#3881 英文译中文视频，如何把自己声音克隆到视频里去，

要克隆自己的声音到英文译中文的视频中，需要使用软件的声音克隆功能。核心步骤是：先录制一段你自己的声音作为参考音频，然后在配音时选择“克隆”角色。

具体操作步骤如下：

1. 准备参考音频：录制一段你自己说话的清晰音频，时长建议在3-10秒之间，保存为WAV或MP3格式。内容可以是任意中文或英文句子。

2. 配置软件：

   • 在主界面“翻译视频或音频”功能中，按常规流程选择视频、设置“发音语言”为英文、“目标语言”为中文。
   • 在“配音渠道”中，选择支持克隆的渠道，例如 F5-TTS(本地)、GPT-SoVITS(本地) 或 CosyVoice(本地)。
   • 在“配音角色”下拉列表中，选择 clone 角色。

3. 关键参数设置：

   • 勾选主界面左上角的 清理已生成，确保使用新录制的参考音频。
   • 点击 设置更多参数...，勾选 分离人声背景声。这能提升克隆质量。

   • 进入 菜单 -> 工具 -> 高级选项：

     • 在“语音识别参数”区域，将 最短语音持续毫秒 设置为 3000，将 最长语音持续秒数 设置为 10。
     • 勾选 Whisper预分割音频? 和 合并过短字幕到邻近。
     • 这些设置是为了确保字幕片段时长在3-10秒内，符合克隆模型对参考音频时长的要求。
4. 提供参考音频：当任务运行到配音阶段时，软件会弹窗提示你选择参考音频文件，此时选择你第一步准备好的录音即可。

请查阅相关文档：

• 如何使用原视频中音色配音
• 原声克隆与多角色配音
• F5-TTS api调用常见错误
• 使用GPT-SoVITS配音
• 在视频翻译软件中使用 CosyVoice3