翻译后还是原来那个人的声音吗？

选语音翻译时会保留原说话人的音色，用目标语言播报。选字幕翻译则不改动音轨。

视频有时长限制吗？

单个视频最长 60 分钟，支持 MP4 与 MOV 格式。

不会。翻译是叠加新字幕，原有硬字幕仍在画面上。需要干净的多语版本时，先用字幕擦除处理再翻译。

字幕翻译只处理文字层，画面与原声都不动，成本最低、出错风险最小，适合本身就靠画面表达的商品展示类视频。语音翻译会用原说话人的音色把译文念出来，观感上像本人在说外语，适合有讲解、需要建立信任感的口播内容。面容翻译在语音翻译之上再让口型对上，目前是 beta 状态。

选择逻辑不复杂：画面能自解释的选字幕翻译，需要人格化表达的选语音翻译。面容翻译观感最好但也最容易露馅，建议先小批量验证效果，不要一上来就整批投放。

目标语言覆盖 15 种：中文、英语、日语、韩语、德语、法语、俄语、西班牙语、葡萄牙语、意大利语、印尼语、越南语、泰语、阿拉伯语、土耳其语。东南亚、欧洲主流市场与中东的主要语种都在里面。

对跨境卖家来说，这个覆盖面的意义在于同一条素材可以摊到多个站点：拍一次、翻多语、各站点分别投放，边际成本只剩翻译本身。相比之下，为每个市场单独找本地达人拍摄的成本是线性叠加的。

字幕来源有两种：OCR 识别画面上已有的硬字幕，或者 ASR 识别语音后转写。原视频有烧录字幕的走 OCR，只有口播没有字幕的走 ASR。译出的字幕字号可选 18 / 24 / 30 / 36，按投放渠道的观看尺寸调。

需要注意的是，原视频画面上的中文硬字幕不会自己消失——翻译只是叠加新字幕。要得到干净的多语版本，正确顺序是先用字幕擦除去掉原字幕，再做翻译，否则画面上会同时出现两种语言的字。

如果手上根本没有原始口播视频，也可以反过来走：先用数字人口播直接生成目标语言的讲解视频，省掉翻译环节。

支持多少种语言？: 目标语言 15 种：中文、英语、日语、韩语、德语、法语、俄语、西班牙语、葡萄牙语、意大利语、印尼语、越南语、泰语、阿拉伯语、土耳其语。
翻译后还是原来那个人的声音吗？: 选语音翻译时会保留原说话人的音色，用目标语言播报。选字幕翻译则不改动音轨。
视频有时长限制吗？: 单个视频最长 60 分钟，支持 MP4 与 MOV 格式。
画面上原来的中文字幕会被翻译掉吗？: 不会。翻译是叠加新字幕，原有硬字幕仍在画面上。需要干净的多语版本时，先用字幕擦除处理再翻译。