@gzlock 自动配音啊 现在自媒体搞得很多垃圾视频都是这么出来的, 先从 youtube 活什么地方搬运， 然后分离声音， 搞个字幕， 再按字幕 AI 配音， 最后再合成 都是 AI 配音， 一个叫云溪的男的声音， 都听过把
其实不用这么麻烦，Azure Speech 可以直接从音频到音频，不需要 STT 再 TTS ，流程如下： Video --> (FFmpeg) Audio Track --> (Azure Speech Service) Speech Translation --> (FFmpeg) Audio Track 2 --> Video 2 当然，如果楼主非要要 AI TTS 播音就另外当别论了
