理想的翻译视频应具备以下特性：字幕准确、长度适宜，配音音色与原声一致，且字幕、声音、画面完美同步。

本指南将详细介绍视频翻译的四个步骤，并针对每个步骤提供最佳配置建议。

第一步：语音识别

• 目标: 将视频中的语音转换为对应语言的字幕文件。

• 对应控制元素: “语音识别”行
  

• 最佳配置:

  • 选择 faster-whisper(本地)
  • 模型选择 large-v2、large-v3 或 large-v3-turbo
  • 语音切割模式选择 整体识别
  • 选中 语音降噪(比较耗时)
  • 选中 保留原始背景音(比较耗时)
  • 若视频为中文，则同时选中 中文重新断句

• 注意： 如果没有N卡或未配置CUDA环境未启用CUDA加速，处理速度极慢。显存不够大时可能崩溃。

第二步：字幕翻译

• 目标: 将第一步生成的字幕文件翻译成目标语言。

• 对应控制元素: “翻译渠道”行
  

• 最佳配置:

  • 优先选择: 若具备VPN并了解配置方法，则在菜单 - 翻译设置 - Gemini pro 中使用 gemini-1.5-flash 模型 (Gemini AI 渠道)。
  • 次优选择: 若无VPN或不会配置代理，则在“翻译渠道”中选择 OpenAI ChatGPT，并在菜单 - 翻译设置 - OpenAI ChatGPT 中使用 chagpt-4o 系列模型 (需第三方中转)。
  • 备选方案: 如果找不到合适的第三方中转，可选择使用 月之暗面、deepseek 等国内 AI。
  • 在菜单 - 工具/选项 - 高级选项 中，选中下图所示两项：

  GeminiAI使用方法 https://pyvideotrans.com/gemini.html

第三步：配音

• 目标: 根据翻译后的字幕文件生成配音。

• 对应控制元素: “配音渠道”行
  

• 最佳配置:

  • 中文或英文：F5-TTS(本地)，配音角色选择 clone
  • 日韩语：CosyVoice(本地)，配音角色选择 clone
  • 其他语言：clone-voice(本地)，配音角色选择 clone
  • 以上三种渠道均能最大程度保留原视频的情感色彩，F5-TTS 效果最佳。

  需要额外安装对应 F5-TTS/CosyVoice/clone-voice整合包，见文档 https://pyvideotrans.com/f5tts.html

第四步：字幕、配音、画面同步对齐

• 目标: 将字幕、配音和画面进行同步处理。
• 对应控制元素: 同步对齐行
  
• 最佳配置:
  • 中文翻译成英文时，可设置 配音语速 值 (例如 10 或 15) 以加快配音速度，因为英文句子通常较长。
  • 选中 视频延长、配音加速 和 视频慢速 三个选项，强制对齐字幕、声音和画面。
  • 在菜单 - 工具/选项 - 高级选项 - 字幕声音画面对齐区域，进行如下设置：
  • 音频最大加速倍数 和 视频慢速倍数 可根据实际情况调整 (默认值为 3)。

  具体每个选项是否选中，设为多大值，建议根据实际视频中发声语速等微调

输出视频质量控制

• 默认输出为有损压缩。若需无损输出，请在菜单 - 工具 - 高级选项 - 视频输出控制区域，将 视频转码损失控制 设置为 0：
• 注意：如果原始视频非 mp4 格式或使用了嵌入式硬字幕，则视频编码转换会造成一定损失，但损失通常微乎其微。 提高视频质量会显著降低处理速度并增加输出视频大小。