北京
“翻译错了，我是等配音做完才发现。”这是用户抱怨的原话。AI Video Translator 是一个人做的产品，这周上线的三个功能，全部来自这一句反馈。
问题不在翻译本身，在错误暴露的位置。原来的流水线一趟跑到底：语音识别 → 翻译 → 声音克隆/语音合成 → 时间拉伸与混音 → 输出。用户听到成品，才发现人名被逐字直译、语气和视频不搭，或者某个术语到第三集又变了个说法。唯一的补救办法是把整条配音重跑一遍。
成本不对称摆在那里：改一行文字几乎不花钱，重新生成语音不是。目标因此变得很简单——让用户在流水线里最便宜的那个点把错误改掉。
合成之前，先加一道人工审核
翻译完成后，脚本会逐行显示在原文旁边。用户改过的内容，直接成为语音合成的输入。
这里最大的界面约束是行长。译文本来就倾向于比原文长，用户如果再加解释性内容，还得塞进同一个时间槽，声音就会被加速。界面上反复强调的规则是：该改意思就改意思，长度尽量贴近原文。
审核只能救一条视频。没有术语表，同一个错误下一条视频还会回来，用户得一遍遍改同一个词。所以现在可以登记源术语和固定的目标译法，在翻译环节就套用。CSV 导入导出让术语表能跨系列复用、在团队之间共享。
两个功能互相喂养：审核时改过两次的词，就是术语表的候选。第一集要花实打实的审核时间，到第十集，审核就是快速扫一遍。
字幕文件单独出，改一个错别字不用重渲染
以前唯一的输出是烧录字幕的视频，改一个字幕错字就得把整条视频重新渲染。现在每条配音都附带独立的 SRT 文件，烧录变成可选项。SRT 由审核过的脚本生成，改动同时落到音频和字幕上。创作者可以把干净的视频传上 YouTube，再在 YouTube Studio 里挂 SRT，或者把字幕单独上传到课程平台。
这建立在一天前上线的多说话人检测之上：视频里每个说话人保留自己的声音。
回头看，一开始把“全自动，从翻译到配音”当主打卖点是错的。做长系列和课程内容的用户并不想要更少的控制，他们想要一个能插手的地方。自动化留着，只是在人工输入最便宜的位置加了个把手。
还有两个问题在等反馈：逐行是不是合适的审核粒度，还是按段落、按说话人分组更好？系列级术语表用 CSV 够不够，团队协作有没有更合适的格式？
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
