自动擦除中文字幕改为英文、弹幕翻译，还能完美还原UP主的声线、音色、气口，甚至基于翻译语言进行口型模拟，海外用户也可以看到原汁原味的“本地化”翻译视频了？在今年的世界人工智能大会上，B站公布了其全新自研的“AI原声翻译功能”，这种AI原生翻译不仅可以让海外用户更好体验游戏、科技、二次元等主推内容，也被业界认为是B站出海的重要落子。

自今年5月哔哩哔哩（B站）宣布将下架原国际版APP，与国内版合并为一个统一APP后，B站的出海下一步便引来各方关注。在今年的世界人工智能大会上，B站“AI原声翻译功能”的亮相，被业内人士视为其在完成了APP合并、海外用户页面多语种适配、特别是视频原声翻译功能上线后，正在蓄力开拓海外市场。

海外用户页面

在大会上记者看到，“AI原声翻译”除了自动擦除中文字幕改为英文、弹幕翻译及各类按钮英文适配等基础的文本互译之外，还能完美还原UP主的声线、音色、气口，而非传统的机器音翻译，同时还能基于翻译语言进行口型模拟。这意味着在未来中文用户观看外语UP主视频或者海外用户观看中文UP主视频时，能无差别体验原汁原味的“本地化”翻译视频，拜托翻译不好时的尴尬体验。据介绍，后续B站还将视需求把日语等语言加入“AI原声翻译”功能中。

技术人员介绍说，目前“AI原声翻译功能”中，跨语言声音还原技术源自内部代号为「 IndexTTS2」的语音生成模型。该模型引入了一种新颖、通用且兼容自回归架构的语音时长及情感控制方法。为攻克“AI原声翻译功能”中的核心挑战——尤其在游戏、二次元等专业名词或者流行梗点密集领域——实现原风格精准保留与语音时长完美对应，技术团队基于大语言模型（LLM）构建翻译引擎，独创性基于语音时长匹配、原声翻译标准与UP主独特风格构建多目标奖励模型，并采用对抗式强化学习（RL）训练驱动模型持续进化与精准适配。同时，引入Deep Research深度挖掘技术，专攻专有名词与流行梗点的翻译难点，确保最终译文准确、地道、传神。字幕擦除部分则结合了先进的多模态大模型OCR技术和基于STTN网络的视频重绘技术，实现字幕区域的精准检测与高还原度擦除。

大鹏 小风

校对 陶善工