视频翻译配音方法、装置、设备及介质

本发明提供一种视频翻译配音方法、装置、设备及介质，涉及机器翻译技术领域，该方法包括：获取源音频数据及源字幕数据；从源音频数据中截取第i个源字幕对应的源音频；翻译第i个源字幕得到第i个目标字幕；将第i个源音频及第i个目标字幕输入预设人声克隆模型，得到第i个待处理音频及其对应的时间戳；若第i个待处理音频满足预设优化条件，则对其进行预设优化处理，得到第i个目标音频及其对应的时间戳；若不满足，则将其确定为第i个目标音频，第i个目标音频的时间戳与第i个待处理音频的时间戳相同；按时间戳顺序拼接各目标音频得到目标音频数据；根据目标音频数据确定目标视频文件。本申请避免了声纹分镜错误的同时还使得配音更加生动。