短剧对白和小说段落不能只做逐句翻译:字幕要短、能在镜头里读完;小说要保留叙述节奏;旁白还要检查读音和声音授权。建议先锁定不能改变的故事事实,再分别处理字幕、正文和配音。

先确认出海范围和授权

动手前先把权利范围写清:作品是否允许翻译或改编,授权覆盖哪些国家或地区、语言、平台、期限和商业用途。短剧剧本、小说原文、音乐、人物姓名和演员声音可能分别由不同主体授权。没有拿到相应许可时,不要把原文上传到第三方模型,也不要克隆或发布演员声音。《伯尔尼公约》第 8 条可作为核对翻译权的起点;具体许可仍要看合同和适用法律,本文不代替法律意见。WIPO 公约正式文本

再选定目标语言、地区和发行平台。本文用“故事仍发生在中国、对白改成美国英语”举例;地点和文化背景不会因为目标语变化而自动搬到美国。若平台给了自己的字幕格式或术语表,优先使用该版本。

建一张事实与术语表

先列出模型不能擅自补全的信息。下面的例子完全虚构:旧书店、店主乔青、店员林禾、房东周五来清场;两万元押金有一张收据,但签收人未知。

锁定项 当前写法 本地化时怎么处理
人名 乔青 / 林禾 固定为 Qiao Qing / Lin He
地点 中国旧书店 保留中国地点,不替换成美国街区
金额 两万元押金 写作 RMB 20,000,不换算美元
时间 周五 保留 Friday;没有日期就不补日期
未知事实 收据由谁签收不明 保留疑问,不猜人物身份或动机

字幕、小说分别另存一份。每条对白保留角色名和镜头编号;小说按段落保留段落编号。这样审校时可以回到中文原文,不会把改写后的英文误当成原始事实。

用本机 Qwen 起草,再逐句校正

如果已经在本机 Ollama 安装了 Qwen3.8,可以从现有模型起步。运行 ollama list 确认模型名;本文实测用 qwen3.8-27b:latest。没有预装模型时,先确认模型大小、磁盘空间和网络流量,再自行决定是否获取权重;下面的演示脚本只连本机 127.0.0.1:11434,不会代你下载模型。

把一条对白或一个小说段落单独发给模型。可以复制这段要求,并把括号里的内容换成自己的术语和原文:

把下面的中文本地化为自然的美国英语。故事仍发生在中国。
保留人名、人物关系、时间、金额和所有未知信息;不添剧情、动机、法律程序或结局。
术语表:乔青=Qiao Qing;林禾=Lin He;押金=deposit;人民币金额写作 RMB。
短剧对白请给出角色名、忠实译文和字幕断句;小说只给对应段落的译文。
不要把模型建议当成事实。输出时把任何歧义单独列出来。

原文:
[粘贴一条虚构对白或一个已获授权的段落]

先逐项对照原文检查:有没有漏掉否定词、时间、金额、称谓或未知信息?模型若把“周五来清场”改成“法院周五驱逐店主”,就必须删掉新增情节。本文本机样例中,Qwen 保留了 RMB 金额和签名未知状态,但最初给出的字幕断句有两行超过 42 个字符;人工审校后才重排。模型译文不是免审定稿。

小说段落可以允许更完整的句子和语气变化,但仍要保留段落顺序、人物关系和悬念信息。若为了英语自然度调整比喻或句序,把改动记在审校表里;不要在同一轮里同时重写剧情和润色语言。

按平台规范拆分字幕

先把经过人工确认的译文放进视频剪辑器,按语音起止点设置时间码,再按平台要求断行。Netflix 美国英语指南示例规定字幕每行不超过 42 个字符、最多两行;这只是该平台的交付规范示例,其他平台可能不同。Netflix 美国英语指南

例如,D01 可以拆成:

The landlord will be here Friday
to clear out the shop.

D02 原句较长,应拆成多个时间片,而不是把整段硬塞进一个字幕框:

Don't touch the sign yet.

Find the receipt for the
RMB 20,000 deposit.

See who signed it.

逐行检查字符数和两行限制,再从头看一遍画面:字幕出现时能否读完、是否挡住重要动作、人物开口和字幕时间是否同步。只通过字符数检查,不代表断句自然或时间码正确。

用 IndexTTS 做旁白样片

IndexTTS-2.5 支持英语文本转语音,并可使用一段参考音。本文只在已有的本机权重上合成虚构对白。实际作品若使用演员或其他真人声音,先取得覆盖声音克隆、台词范围、发行地区和期限的明确授权;拿到音频文件本身不等于拿到声音使用权。模型许可也要按实际用途查看当前官方条款。IndexTTS 官方仓库 · 官方中文许可

在已安装 IndexTTS-2.5 的项目环境里,可以按官方 Python 接口调用已有权重。把 authorized-reference.wav 换成获准使用的参考音,输出路径换成你的项目目录:

from indextts.infer_v2_5 import IndexTTS2

tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints")
tts.infer(
    spk_audio_prompt="authorized-reference.wav",
    text="The landlord will be here Friday to clear out the shop.",
    lang="EN",
    output_path="out/scene-01.wav",
    use_random=False,
    verbose=False,
)

合成后逐句听:人名和金额读音是否正确,是否漏词、吞音、停顿突兀;再把旁白与字幕和镜头对齐。自动生成 WAV 只能证明流程产出了文件,不能证明读音、表演、声线一致性或商业许可都合格。本文样例使用 macOS 合成的虚构参考音,不是演员声音或用户录音;播放 AI 生成的本机英文旁白样片。该样片未做人工试听或 ASR 校字,只证明本机推理生成了音频文件,不代表最终配音质量。发布前要按目标平台和适用规则处理 AI 生成内容的声明与标识;不要把本机生成当成免标识依据。中国《人工智能生成合成内容标识办法》

本机实测范围

本篇只用虚构剧本,Qwen 请求走本机 Ollama 回环接口,禁用代理,也没有执行模型下载。IndexTTS 使用本机现有权重和合成参考音;不上传剧本或声音到外部服务。Qwen 首稿用时约 53 秒、返回 483 个 token;两句对白和一段小说译文均有结果,但字幕行长检查发现需要人工重排。IndexTTS 模型加载约 30 秒,合成用时约 17 秒,生成 22.05 kHz 单声道、约 2.7 秒 WAV。样片没有做人工试听或语音识别,不能据此判断发音和自然度。

本次只验证虚构文本的本机生成流程,不覆盖真实作品授权、真人声音授权、字幕时间码、目标发行平台验收或跨境发行的法律结论。样片没有人工试听或 ASR 字词校验;要评价配音质量,须先逐句试听、校字并复核字幕和镜头,不能把本样片当作可直接交付的配音。

本篇封面背景由本机 ComfyUI / Z-Image-Turbo 生成,标题以代码排版并标注“AI生成封面”。