字幕、配音、压制收在同一个窗口里，省掉在三个工具之间来回导文件。

搬运海外视频的人有个共同麻烦：转写靠一个工具，翻译靠另一个模型，配音再找一个平台，最后还要把音轨压回视频里。译幕AI 把这四步塞进一个 Windows 客户端，2026 年 11 月 4 日更新到 1.2.10 版，主打的就是一条流程从头走到尾。

字幕工作台先把两句话摆在一起

导入 SRT、VTT 这类字幕文件后，界面把开始时间、结束时间、字原文、字译文排成四列，改哪一句都看得见上下文。模型厂商和具体模型在下拉框里选，截图里选的是 DeepSeek 的对话模型；术语库用来固定人名、产品名这类不该被意译的词，标点清洗则处理转写常见的断句混乱。导出时可以选译文在上、原文在上或只要单语，格式仍是 srt，交给剪辑软件直接用。

没有现成字幕的素材走另一条入口：音视频转字幕、音视频转文本、文稿匹配。官网给出的准确率是 98% 与 99%，属于自报数据，实际效果和音源质量关系很大。多人抢话、背景音乐压过人声的素材，转写结果仍然要人工过一遍，译幕AI 在这件事上提供的是校对界面，不是免检承诺。

视频翻译把四个步骤排成一队

全自动视频翻译把流程拆成转写字幕、翻译字幕、字幕配音、压制导出四步，界面上方一条步骤条走完就算出片。每一步都能停下来改：转写结果不对就回到表格里逐句修，翻译腔重了就换模型或者补术语，配音语速不合适就在音色库里调参数。右侧样式面板决定成品长什么样，双语在上还是译文在上、字体、字号、边距、描边都能单独设，取消勾选保留背景音就只输出配音轨，适合要做纯译制版的人。

音画对齐是这类工具最容易翻车的地方，译幕AI 的处理方式是把每句译文挂回原来的时间码，导出前给出逐句试听，哪一句长了短了就挪边界。这套做法比整段重新配音稳，代价是需要人守着听一遍，尤其是语速差得多的语种。

配音和音色库是 1.2 版的重点

配音工作台分两种用法：字幕配音按时间轴自动生成，文本配音则拿原音视频里的音色做复刻，适合播客和访谈这类一个人讲很久的素材。音色库提供 5 秒样本的零样本克隆，情绪、语速、语调可以分开调，预置音色也留了一批可直接用。对做多语种分发的人来说，同一段内容换几种语言重录的成本被压下来了；对要求「一听就是本人在说」的场合，克隆音色的自然度仍是需要试听的环节。

免费的是软件，花钱的是模型

译幕AI 的客户端直接下载，官网没有订阅入口，也没有按次收费的说明，成本主要落在翻译调用的模型接口上，需要自己申请 Key 并按用量付费。配音走的是本地语音合成，官网的说法是「本地语音、零成本原声复刻」，这部分不产生接口费用，但要吃本机的处理器和显存。素材越长、语言越多，等待时间越明显，用轻薄本跑一小时访谈会比较吃力。

从 v1.0 的字幕引擎，到 v1.1 打通视频翻译，再到 v1.2 补上配音与音色复刻，这条路线图上的三步已经走完。剩下的短板不在功能数量，而在需要人工介入的地方仍然不少：术语库要自己攒，译文的语气要自己把关，配音出来要自己听。

一句话概括：把分散的四个环节收进一个客户端，省下的是导文件的工夫，省不下的是校对的那点耐心。