# 视频翻译：字幕、配音与口型同步

Source: [视频翻译：字幕、配音与口型同步](<https://pr-693-preview.chatcut.dev/zh/docs/video-translation>)

Documentation index: [llms.txt](<https://pr-693-preview.chatcut.dev/zh/docs/llms.txt>)

Last updated: 2026-10-28

先决定要翻译什么：字幕翻译保留原语音，配音生成另一种语言的讲话，口型同步还会改变嘴部动作。ChatCut 为这些目标提供不同路径。截至 **2026 年 10 月 28 日**，应以当前连接返回的语言、控件和确认内容为准，完成后再检查语义、声音、画面和时间。

## 已核验的翻译事实

**最近核验：2026-10-28。** 本文核对公开控件与工作流，没有新增翻译、配音或口型同步的前后对比验收。模型原生能力或公开工作流不能证明所有账号和部署都已具备相同权限。

| 层级 | 来源能够证明的范围 | 2026-10-28 核对来源 |
| --- | --- | --- |
| 字幕编辑 | “字幕 → 翻译字幕”需要已有字幕程序，生成可单独选择的翻译字幕源。 | [Transcript 与字幕](https://pr-693-preview.chatcut.dev/zh/docs/transcript-and-captions) |
| 视频翻译路径 | 公开插件工作流区分只翻译声音与口型同步，查询实时语言列表，并要求在口型同步路径确认源文字。 | [公开翻译工作流](https://github.com/ChatCut-Inc/agent-plugin/blob/06e83c224aecb5c0d8d467ee2c1c607bf3f22a73/codex/skills/video-translation/SKILL.md) |
| 原生语音模型 | TTS 根据文字生成声音；其模型和语言列表不能证明 ChatCut 开放了全部音色、视频翻译语言或口型处理路径。 | [ElevenLabs 模型文档](https://elevenlabs.io/docs/overview/models)、[AI 旁白](https://pr-693-preview.chatcut.dev/zh/docs/ai-voiceover) |
| 费用与权限 | 生成预估与最终交易不同；批准操作不会跳过套餐、输入和积分检查。 | [生成确认](https://pr-693-preview.chatcut.dev/zh/docs/generation-confirmations)、[积分政策](https://pr-693-preview.chatcut.dev/zh/docs/credits-policy) |

## 选择字幕、配音还是口型同步

| 想得到的结果 | 从哪里开始 | 完成后检查 |
| --- | --- | --- |
| 保留原声音，显示翻译文字 | 开启字幕，打开**字幕**菜单，选择**翻译字幕**和目标语言。 | 选中翻译字幕源，检查人名、换行和时间，再导出字幕或带字幕成片。 |
| 翻译讲话，不改嘴部动作 | 向 Agent 明确要求**只翻译声音**，写明源素材和目标语言。 | 听实际译文与音色，检查语音时间和画面。 |
| 翻译讲话并改变口型 | 明确要求口型同步，生成前检查识别出的源文字。 | 带声音连续播放，检查发音、人脸、切镜、遮挡和时间关系。 |

字幕翻译不会生成新讲话；只配音不会同步嘴部动作。画面中有人讲话，也不等于已经要求口型同步。

只需要字幕时，按 [Transcript 与字幕](https://pr-693-preview.chatcut.dev/zh/docs/transcript-and-captions)操作。翻译命令不可用时，先选择正确源轨道并等待转写完成。

## 在写 Prompt 之前，我需要哪些东西？

-   把完整源视频导入 **我的素材**，并通过 `@` 指定它；当前任务会按整段源视频处理和计费。
-   写明源语言与目标语言，包括地区变体；让 Agent 查询当前语言列表，不要猜测语言代码。
-   决定是否需要口型同步、烧录翻译字幕，以及成片必须保持原时长还是允许为自然语速略微变化。
-   确认你有权处理视频和其中说话人的声音。保留原素材，说明哪些音乐、环境声或重叠讲话必须保留；替换混合音轨可能同时影响多个声音。

## 可以直接使用的 Prompt

Prompt

```text
把 @中文口播 翻译成英文，保留原说话人的音色并同步口型；生成翻译字幕，允许时长为自然语速略微变化。完成后把新视频保存到我的素材，不要替换原素材。
```

Prompt

```text
把 @屏幕录制 的讲话翻译成日语，只替换声音，不要重绘或改变画面，也不要烧录字幕；请求保留原时长，完成后检查实际语音时间。
```

## 生成翻译视频

1.  使用内置 Agent 时，把源视频导入“我的素材”，打开 AI 面板并切换到 **Agent** 模式。外部宿主应先完成 [Agent 插件安装](https://pr-693-preview.chatcut.dev/zh/docs/agent-plugin)，选定目标项目并检查源素材。外部连接是独立路径，内置 Agent 演示不能代替它的验收。
2.  在 Prompt 中通过 `@` 引用源视频，写明目标语言、是否同步口型、是否加入翻译字幕，以及时长要求。
3.  发送请求。只写“翻译这个视频”时，Agent 会先确认是只翻译字幕，还是也翻译说话声音。
4.  在公开口型同步路径中，检查完整源文字，纠正人名、数字、遗漏和说话内容，再确认提交；系统使用带时间的确认文字进行翻译。公开的只翻译声音路径可以跳过此源文字表单，但仍应检查源内容和输出。当前连接实际展示了额外译稿检查步骤时，应按该步骤操作。
5.  检查付费确认中的模式、源视频时长和积分预估，确认后再允许生成。
6.  在对话和“我的素材”查看进度。完成后会得到一份新语言版本的视频素材，原视频不会被替换。
7.  通过试听检查译文、发音和说话人身份，对照画面检查开口、收尾和停顿，而非只看总时长。需要字幕或口型同步时也要逐项检查，先放到独立检查时间线，再替换原剪辑。

需要只处理一小段时，应先把那一段裁成并导出为独立素材，再进行视频翻译。口型同步会重新渲染画面，因此不应承诺透明通道、HDR、编码、码率或帧率完全保持不变；不应重绘嘴部时，选择只翻译声音，但不要承诺容器或画面编码逐字节相同。保留原时长是提出的时间要求，不能证明任意译文都能自然塞入；完成后应检查实际时长与语速。

另请参阅 [Transcript 与字幕](https://pr-693-preview.chatcut.dev/zh/docs/transcript-and-captions)、[Talking Head Edit](https://pr-693-preview.chatcut.dev/zh/docs/talking-head-edit)和[生成积分](https://pr-693-preview.chatcut.dev/zh/docs/generation-credits)。

## 检查人名、时间与实际输出

对照源内容检查语义、人名、数字和重要术语。不懂目标语言时，可以要求回译或请熟悉该语言的人复核，不能把流畅的声音当作准确性证明。多人视频还应检查每句话由谁说出，以及重叠讲话是否保留。

检查前后段语音与停顿接缝。总时长相同仍可能存在截字、过长静音或不自然加速。词句错误时，应修正文字或译文；口型同步不能修好说错的话。通过[导出面板](https://pr-693-preview.chatcut.dev/zh/docs/exporting)输出确认后的时间线，再打开交付文件检查。

## 费用与失败恢复

公开的视频翻译路径按完整源素材时长处理和计费；只翻译其中一段时，先制作仅包含该段的独立素材。字幕翻译、配音、额外语音生成与口型同步是不同操作，不应假定存在一个全包或免费的价格。当前费率统一见[积分政策](https://pr-693-preview.chatcut.dev/zh/docs/credits-policy)，以实际预估为准，完成后在**积分历史 → 详情**核对结算。

语言被拒绝时，刷新可用语言列表。遇到权限或操作未开放提示时，保留源素材并说明具体阻塞状态，不要据此断言底层模型不支持。提交超时先查原任务，避免重复生成。确认失败或输出缺失时，保留任务信息，按[生成确认](https://pr-693-preview.chatcut.dev/zh/docs/generation-confirmations)和[工作流恢复](https://pr-693-preview.chatcut.dev/zh/docs/workflow-failures)继续排查。

## 来源与核验范围

**2026-10-28** 核对了本文所链接的编辑器文档、[公开插件工作流](https://github.com/ChatCut-Inc/agent-plugin/blob/06e83c224aecb5c0d8d467ee2c1c607bf3f22a73/codex/skills/video-translation/SKILL.md)的 10 月 23 日版本，以及 [ElevenLabs 模型文档](https://elevenlabs.io/docs/overview/models)。这些来源说明工作流边界，不能证明翻译准确率、音色保留、口型质量或当前账号权限。具体模型能力见[模型矩阵](https://pr-693-preview.chatcut.dev/zh/docs/model-capability-matrix)。