上传视频，分离音轨，音轨翻译，字幕合成，最后合并回视频。 音轨分离合并：ffmpeg 音轨转文字：whisper 文字翻译：Azure Translator 文字转音频：Azure text2speech 用 Python ，费用 2k ，不能预支，能搞的留下 base64 。 音轨, Azure, 文字, 分离
ffmpeg -i input-video.avi -vn -acodec copy audio.aac whisper audio.aac --model medium --output_format vtt -o . Azure Translator 没用过 Azure text2speech 也没用过，话说把翻译后的字幕转音频是啥需求？帮视频配音？ 正巧前两个需求我都用过，帮楼主省了有 1k 吧，[滑稽
@shalingye 难度是不高 这活其实问下 chatgpt 基本就完成 70%工作量， 剩下调试下脚本就通了 但 lz 估计是要搞个网页的， 那活就没底了， 还得搞页面，css ，html ， 前端一堆玩意
