Descript 如何实现大规模多语言视频配音
内容摘要
Descript 是一款以人工智能为核心的视频编辑器，它通过重新设计翻译流程，解决了多语言视频配音中语义准确性和时长一致性难以兼顾的问题，从而显著提升了配音的自然度。
过去，翻译结果虽然语义正确，但由于不同语言表达相同意思所需时间不同（例如德语通常比英语“长”），导致配音语速不自然。Descript 的新方法利用 OpenAI 推理模型，特别是其在音节计数等任务上的一致性，在生成过程中同时优化语义保真度和时长一致性，而不是事后修正。
此次改进使配音的自然语速范围内的片段比例从 40%-60% 提高到 73%-83%，并使翻译视频的导出量增加了 15%。Descript 正在构建批量处理功能以支持大规模内容本地化，并计划未来使流程更加多模态，以更好地保留语调和强调等非语言特征。
(来源：OpenAI)