音频翻译设置：识别、翻译与配音

如需打开设置，请轻按音频翻译右上角的设置图标（滑块）。该面板包含三个标签页：识别、翻译和配音。App 会记住你的选择，并应用于后续的录音。

设置何时生效

每个标签页的生效时机各不相同，因此更改并不总是会影响当前屏幕上已有的结果。

识别：由谁将语音转为文字

ElevenLabs Scribe 是默认且费用最低的选项。录音的语言始终会自动检测。

在此处选择的服务提供商也会用于文字转录，文字转录本身没有独立的设置项。

翻译：由哪个模型进行翻译

模型每 1,000 个字符仅消耗零点几枚代币，因此选择主要取决于质量和速度。

非克隆配音

标准声音朗读翻译快速且便宜，但听起来不像原说话人。在音频翻译中，每种标准选项对应一种固定声音，无法更改。

克隆配音

克隆选项会使用你录音中的原声来朗读翻译。MiniMax 和 Qwen 3 会提取文件前 60 秒内的声音，因此这几十秒内应包含单个人清晰的声音。

MiniMax 选项

• 从文件克隆：针对本次翻译的单次克隆。我的 MiniMax 声音：使用你保存的声音之一，免收 180 代币的克隆费。

• 语速：从 0.5x 到 2.0x。数值越高，语速越快。

• 情绪：自动（推荐）、开心、悲伤、生气、害怕、惊讶、平静或厌恶。

• 翻译文本上限为 10,000 个字符。

• 如果你更改语速或情绪并对同一结果重新配音，不会再次扣除 180 代币。

Qwen 3 选项

• 从文件克隆或我的 Qwen 声音。

• 说话风格：自动、慢速、快速、平静、有活力、专业、友好或柔和。该选项仅适用于“从文件克隆”。

• 如果 Qwen 克隆失败，App 会使用标准声音朗读翻译，并提示“声音克隆当前不可用。已使用标准声音。”

ElevenLabs Dubbing v2

Dubbing v2 直接对原录音进行配音，不读取“翻译”标签页中的文本。它能保持原声的节奏和音色，并分别对每位说话人配音。因此，你对翻译的修改不会生效：“配音基于原录音制作，因此编辑后的文本不会应用。”已保存的声音无法与 Dubbing v2 配合使用。

如果未选择声音会怎样

在你在该面板中选择配音选项之前，轻按播放时 App 会自动选择一种。

• 对于 Qwen 3 支持的 10 种语言且录音达到 3 秒的文件，系统会自动使用 Qwen 3 克隆声音，无需确认。

• 对于其他语言，App 会弹出克隆声音？提示，并显示 MiniMax 或 Dubbing v2 中较便宜选项的价格。使用 AI 声音表示使用标准声音。勾选不再询问后将记住该选择。

• 只要符合文件的语言和时长要求，你在面板中轻按选中的任何选项都会保留给后续文件使用。

不适用于当前录音的选项会显示为灰色，并带有“不支持该语言”或“音频需 ≥ 10 秒”等提示。如果你切换到当前所选选项不支持的语言，App 会将配音自动切换为 ElevenLabs。

已保存的声音

即使录音中是其他人在说话，已保存的声音也可以让你用自己的声音朗读翻译。有两种获取方式：

• 使用“从文件克隆”完成配音后，在“下一步做什么？”区域轻按保存声音。通过这种方式保存的 MiniMax 声音下次使用时不再扣除 180 代币。

• 在“设置”→“我的声音”中添加声音。请参阅如何录制或上传声音样本。

如果配音听起来不自然，具体表现与解决方法请参阅为什么翻译后的声音听起来像机械音。遇到报错问题，请查看音频翻译配音失败或卡住。