v2 voice_conversion_models--multilingual--vctk--freevc24 wavlm
设置原音色克隆API
clone-voice地址：http://127.0.0.1:9988/
建议配置：
01、文字识别：
视频翻译配音pyVideoTrans | 视频翻译配音pyVideoTrans
01-1faster 和 openai 和 GoogleSpeech 模式的区别
这3个模式都是用于将视频中的人类说话声识别为字幕。
• openai-whisper更稳定、对环境要求更低使用简单，但速度慢消耗GPU显存多。
• faster-whisper速度快、消耗GPU更少，但安装麻烦，除了cuda还需要安装cudnn cublasxx.dll。
• GoogleSpeech 模式使用google的免费识别接口进行语音识别转为字幕，无需本地模型，但需要填写网络代理
当然这一切的前提是拥有英伟达显卡，如果计算机压根没有英伟达显卡，或者有，但不想或不会安装cuda，那么faster和openai两者使用任意一个都可以，因为不使用cuda加速的情况下，仅在cpu上运算，二者对环境没啥要求，下载即用，速度也都是一样的慢。
GoogleSpeech 模式免费使用，但效果不佳，并且无法区分标点符号，在要求不高并且有代理的情况下可以使用
01-2模型选择：
模型下载：夸克网盘分享
从 base模型、small模型、medium模型到large-v3模型，识别精度越来越好，但消耗计算机资源也越来越多，如果你的计算机拥有性能较好的英伟达显卡，并且显存大于等于8G，同时配置好了CUDA和cuDNN环境，可以尝试使用 large-v3 模型，将能显著提高文字字幕识别准确度。
如果视频中有较多的背景音乐或背景噪声，肯定会干扰文字识别效果。可以尝试选中“保留背景音”，会在识别之前先将背景声音分离出来，只使用里面人类说话声去识别，效果会好很多。
02、文字翻译
首选 ChatGPT/DeepL, 再次Google，再次 Microsoft，最后腾讯翻译百度翻译。
当然也可以使用DeepLx白嫖DeepL，但不稳定，容易被封IP。
视频翻译配音pyVideoTrans | 视频翻译配音pyVideoTrans
同样，在翻译完成后，也会出现暂停按钮，点击暂停，右侧字幕区可手动核对修改翻译结果
为何会出现声音、字幕、画面不同步
在不同种类的语言互相翻译后，句子长度是会变化的，发音时长一般也是会变化的，比如从中文翻译为英文，句子长短肯定有所不同，而读出这句中文所用时长和读出这句英文所用时长，一般也是不同的。
中:有多远滚多远
英:Get out of here as far as you can!
中：滚远点
日：ここから出て行け。
原始视频中文发音用时2s，翻译为英文并配音后，时长可能是4s，这必然导致不同步。
如何让它们同步，不在意效果，只要同步
建议不勾选“配音自动加速”，勾选“视频自动加速”，通过后期处理变速
像上面所说，翻译前时长2s，翻译后时长4s，如果仅仅只需要它们能同步即可，不在乎语速快慢或视频画面快慢，可以直接让音频加速2倍，4s的时长就能缩短为2s，自然实现了同步对齐。或让视频慢放，延长原2s片段到4s，也可实现对齐。
音频加速实现对齐具体操作方式：
软件界面中选择“自动音频加速” ,取消“视频自动慢速”
videotrans/set.ini 中，设置audio_rate=100
即可实现同步，但弊端显而易见，语速忽快忽慢。
视频慢放实现对齐操作：
取消软件界面中的“自动音频加速”，选中自动视频慢速
videotrans/set.ini中，设置为video_rate=50
这样也可实现对齐，语速保持不变，视频慢放，但同样视频变的忽快忽慢。
如果你只是想要单纯的对齐，不在意效果，可以采取这两种方式。
更好的可接受的同步方法
很显然上面的同步方式没有实用性，音频太快或视频太慢都难以接受，体验太差。为了更好的效果，可以同时启用 “自动音频加速”、“语音前后扩展”、“自动视频慢速”，这三项内容。
具体操作：
软件界面中选中“自动音频加速”、“语音前后扩展”，同时设定一个较小的总体加速值，比如 10%
videotrans/set.ini中通过变量audio_rate为音频加速设置一个最大值，防止加速太快，默认是1.8，audio_rate=1.8,即最大语速加速到正常的1.8倍，你可以手动修改为2或1.5等大于1的数值。
videotrans/set.ini中通过变量video_rate为视频慢速设置一个最大值，防止慢放太慢，默认是20，video_rate=20, 即慢放到正常的0.05倍。你可以改为 2或5等大于1的数值。
在上述1-3的操作后，仍然可能不对齐，因为限定了最大值，当达到最大值还未对齐，就会放弃而直接后延，那么可以继续通过将变量 remove_silence=true设为 true，变量remove_srt_silence=false改为 true，变量remove_white_ms=0设为 100 或 200，来进一步对齐。
remove_silence：涵义是去除配音的前后静音，以缩减配音时长remove_srt_silence ：是当原始字幕时长大于当前配音时长时，移除多余的静音，比如原时长5s，配音后3s，是否移除这2s静音remove_white_ms：移除2条字幕间的静音长度ms，比如100ms，即如果两条字幕间的间隔大于100ms时，将移除100ms上述3个变量的共同作用都是去除静音片段，缩减配音时长，以避免配音后延，尽量使配音对齐。
在进行上述1-4步操作后，效果应该会好很多，当然这也会引入新的问题，例如： remove_srt_silence=true 和 remove_white_ms=100 的使用，使原本的字幕静音间隔缩短，后边语音的开始时刻提前，可能导致语音已经播放了，说话人还未张嘴。
有没有完美同步方法
除了人工参与手动处理，比如精简翻译、添加过渡画面等，目前尚未找到可以程序自动化实现的完美方法。
要同时保证在很长或很短的视频中，在任意语言翻译配音中，通过程序自动化实现 “音频加速范围可接受”、“视频慢速范围可接受”、“张嘴闭嘴时刻和语音起始时刻吻合” 这几个目标，目前看来似乎是个不可能完成的任务。除了人工参与调整，并无完美方法。
