1. 应用户倡议，开辟AI配音功能（可上传音频进行全自动配音，也可以上传字幕文件进行配音）；
2. 由于视频文件过大，仅支持上传音频文件（推荐wav、原始采样率），主流格式都支持，推荐使用本站出品的批量视频转音频工具；
3. 按音频时长（秒）计费，消耗【转录时长】，可通过点数兑换转录时长（1点=120秒）；
4. 目前有2种配音场景：专业场景（需要音频、1:1还原音色、速度慢）；单人场景（可纯字幕配音、需上传音色、速度快）；
5. 目前有2种配音模式：全自动模式（包含转录+翻译+TTS合成等环节）、自带字幕模式（包含TTS合成等环节）；
6. 专业场景特点：无损保留原始音质、原始背景声，精准复刻原始每个角色的音色、语气、情绪，乃至说话特效、空间感、远近感；
7. 单人场景特点：无损保留原始音质、原始背景声，全局使用统一的单个音色进行配音，可纯字幕配音，速度快；
8. 对于执行失败的订单，系统会自动退返『转录时长』。 AI配音公测阶段，欢迎反馈问题。客服QQ：2801088826
帮 助 说 明
计费方式：
○ 按音频时长（秒）计费，可通过点数兑换转录时长（1点数=120秒）
○ 切换右侧场景，可在表单下方查看对应场景/模式下的价格表
补充说明
① 推荐上传wav音频格式，该格式无损；强烈建议使用原始采样率、多声道；推荐使用本站【视频转音频工具】进行处理，采样率选择【默认】选项即可；
② 上传音频文件时长需大于60秒，最大3GB，保留3天后自动删除；
③ 全自动模式的转录环节，根据语种使用豆包、Universal-3进行转录；翻译环节，则统一使用gemini-3-1-pro模型进行翻译；
④ 全自动模式会提供原始字幕文件、配音语种的字幕文件；
⑤ 当使用自带字幕模式时，支持srt/vtt/ass格式，仅支持纯单语类型；请上传配音语种的字幕文件，不要上传原始语种的字幕文件！！！
⑥ 目前配音质量取决于最终的字幕文件，取决于时间轴的精准性、字幕内容的合理性。如有条件，建议自行提供符合要求的字幕文件；
⑦ 当前配音局限与瑕疵：效果取决于转录、翻译后的字幕文件，特别是时间轴精准性；专业场景下，过短的对白（小于0.3秒）将保留原声；
⑧ 单人场景需要上传参考音色，推荐10-20秒，情绪、语速正常的纯人声音频；
⑨ 【对齐策略】这里仅指那些时长相对内容短、内容可能超标的行；专业场景可选择『精简台词+提高语速』、『提高语速』，单人场景默认为『提高语速』；
⑩ 专业场景目前配音语种仅支持普通话、英语；单人场景配音语种支持比较多。
专业场景（全自动） 包含转录+翻译+TTS，按 7.5 倍消耗转录时长
| 充值套餐 | 价格（每小时） |
|---|---|
| 10元 | 45.00元 |
| 20元 | 37.50元 |
| 40元 | 32.14元 |
| 80元 | 28.13元 |
| 160元 | 24.00元 |
| 320元 | 20.57元 |
| 640元 | 18.00元 |
| 1280元 | 16.00元 |
| 2560元 | 14.40元 |
| 5120元 | 13.55元 |
| 10240元 | 12.80元 |
专业场景（自带字幕） 主要TTS配音合成，按 6 倍消耗转录时长
| 充值套餐 | 价格（每小时） |
|---|---|
| 10元 | 36.00元 |
| 20元 | 30.00元 |
| 40元 | 25.71元 |
| 80元 | 22.50元 |
| 160元 | 19.20元 |
| 320元 | 16.46元 |
| 640元 | 14.40元 |
| 1280元 | 12.80元 |
| 2560元 | 11.52元 |
| 5120元 | 10.84元 |
| 10240元 | 10.24元 |
单人场景（中日韩语种-每小时价格） CosyVoice顶级音色，按不同倍率消耗
| 充值套餐 | 有音频-全自动 6 倍消耗 |
有音频-自带字幕 4.5 倍消耗 |
无音频-纯字幕 3.5 倍消耗 |
|---|---|---|---|
| 10元 | 36.00元 | 27.00元 | 21.00元 |
| 20元 | 30.00元 | 22.50元 | 17.50元 |
| 40元 | 25.71元 | 19.29元 | 15.00元 |
| 80元 | 22.50元 | 16.88元 | 13.13元 |
| 160元 | 19.20元 | 14.40元 | 11.20元 |
| 320元 | 16.46元 | 12.34元 | 9.60元 |
| 640元 | 14.40元 | 10.80元 | 8.40元 |
| 1280元 | 12.80元 | 9.60元 | 7.47元 |
| 2560元 | 11.52元 | 8.64元 | 6.72元 |
| 5120元 | 10.84元 | 8.13元 | 6.32元 |
| 10240元 | 10.24元 | 7.68元 | 5.97元 |
单人场景（字母语种-每小时价格） CosyVoice顶级音色，按不同倍率消耗
| 充值套餐 | 有音频-全自动 9.5 倍消耗 |
有音频-自带字幕 7.5 倍消耗 |
无音频-纯字幕 7 倍消耗 |
|---|---|---|---|
| 10元 | 57.00元 | 45.00元 | 42.00元 |
| 20元 | 47.50元 | 37.50元 | 35.00元 |
| 40元 | 40.71元 | 32.14元 | 30.00元 |
| 80元 | 35.63元 | 28.13元 | 26.25元 |
| 160元 | 30.40元 | 24.00元 | 22.40元 |
| 320元 | 26.06元 | 20.57元 | 19.20元 |
| 640元 | 22.80元 | 18.00元 | 16.80元 |
| 1280元 | 20.27元 | 16.00元 | 14.93元 |
| 2560元 | 18.24元 | 14.40元 | 13.44元 |
| 5120元 | 17.17元 | 13.55元 | 12.65元 |
| 10240元 | 16.21元 | 12.80元 | 11.95元 |
-
精准音色与情绪复刻
专业场景，会精准复刻原始每个角色的音色、语气、情绪，乃至说话特效、空间感、远近感。
-
电影级无损音质与混音
采用独家音轨算法，无损剥离人声，完整保留原始音频中的BGM、环境声与特效音，配音后混音自然、无缝衔接。
-
配音同步 多重对齐策略
系统自动检测可能溢出的字幕，使用AI智能精简字幕+适当提高语速，确保配音同步，不被截断。
-
多个服务 一口价格
AI配音涉及音频转录、AI字幕翻译、音色复刻、语音合成等环节，本站化繁为简，统一打包定价，按音频时长计费，消耗转录时长额度。
-
多重优惠 均价6～20元/时
错峰时间段有15～20%的优惠；单次充值越多，价格越优惠；320元套餐以上均价20～6元/小时。
-
两种场景 两种模式
既有专业场景满足影视级需求，又有单人场景满足低成本需求；既可以全自动配音，也可通过纯字幕进行配音。
-
GPU集群 异步并发处理
依托强大的多云异构GPU调度基建，长音频被智能切片并分发至算力集群并发推理，处理速度指数级提升。
-
全自动模式 提供字幕文件
全自动模式，除了音频文件，会提供原始转录字幕文件，翻译后的字幕文件。
已加入后台任务，可关闭本页面，稍后到【配音订单】查看详情
AI配音涉及【人声、背景声分离】、【音频转字幕】、【字幕翻译】、【tts合成】、【混音】等环节，耗时≈音频时长，请耐心等待。