腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

使用智谱AI大模型翻译视频字幕

可以看出，智谱AI对于该模型寄予厚望。为了验证这个大模型的性能，我们尝试用它来实现【视频字幕翻译】功能。目前很多视频网站（如B站）上面，大量优质内容都是英文的，并且也没有配备中文的字幕翻译，这对于很多人来说，大大降低了观看体验。因此，我们决定利用大模型，将视频的字幕翻译成中文，这样就可以快速理解视频的大致内容，大幅提升工作与学习效率。下面，我们以 B站上的视频为例，来实现这个功能。下面，我们就可以利用智谱AI的 glm-4-0520 大模型，将原版的英文字幕翻译成中文： # 构造Chain,将原版的英文字幕翻译成中文 llm = ChatZhipuAI(model="glm-4- 最后，我们可以利用智谱AI刚刚推出的 embedding-3 这个 Embedding 模型，计算下两个字幕的语义相似度： # 计算原版英文字幕和翻译后的中文字幕在语义上的相似度 embeddings

2024-09-06

2K0

标签:

AI 视频翻译是怎么把一段中文视频变成英文视频的？6 个环节拆解

这篇文章不讨论任何具体厂商的产品，只拆解这套技术本身——AI视频翻译的6个核心环节分别解决了什么问题，每个环节用到了哪些AI模型，以及这套技术目前还做不到什么。图源：AI生成·AI视频翻译6步流水线示意图01为什么AI视频翻译比纯配音复杂得多？理解AI视频翻译，先要看清它解决的问题远不止换语言。在传统的人工译制流程里，这三层分别由翻译、配音、调音三个工种完成；而AI视频翻译工具的一体化恰恰是把三层串联到同一条流水线上。这一点是开源翻译工具（如直接调用GPT-4API）经常忽略的细节。05视频配音：TTS与语音克隆视频配音环节是AI视频翻译里听得见的核心，需要把翻译后的英文文字合成为带情感、节奏、自然停顿的语音。这五个解耦-重建-对齐的环节，构成2026年AI视频翻译的工程全景。

2026-09-10

3690

标签:

AI如何挑战传统翻译

今年早些时候，该公司推出了 Gengo.ai，这是一个按需平台，为机器学习系统的开发人员提供Gengo翻译提供的各种多语言服务。 AI就像一个小孩。孩子受教育的类型对结果有很大影响。培训数据对于提高AI和机器学习系统的质量非常重要。 “ 需要深入分析 Gengo.ai正在开展一系列项目，展示对结构化，高质量数据的需求，使AI系统能够处理需要文化和种族专业知识的更广泛的任务。 “ 自Gengo.ai推出以来，该公司迄今已处理了超过10亿字。该公司为AI开发人员提供了一系列免费资源，例如 50个最佳的机器学习免费数据集。 AI开发人员可以通过将预先存在的文件发送给Gengo的个人客户经理进行审核来订购AI培训数据，也可以使用Gengo.ai API访问大量数据。

Java架构师历程

2019-03-08

9240

标签:

视频翻译太贵太慢？AI 一键译制把成本降到人工的 110

腾讯云媒体AI把ASR、翻译、字幕压制、AI配音串成一条链路，字幕级1080P 3.863元/分钟、配音级12.863元/分钟，让出海团队第一次可以今天剪完今天上线。一、为什么视频翻译在你团队里始终是个"卡脖子"环节做出海内容的团队，几乎都踩过同一个坑：一条片子从中文剪辑完成到多语种上线，中间的翻译环节动辄占掉整个项目周期的一半。知识课程 / 长视频：大模型翻译 + 基于音色 ID 配音 0.5 元/分钟，总成本可控，长视频最怕的就是配音贵。走完这条路径，你基本上就能判断 AI 译制对你团队意味着"降本"还是"扩产"——大多数团队的答案是两个都要。视频翻译不该再是出海路上最贵、最慢的那一环。把人工译制链路重构成"ASR + 大模型翻译 + 术语库 + AI 配音 + 字幕压制"的分钟级流水线，是腾讯云媒体 AI 在做的事。

2026-06-01

5300

标签:

AI 视频翻译工具技术演进分析：从 ASR 到多模态端到端

摘要 AI 视频翻译已从"单点工具堆叠"走向"全链路串联"，并正在向多模态端到端模型演进。从需求侧看，参考资料给出的市场背景是：全球视频内容消费已突破 100 亿小时/天，而英语用户仅占全球互联网人口的 17%，剩余潜在观众因语言壁垒难以触达——这正是 AI 视频翻译需求爆发的底层动因，也解释了为何 3.4 翻译与改写：NMT、大模型翻译、术语库、长度适配技术原理文本层是视频翻译质量的关键变量，包含四件事：翻译：传统 NMT（神经机器翻译）擅长短句直译；大模型翻译（如星火大模型优化翻译，参考资料提及讯飞译制采用此类引擎边界与取舍公称语种数 ≠ 实际翻译质量。参考资料指出 Rask AI 公称 130+ 语种，但"实际翻译质量参差"，选型应拿同一素材实测。四、总结（约 5%–10%） AI 视频翻译的技术主线是从"人工译制"走向"串联流水线"，并正在探索"多模态端到端"。

2026-09-29

2420

标签:

AI赋能前端 - 抛弃百度翻译，自部署AI翻译服务

一个专注于前端开发技术/Rust及AI应用知识分享的Coder ❝此篇文章所涉及到的技术有 AI 翻译 LibreTranslate 自部署 Argos Translate Python 因为，行文字数所限不去facebook，是因为他们爷爷奶奶爸爸奶奶在上面分享AI生成的耶稣画像（老头子们太老土了）。不去instagram是因为那里的世界太假，都是粉饰过的，不是真实的。翻译服务我们是采用开源的翻译服务 - LibreTranslate。 ❝它完全自主托管的免费开源机器翻译 API。与其他 API 不同的是，它不依赖 Google 或 Azure 等专有提供商来执行翻译。相反，它的翻译引擎由开源的 Argos Translate 库提供支持。从上面的模型看出来，我们是可以支持很多语言的互相翻译的。

前端柒八九

2025-01-19

8500

标签:

2026 AI 视频翻译工具横评：HeyGen、Rask AI、ElevenLabs 与腾讯云媒体 AI 谁更适合企业出海？

摘要 AI视频翻译赛道在2026年竞争白热化，HeyGen、Rask AI、ElevenLabs等海外工具与国内云厂商同台竞技。这催生了一个爆发式增长的市场——AI视频翻译与本地化。从短剧出海到跨境电商，从在线教育到企业培训，越来越多的中国企业需要将中文视频快速转化为多语种版本。选型建议：按你的实际需求匹配选海外SaaS工具的情况：个人创作者，偶尔翻译1–2条短视频对去字幕/去水印无需求（原视频无硬字幕）不需要与其他云服务生态联动选腾讯云媒体AI的情况：企业级批量处理总结 2026年AI视频翻译赛道已进入"功能堆叠"的下半场。单点能力（只有配音、只有翻译）已不足以满足企业实际需求。真正的竞争壁垒在于：全链路覆盖（从擦除到分发）+ 企业级可靠性 + 成本可控。腾讯云媒体AI凭借自研大模型能力、全链路覆盖（是同类产品中少数具备"智能擦除+翻译+配音+压制"四合一能力的方案）、以及腾讯云生态的支撑，是企业级视频出海场景的高性价比选择。

2026-06-01

9930

标签:

【PaddlePaddle视频新课】之机器翻译

今天问答栏目以视频形式呈现其他PaddlePaddle深度学习实战课程 ? PaddlePaddle之语义角色标注 http://bit.baidu.com/course/detail/id/179/column/117.html 课程介绍：本节课主要介绍机器翻译的一些基本概念和原理，结合法英翻译的示例，介绍如何用PaddlePaddle完成一个模型的训练和预测过程。

2018-07-26

7170

标签:

Torch MLIR公开会议翻译视频-上

由于最近写文章的idea比较有限，我们会陆续翻译和制作一些编译器领域的public meeting视频（主要是关于TVM和MLIR的）。这个视频是torch mlir公开会议的上半部分大约20分钟，主要讲了一些torch mlir的历史背景以及项目总览。翻译和制作视频是非常不容易的，特别是这种编译器领域的public meeting，要搞清楚每句话然后翻译以及拆分出来难度是不小的，我们翻译和整合这个55分钟的会议视频已经陆续花了半个月以上了，因为我们只有周末才能进行希望大家可以理解视频中可能有的瑕疵，以及欢迎在B站的评论区提意见帮助我们改进。如果你对这个网站上的某个会议感兴趣，你可以在B站评论区提出，我们或许会考虑翻译和制作对应会议的视频。 Torch MLIR公开会议翻译视频-上

2022-05-25

1.1K0

标签:

短剧视频翻译配音为什么总有翻译腔？对话级NMT实战方案

对于短剧出海翻译，尤其是要接入 AI 配音、字幕和时间轴的工作流，句级翻译只能解决“看懂”，对话级翻译才更接近“能演”。句级 NMT 为什么容易把短剧对白翻成书面语？句级翻译只看当前句，很难保留角色的固定表达、称谓习惯和语气强弱。所以短剧视频翻译不能只看 BLEU 或逐句准确率。口语化 post-editing：让翻译结果适合配音而不是只适合阅读视频翻译最终要进入 AI 配音或人工配音，文本不能只追求字面对齐，还要考虑可读性和节奏。：文档翻译主要追求段落准确，视频翻译还要追求角色、节奏和声音表现。如果团队使用 VividDub 这类一站式 AI 视频翻译方案，重点不是只看“能不能翻译”，而是看它能不能把 AI 视频翻译、AI 配音、多角色识别、字幕生成和字幕压制串成稳定链路。

2026-05-27

4380

标签: