你手里有一段中文短剧，想做英文版发给海外观众。先整理中文对白，再逐句校对英文、按角色生成语音，最后回到剪辑软件检查时长。下面用一段原创的“16号和61号门牌”对白演示这套本地流程，10句机器翻译和配音约4分钟。

这条路线适合已经装好 Ollama、IndexTTS 并准备好模型的人。练习包不含模型权重；若本机缺模型或依赖，先停下来核对安装来源和空间，不要为了跟做而拉取大模型。

你需要准备

项目 要求
电脑 本次在 M1 Max、64GB 内存的 Mac 上实测；其他设备未测
翻译 本地 Ollama 已有 qwen3.8-27b:latest 模型标签
配音 已安装 IndexTTS-2.5，权重和 Python 依赖已在本机
角色参考音 每个角色一段你有权使用的清晰声音；示例脚本用两段 WAV
时间与费用 10句机器翻译与配音约4分钟；人工校对、模型安装和剪辑另计

若你的 Ollama 模型标签不同，先确认它确实已安装，再把练习脚本里的 MODEL 改成该标签。脚本不会替你下载模型。

第一步：把对白整理成一行一句

先拿到你有权改编的中文台词。按角色拆成短句，每句保留固定编号，并另外记下原视频的起止时间、情绪和专有名词。不要把整集长文本一次塞给模型，分句后更容易定位错译，也方便逐段配音。

练习包里的输入是原创的虚构对白。它用门牌 16 和 61 的误会做笑点，10句分别标成 A、B 两个角色。你可以打开 input/source-dialogue.json 看结构。

第二步：用本地 Qwen 起英文初稿

Ollama 是 Ollama 官方提供的本地模型运行工具，软件可免费下载使用；模型需要单独准备，官网是 ollama.com。确认它已经启动，并且目标模型在 ollama list 中，再把练习包解压到一个工作目录，从包的根目录运行：

python scripts/translate_local.py

脚本把固定编号的中文对白发给本机 127.0.0.1:11434 的 Ollama Chat API，并要求返回 JSON。完成后会在 output/ 生成机器翻译和运行摘要。模型缺失时会报错退出，不会调用 ollama pull。

这次机器稿保留了10句和两位说话人。它把门牌数字的笑点译得不够明白，所以后面人工改了第3句和第8句。机器稿只是草稿，不要直接拿去录制或发布。

第三步：逐句校对，再准备配音稿

打开 output/translation-machine.json，和原文并排检查。至少逐项核对：

  • 人名、地名、门牌、日期和金额有没有变；
  • 否定词、因果关系和人物立场有没有反转；
  • 笑点和上下句的指代是否仍然清楚；
  • 英文念出来是否自然，长度能不能放进原镜头。

练习稿把“我在61号门口”明确成角色真的站在61号门前，也把“六和一的位置反了”写出来，让英文观众听得懂数字误会。修改后保存为 input/translation-reviewed.json，保留原编号和 A/B 角色名，方便后面的音频文件一一对应。

第四步：用获准的参考声音逐句生成

IndexTTS-2.5 是 IndexTTS 官方项目的语音合成模型，官方示例支持英文和单段参考音克隆音色；官方许可提供免费使用权，但附有适用条件，详见项目页和许可协议。给 A、B 各准备一段清楚的参考声音，先确认你有权使用该声音；不要拿演员、客户或同事的声音来试而不征得同意。每个角色使用自己的参考音，避免台词中途换声线。

在已安装 IndexTTS 的 Python 环境中，从练习包根目录运行下面的命令。把模型目录改成你本机已完整准备好的 checkpoints 路径：

python scripts/dub_local.py \
  --model-dir "$HOME/ai-demo/index-tts/checkpoints" \
  --dialogue input/translation-reviewed.json \
  --voice-a input/voice-a.wav \
  --voice-b input/voice-b.wav \
  --output-dir output/dub

脚本会逐句生成 01-A.wav、02-B.wav 这样的单声道 WAV，并写出时长摘要。它先检查模型和参考音文件，再以离线模式加载已有权重；缺少文件时会停止，不会自动下载。Python 环境本身也要预先安装好，练习包不负责联网装依赖。

第五步：放回剪辑软件检查时长

把英文台词和原片逐句对齐，再把生成的 WAV 放到对应角色轨道。先听开头、中间和结尾，检查漏句、错读、停顿和底噪；如果一句英文长到压进下一句，优先重写得更短，再试听语速。最后回看字幕、画面切点和角色说话顺序。

本次没有把音频导入剪辑软件，也没有人工试听配音或校验口型同步。因此这一步是交付前检查清单，不代表已经通过真实短片验收。

常见问题

脚本提示模型没装好，能不能自动补齐？ 先停下，确认模型目录、版本、磁盘和许可。练习包不会拉取模型，也不建议只为这10句消耗大量流量。

数字或笑点翻错了怎么办？ 回到中文原句和前后情节，手工改英文后再生成那一句。不要让模型自己猜角色关系或门牌号码。

能不能直接用影视剧原声做音色参考？ 先确认你获得了声音和台词的相应授权。参考音会影响生成声音，输出文件也要按所在平台的规则检查和标识。

能不能用来给真人演员做商业配音？ 先核对声音授权、剧本和译文权利、模型许可及发布平台要求。IndexTTS 当前许可写明：上一自然月月活超过1亿，或上一自然年关联方年收入超过人民币1亿元，需另行申请商业许可。请阅读完整许可；这里不替代法律意见。

我们试了哪些工具

在 M1 Max 64GB、macOS 27.0.1 上，本地 Ollama 标签 qwen3.8-27b:latest 对10句生成英文初稿约50秒；逐句校对后，IndexTTS-2.5 生成10个英文 WAV，含模型加载约182秒。参考音由 macOS say 合成，仅用于本机测试，没有放入练习包。本机信息显示该标签使用 qwen35 架构，但没有找到能确认它对应哪个官方模型卡的资料，所以这里只记录本机标签，不引用官方性能结论。测试只覆盖这段原创对白，没有代表其他语言、真人声音或完整短剧的效果。Ollama 通过本机 Chat API 工作；具体请求格式见官方文档。

如果把 AI 生成的语音或视频发布到网络，请按适用规则和平台提供的标识功能主动声明。网信办《人工智能生成合成内容标识办法》把音频、视频列入生成合成内容，并要求使用网络信息内容传播服务发布此类内容的用户主动声明、使用平台提供的标识功能；请按你的发布场景核对办法全文。

练习包：下载中文短剧英文翻译与配音练习包。包内有原创输入、机器稿、校订稿、脚本和运行摘要，不含模型权重、参考音频或生成语音。

需要先整理字幕时，可以接着看《视频自动加字幕怎么做？本地识别、校对、导出 SRT》。