把视频配音成你的语言:主流工具对比(AI 配音、浏览器扩展与平台音轨)
对比 YouTube 和 Netflix 音轨、双语字幕与配音扩展、ElevenLabs、Rask AI、HeyGen 等 AI 配音服务以及 Voxylio:价格、隐私与局限。
Leonel Ngoya
Voxylio 创始人
你找到了想看的视频——一堂课、一部纪录片、一位喜欢的创作者——却发现它的语言你只能听懂一半。如今,用自己的语言收听它大致有四种截然不同的方式:切换到平台已提供的音轨;使用在观看时翻译或配音的浏览器扩展;把文件交给 AI 配音服务;或者使用像 Voxylio 这样基于字幕的实时配音扩展。
这些方式不能互相替代。有的面向观众,有的面向发布视频的人;有的已包含在你正在付费的订阅中,有的按分钟计费。本文说明每种方案适合谁、如何工作、如何收费、哪些数据会离开你的设备,以及它的不足之处——也包括 Voxylio 自身的局限。竞品价格均在官方页面核实并注明日期;价格经常变动,购买前请再次确认。
四种方式一览
比较产品之前,先区分方式。你是在看别人的视频,还是在制作自己的视频?你想读译文,还是想听译文?
- 平台音轨. 由视频服务本身提供的配音或自动配音音轨。对观众免费,但只有发布者或平台制作过才会存在。
- 观看类扩展. 在你观看时叠加在播放器上运行的浏览器插件:有的把字幕翻译成文字,有的捕获音频并朗读译文。
- AI 配音服务. 面向创作者的工具,读取视频文件并生成新的配音版本,通常带有声音克隆或口型同步,按分钟或积分计费。
- Voxylio. 一款读取视频字幕、逐句翻译,并用浏览器提供的语音随播放同步朗读的扩展。
平台音轨:YouTube 和 Netflix
先检查播放器。在 YouTube 上,一个视频可以包含多条音轨。有些由创作者上传;有些来自 YouTube 的自动配音功能,该功能对符合条件的创作者默认开启,会生成翻译后的音轨。这类视频会在说明中标明为自动配音,观众可以在原始音轨和配音音轨之间切换,或设置偏好的音频语言。
覆盖范围取决于语言组合。根据 YouTube 帮助中心,英语原视频可以配音成多种语言,而许多其他语言的视频只能配音成英语。部分语言支持“富有表现力的语音”,尝试保留说话者的音高和语调;口型同步则是仅向部分频道开放的实验性功能。超过 120 分钟、语音很少或存在版权主张的视频等不符合条件。
Netflix 以作品为单位:许多剧集和电影都可以更改音频和字幕语言,“音频和字幕”菜单会列出该作品所有可用的语言。你能得到的就是为它制作好的内容——无法添加不存在的语言。
- 适合谁. 在已提供自己语言的平台上观看的任何人。
- 收费方式. 已包含:YouTube 免费,Netflix 包含在订阅中。
- 隐私. 不会额外共享任何内容;你只是在已经使用的服务里选择一条音轨。
- 优点. 同步和混音效果最好,无需安装任何东西。
- 缺点. 只有发布者或平台制作了才有;无法添加缺失的语言。
在观看时翻译或配音的浏览器扩展
当平台没有你的语言时,浏览器可以填补空白。这类工具分为两大类,差别会影响隐私、费用以及你实际听到的内容。
基于字幕的工具从视频已有的字幕出发。Language Reactor 是语言学习者中最知名的例子:在 Netflix 和 YouTube 上,它把你正在学习的语言和你的母语字幕并排显示,并在周围提供学习工具。它是一款免费增值(freemium)扩展,用于阅读和学习,而不是为你提供翻译语音。Chrome 也有一项相关的内置功能:“实时字幕”在设备上生成字幕,“实时翻译”可以把这些字幕发送给 Google 进行翻译——结果是文字,而不是语音。
基于音频的工具则直接“听”标签页。DubTab 在 Chrome 应用商店的介绍称,它会在任何正在播放音频的标签页上用 AI 语音朗读译文,并提供应用内购买。Livdub 捕获标签页音频,并使用你自己的 Gemini API 密钥发送到 Google 的 Gemini Live Translate;截至 2026 年 11 月,其免费层每个 UTC 日提供 45 分钟活跃时长,可选的付费方案可取消限制。由于直接处理声音,这类工具能应对没有字幕的视频和直播,代价是音频要发送到云服务,并带来一定延迟。
- 适合谁. 想在浏览器内解决问题的观众:用双语字幕学习的人,或更想用耳朵听的人。
- 收费方式. 通常为免费增值:先有免费层或每日额度,之后是订阅或应用内购买。
- 隐私. 字幕类工具大多可以在浏览器中运行;音频捕获类工具会把标签页音频发送到语音识别或翻译服务。
- 优点. 适用于平台永远不会配音的视频,而且无需上传文件。
- 缺点. 效果取决于字幕、音频清晰度以及网站播放器的实现方式。
面向创作者的 AI 配音服务:ElevenLabs、Rask AI 和 HeyGen
这些是制作工具。你上传自己能掌控的视频,服务完成转写、翻译和重新配音,然后你下载新文件用于发布。它们面向本地化自有内容的创作者和团队,而不是用来即时观看别人的视频。
ElevenLabs Dubbing 可将音频和视频本地化为 90 多种语言,力求保留每位说话者的情感、节奏和语气;它能识别多位说话者,并可下载配音结果。其方案采用积分制,帮助中心说明配音按源媒体的分钟数、针对每种目标语言分别计费。
Rask AI 是带每月分钟数的订阅服务。截至 2026 年 11 月,其帮助中心列出的 Creator 方案为每月 39 美元、含 25 分钟。1 分钟配音等于 1 分钟翻译后的输出,因此把 1 分钟视频配成两种语言会消耗 2 分钟,口型同步还会额外消耗分钟数。Rask 宣称支持 135 种以上语言和声音克隆。
HeyGen 是一个 AI 视频平台,其 Video Translation 功能可以把视频重新配音成另一种语言,并可选口型同步。一切都以积分计算:截至 2026 年 11 月,付费方案从每月 29 美元(Creator)起,翻译每分钟消耗 4 到 10 个积分,取决于你选择仅音频还是口型同步引擎。免费方案中,翻译视频限制为 1 分钟。
- 适合谁. 拥有内容版权、希望发布精良配音文件的创作者和企业。
- 收费方式. 按分钟或积分计费,并随语言数量成倍增加;口型同步通常更贵。
- 隐私. 你的视频会上传到服务商的云端并在那里处理。
- 优点. 高质量 AI 语音、声音克隆、编辑工具,以及可导出的文件。
- 缺点. 日常观看成本高、不是实时的,而且你需要拥有视频的权利。
Voxylio:基于字幕的实时配音
Voxylio 是一款适用于 Chrome、Edge 和 Firefox 的浏览器扩展,在在线视频播放时为其配音。它读取视频的字幕轨道或屏幕上的字幕,逐句翻译,并用浏览器提供的语音朗读,同时在译文播放时降低原声音量。它支持 70 种以上语言,可用于 YouTube、Netflix、Prime Video、Disney+、Twitch 以及许多提供字幕轨道的播放器,包括在线课程平台。
在可用时,翻译通过 Chrome 内置的 Translator API 在你的设备上完成;否则,作为备用方案,会把单独的字幕句子发送到在线翻译服务。音频和视频从不上传。朗读使用浏览器和操作系统自带的语音,因此没有需要转嫁给你的按分钟成本。在 Chrome 中,Voxylio 优先使用 Google 语音;在桌面版上,这些语音在线运行,会收到翻译后的文本。严格本地模式则让翻译和朗读都留在你的设备上。
收费是固定套餐而不是积分。你需要一个免费账户;第一天所有功能全部解锁,之后免费方案在主要平台上提供每日配音分钟额度。Pro 取消每日限制并解锁所有支持的网站,撰写本文时价格为每月 9.99 美元或每年 39.99 美元;Lifetime 以一次性 99 美元提供同样的权限。最新信息请查看 Voxylio 价格页面(voxylio.lndev.me/zh-CN/pricing)。
局限是真实存在的。Voxylio 需要字幕:如果视频没有字幕,就没有可翻译的内容。它使用浏览器的标准语音——清晰、即时,但并非录音棚级别的声音克隆,而且不同设备上的质量会有差异。它在你观看时配音,不会导出视频文件。
- 适合谁. 经常观看带字幕内容(课程、剧集、访谈)、更想听而不是读的观众。
- 收费方式. 主要平台提供免费每日额度;无限使用可选择固定订阅或一次性买断的 Lifetime。
- 隐私. 尽可能在设备上翻译;备用方案下会发送单独的公开字幕句子,在线语音(例如桌面版 Chrome 的 Google 语音)会收到翻译后的文本。严格本地模式让两者都留在你的设备上。
- 优点. 实时、支持网站多,无论看多少费用都可预期。
- 缺点. 需要字幕,使用浏览器标准语音而非克隆语音,也不生成可下载的文件。
横向对比
下表总结了各方案的取舍。价格仅供参考并注明日期;付费前请查看各官方页面。
| 方案 | 最适合 | 需要什么 | 收费方式 | 在哪里处理 | 你听到的是 |
|---|---|---|---|---|---|
| YouTube 音轨 | 音轨存在时的观众 | 带配音或自动配音音轨的视频 | 免费 | YouTube 内 | 创作者配音或 YouTube 合成语音 |
| Netflix 音轨 | 剧集和电影 | 包含你语言的作品 | 包含在订阅中 | Netflix 内 | 随作品提供的音轨 |
| Language Reactor | 语言学习者 | Netflix 或 YouTube 上的字幕 | 免费增值 | 浏览器内 | 原声,双语字幕 |
| Chrome 实时翻译 | 把任何音频读成文字 | 桌面版 Chrome | 免费 | 字幕在设备上生成,发送给 Google 翻译 | 原声,翻译字幕 |
| 音频捕获类扩展(如 DubTab、Livdub) | 无字幕视频、直播 | 标签页音频 | 免费层,之后付费方案或应用内购买 | 标签页音频发送到云端 AI 服务 | AI 语音 |
| ElevenLabs、Rask AI、HeyGen | 本地化自有视频的创作者 | 视频文件及其权利 | 按语言计的积分或分钟 | 上传到服务商云端 | AI 语音、声音克隆,部分方案支持口型同步 |
| Voxylio | 观看带字幕视频的观众 | 字幕 | 免费每日额度;Pro 每月 9.99 美元或每年 39.99 美元;Lifetime 99 美元 | 尽可能在设备上翻译,备用时在线翻译;桌面版 Chrome 的 Google 语音在线运行 | 你浏览器中的语音 |
该用哪一种?
按场景选择,而不是按品牌选择。很多观众最后会组合使用其中两种。
无论选择哪种,都请在你真正关心的网站和语言组合上测试。免费层或第一天就足以确认字幕能否被识别、你的语言是否有可用语音,以及长视频中同步是否稳定。
- 平台已经有你的语言. 使用官方音轨。没有什么比为该视频专门混音的音轨更好。
- 你正在学习这门语言. 双语字幕让你持续接触原文;只想跟上内容时再切换到配音。
- 视频有字幕但没有你语言的音频. 像 Voxylio 这样基于字幕的配音扩展能以固定价格提供实时语音。
- 没有字幕,或者是直播. 如果你能接受云端处理和额外延迟,音频捕获类扩展会有帮助。
- 视频由你发布. 使用面向创作者的 AI 配音服务,并按分钟和语言数量做预算。
常见问题
用自己的语言看视频,最好的免费方式是什么?
先检查播放器是否有你语言的音轨——在 YouTube 和 Netflix 上不需要额外付费。如果没有,带免费层或每日额度的扩展(包括 Voxylio 的免费方案)可以让你在付费前先试用实时方案。
YouTube 自动配音适用于所有视频吗?
不是。它取决于创作者是否符合条件、语言组合以及视频本身;例如,YouTube 会排除超过 120 分钟、语音很少或存在版权主张的视频。这类视频会在说明中标明为自动配音。
能用 ElevenLabs、Rask AI 或 HeyGen 来看别人的视频吗?
它们用于制作配音文件,而不是在观看时配音,并按分钟或积分计费。上传不属于你的视频还可能涉及版权问题。若只是观看,平台音轨或浏览器扩展更合适。
Voxylio 没有字幕也能用吗?
不能。Voxylio 翻译的是字幕轨道或屏幕字幕;如果视频两者都没有,就没有可配音的内容。当字幕存在但被关闭时,Voxylio 往往可以在支持的网站上替你打开。
为什么在另一台电脑上 Voxylio 的声音不一样?
Voxylio 使用浏览器提供的语音朗读:Chrome 中的 Google 语音、Edge 中的 Microsoft 语音,以及操作系统中已安装的任何语音。因此可用的语言、口音和质量因浏览器和设备而异。安装更多系统语音可以改善效果。
Voxylio 的价格与按分钟计费的配音服务相比如何?
撰写本文时,Voxylio 提供在主要平台上带每日额度的免费方案,之后是每月 9.99 美元或每年 39.99 美元的 Pro,或一次性 99 美元的 Lifetime——价格与你观看多少分钟无关。面向创作者的配音服务因为要生成新文件,会按每种语言的分钟数或积分计费。
资料来源
- YouTube 帮助 — 使用自动配音功能
- Netflix 帮助中心 — 使用字幕或选择音频语言
- Google Chrome 帮助 — 在 Chrome 中管理字幕和翻译
- Language Reactor — 官方网站
- Chrome 应用商店 — DubTab
- Chrome 应用商店 — livdub
- ElevenLabs 文档 — Dubbing
- ElevenLabs 帮助中心 — 配音如何收费
- Rask AI 帮助中心 — 免费试用、订阅方案与分钟数
- HeyGen 帮助中心 — Video Translation 101
- HeyGen — 价格
- Chrome for Developers — Translator API
- Voxylio — 价格
在下一段视频中试试
用你的语言听视频。
安装 Voxylio,选择语言,无需下载即可直接在浏览器中开始配音。