B站持續(xù)完善海外用戶產品體驗，用戶可體驗原汁原味多語種視頻
全新自研AI原聲翻譯功能，可完美還原UP主聲線
自今年5月嗶哩嗶哩（以下簡稱B站）宣布將下架原國際版APP，與國內版合并為一個統(tǒng)一APP后，B站的出海下一步便引來各方關注。在今年的世界人工智能大會上，B站公布了其為服務海外用戶而全新自研的「AI原聲翻譯功能」，以便海外用戶更好體驗游戲、科技、二次元等主推內容。在完成了APP合并、海外用戶頁面多語種適配、特別是視頻原聲翻譯功能上線后，B站似乎已經做好準備蓄力開拓海外市場。
海外用戶頁面
本次發(fā)布的「AI原聲翻譯」功能–除了自動擦除中文字幕改為英文、彈幕翻譯及各類按鈕英文適配等基礎的文本互譯之外，還能完美還原UP主的聲線、音色、氣口，而非傳統(tǒng)的機器音翻譯，同時還能基于翻譯語言進行口型模擬。這意味著在未來中文用戶觀看外語UP主視頻或海外用戶觀看中文UP主視頻時能無差別體驗原汁原味的“本地化”翻譯視頻。后續(xù)，B站還將視需求把日語等語言加入「AI原聲翻譯」功能中，持續(xù)擴展在海外市場的適配能力。
AI原聲翻譯開啟頁面
據(jù)悉，目前B站「AI原聲翻譯功能」中，跨語言聲音還原技術源自內部代號為「 IndexTTS2」的語音生成模型 ，其整體框架如下圖所示。該模型引入了一種新穎、通用且兼容自回歸架構的語音時長及情感控制方法。該方法支持指定token數(shù)量，從而實現(xiàn)對語音時長的精確調控，降低了翻譯任務的難度。另外對情感表達與說話人身份進行了有效解耦，實現(xiàn)了高質量地復刻原片語音中蘊含的情感。
為攻克「AI原聲翻譯功能」中的核心挑戰(zhàn)——尤其在游戲、二次元等專名梗點密集領域——實現(xiàn)原風格精準保留與語音時長完美對應，B站技術團隊基于大語言模型（LLM）構建翻譯引擎，獨創(chuàng)性基于語音時長匹配、原聲翻譯標準與UP主獨特風格構建多目標獎勵模型，并采用對抗式強化學習（RL）訓練驅動模型持續(xù)進化與精準適配。同時，引入Deep Research深度挖掘技術，專攻專有名詞與流行梗點的翻譯難點，確保最終譯文準確、地道、傳神。字幕擦除部分則結合了先進的多模態(tài)大模型OCR技術和基于STTN網絡的視頻重繪技術，實現(xiàn)字幕區(qū)域的精準檢測與與高還原度擦除。
- 只有5%AI項目在掙錢！MIT最新報告印證奧特曼警告2025-08-22
- 宇樹180芭蕾機器人，究竟啥水平？2025-08-20
- OpenAI頭號叛徒，竟然是自學的AI?2025-08-22
- 00后MIT華人女生輟學創(chuàng)業(yè)，已融1.5個億2025-08-20
相關閱讀
