guides
发布前如何评估 AI 配音与音频翻译工具
一份基于文档的指南,将字幕、配音、语音转文字和文本翻译视为彼此独立的工作。ElevenLabs、HeyGen 和 Murf 被作为口语声轨产品进行评测;Speechmatics 属于相邻的 ASR。官方同意规则和商业权利规则是购买的一部分。口型同步和成本声明未经测试。

本地化团队可以购买“视频 AI 翻译”,却得到四种不同的交付物:屏幕字幕文件、口语配音声轨、语音识别生成的原始转录文本,或脚本的书面翻译。这些输出不可互换,它们不附带相同的语音权利,而在一项任务上表现出色的工具,对其他任务仍可能是错误的采购选择。
这份基于文档的指南于 2026 年 11 月 10 日(亚洲/上海)审阅。我们没有上传人才录音、克隆声音、发布配音视频,也没有对口型同步或翻译质量进行评分。描述来自当天打开的官方产品、帮助和条款页面。供应商关于质量、成本或节省时间的声明均作为供应商声明引用,而非 AINav 结果。这不是法律建议,也不是绕过同意规则的指南。
比较供应商之前先明确交付物
字幕是带时间轴的文本。它们可以烧录进视频,也可以作为字幕文件交付。它们不能替代原始语音。如果任务就是字幕,请从字幕翻译评估开始,例如付费前如何评估 AI 字幕翻译工具,而不是从配音工作室开始。
本文所说的配音,是指口语翻译声轨——通常旨在保留说话者的身份、时间节奏或情感语调,有时还配合镜头前的口型同步。那是另一种产物、另一种审阅流程,也是另一种权利问题。
自动语音识别(ASR),即语音转文字,将音频转换为转录文本或字幕。它是字幕和配音共同的上游步骤。它本身不是配音声轨。
文本机器翻译用于文档或脚本。关于书面翻译工具,请参阅订阅前如何评估 AI 翻译工具。
创作者文本转语音工具存在重叠,因为一些相同的供应商同时销售两者。声音克隆和许可问题已在面向创作者配音的 ElevenLabs vs Murf vs Speechify中出现。本文聚焦本地化交付物:你能否发布翻译声轨,以及你是否有权使用那个声音?
配音产品,以及一个不属于同一类别的 ASR 工具
ElevenLabs 记录了官方配音能力:它可跨 90 多种语言翻译音频和视频,同时力求保留情感、时间节奏、语调和每个检测到的说话者,并保留原始背景音频。v2 Alpha 模型上的自动配音是当前应用默认;Dubbing Studio 与 v1 模型绑定,并被描述为处于维护模式。制作人不应跳过的官方事实:配音视频是“高质量预览,而非制作母版”,通常为 1080p,音频为单声道或最多立体声,因此制作工作应在原始视频上替换音频;免费层配音带水印,付费层配音不带水印;实时或直播配音目前不可用。ElevenCreative 条款(最后更新于 2026 年 10 月 9 日)对 Dubbing v2 增加了商业边界:除非书面订单另有说明,v2 输出不得用于故事片、电视节目或剧集、流媒体或 VOD 节目、院线发行或其他专业视听娱乐制作。YouTube、TikTok 或 Instagram 等平台上的用户生成帖子,以及付费广告投放(非节目内容),被描述为例外。在向广播公司承诺仅使用 v2 的流程之前,请确认当前附件。
HeyGen 官方视频翻译器页面描述可将视频翻译成“175+ 种语言”,配备 AI 声音、口型同步和字幕,包括对原始说话者的声音克隆、多语言播放器、品牌术语表,以及每月最多三个视频、每个最长三分钟的免费计划。同一页面声称“完美口型同步”、“视频翻译成本降低 80%”以及客户节省时间。这些数字和质量形容词是供应商声明,本文未进行测试。HeyGen 还记录了从脚本生成多语言虚拟人视频——这是一条相关路径,但需要单独的同意步骤,如下所述。
Murf 仅在官方页面记录了配音和商业权利时才属于核心集合,而不是作为通用 TTS 替代品。官方网站描述“20+ 种语言”的视频和音频翻译、配音自动化 API 以及声音克隆。Murf Dub 定价帮助列出三个 Dub 计划:免费试用,含 200 积分、带水印导出和一个项目;按需付费,每积分 1 美元,最低 5 美元,最多五个项目;以及企业版,通过销售报价,包括批量折扣和由内部专家审阅的“质量保证配音”。官方 Studio 帮助文章我对创建的配音拥有商业权利吗?指出,所有付费计划均提供对 Studio 中生成的配音的商业权利,注册企业建议购买商业许可证,广播权仅限于企业版计划。同日检查的 Murf 主页还指出,免费计划不包含商业许可证。不要假设 Studio 商业权利文章自动回答了每个 Dub 计划问题;请确认适用于你将发布的导出的许可证。
Speechmatics 应列在此列表旁边,而不是配音对比之内。其官方主页展示用于实时和文件转录及字幕的语音转文字 API,支持 55+ 种语言,可选设备端或本地部署,公开起价为每小时 0.12 美元,另加 100 美元试用额度。官方安全表述包括 ISO 27001、GDPR、HIPAA 和 SOC 2 Type II,以及标准情况下不记录数据的声明。主页引用的第三方准确率数字未在此复现。Speechmatics 可以位于字幕或配音工作流之下。在本文审阅的页面上,它不是口语声轨配音产品,不应作为此类产品评分。

AINav 原创示意图,基于官方文档。来源:ElevenLabs 配音、ElevenCreative 条款、HeyGen 视频翻译器、HeyGen 同意视频、Murf Dub 定价、Murf 商业权利、Speechmatics。并非官方截图或测试结果。
同意和声音授权是产品的一部分,而不是事后邮件
如果输入包含可识别个人的声音或肖像,官方条款将授权责任置于你身上。
ElevenLabs 的 ElevenCreative 条款要求,当输入包含可识别个人的声音、图像或肖像时,你已发出所需通知并获得适用法律要求的所有同意、授权书和许可,包括生物识别、公开权和录音同意法,足以让 ElevenLabs 及其提供商处理输入,并让你使用输出。你必须保留记录,期限为法律期限或五年中较长者,并在合理请求时提供。
HeyGen 官方帮助文章录制你的同意视频要求,在创建基于视频的数字分身之前,需提供一段简短的同意视频。同意视频中的人必须与虚拟人素材中的人为同一人。如果你为他人创建虚拟人,该人必须录制自己的同意视频,可通过二维码提交,并与素材同时进行。提供的同意文本必须准确朗读,片段时长不超过 30 秒;不接受在显示器上播放声明的屏幕录制。HeyGen 的隐私政策(最后更新于 2026 年 10 月 15 日)还指出,输入可能用于训练和改进模型,并提供电子邮件退出选项。在上传人才素材之前,请确认当前的训练和企业合同措辞。
Murf 官方主页描述,道德开发的声音是与专业配音演员合作、经其许可创建的,这些演员获得版税;并警告未经许可复制真实人物的声音可能违反隐私或公开权法律。商业使用可能需要许可证;免费计划被描述为不包含许可证。
不要上传第三方的声音或面部来“看看是否有效”。试点应使用你自己的声音、供应商授权的库存声音,或已经签署并录制所需同意的人才。
无需真实人才声音即可运行的发布检查
使用你拥有的短片,或供应商已授权的库存声音。然后检查五件事:
- 交付物。如果你只需要可读字幕,配音产品是可选的。如果你需要口语声轨,请确认官方配音——而不仅仅是 TTS 或 ASR。
- 审阅路径。ElevenLabs 记录 v2 输出是预览,通过 API 编辑转录文本受计划限制。HeyGen 记录翻译脚本的编辑与审阅步骤。Murf 的企业版计划记录人工质量保证。可发布的工作流需要语言审阅,而不仅仅是波形。
- 权利。确认付费计划商业条款、水印以及任何类型限制(包括 ElevenLabs Dubbing v2 的娱乐限制)。重新检查你将发布到的平台;Murf 本身指出,第三方平台对 AI 声音的规则会变化。
- 同意记录。对于任何可识别的声音或面部,收集供应商要求的同意凭证并与项目一起保存。供应商安全检查不能替代你的人才协议。
- 技术适配。官方语言覆盖范围不同(ElevenLabs 90+、HeyGen 175+、Murf 20+、Speechmatics STT 55+)。本文未测试口型同步质量;如果镜头前同步是强制要求,请预算人工审阅。
如果工具只给你转录文本或字幕文件,如果商业权利仅限于你不会购买的计划,如果你无法满足官方同意步骤,或者如果预期用途被当前条款禁止(例如 ElevenLabs 仅 v2 的故事片计划),请停止购买。
这次采购适合谁,谁应该另寻他处
此评估适用于本地化制作人、课程和视频发布者,以及将现有口语内容转移到其他语言的团队,他们将在审阅和权利环节保留人工参与。
它不适用于只需要字幕、只需要文档翻译,或想要克隆他们无法控制的声音的买家。它不是翻译管理评估。
常见问题
配音视频与翻译字幕相同吗? 不相同。字幕是文本。如 ElevenLabs 所记录、HeyGen 和 Murf 所营销的那样,配音是口语翻译声轨,有时带口型同步。你可能两者都需要;但不应购买一个而期望另一个。
Speechmatics 是配音工具吗? 在本文审阅的官方页面上不是。它是语音转文字/字幕 API。将其视为相邻的 ASR 层。
如果我事后添加免责声明,可以克隆他人的声音或面部吗? ElevenLabs 官方条款要求事先同意并保留记录。HeyGen 官方帮助要求数字分身需有同一人的同意视频,并与素材一起录制。本指南不会描述变通方法。
供应商的口型同步和成本节省声明是否经过验证? 没有。它们作为供应商声明记录,本次审阅未进行测试。