一种基于生成式AI的自动化配音方法及系统

本申请公开了一种基于生成式AI的自动化配音方法及系统。从原始视频中分离出人声音频、背景声音频和无声视频部分，自动识别并翻译音频中的文本内容，将翻译后的文本与对应的时间段结合，生成翻译字幕文本；接着对人声音频进行分段切分，根据声纹特征为每个切分片段标注人物属性，同时评估声音质量；之后利用TTS技术，将分段字幕文本转换成目标语种的音色音频，根据字幕的起止时间将这些音频进行连接合并；最后将生成的目标音频与背景声音频、无声视频合成，得到完整的目标视频。此上述步骤高效完成多语种、多角色、多场景的配音工作，提升配音质量和配音效率。