Vozo Help Center

翻译与配音 API 通过翻译口语内容并生成配音语音，将视频和音频内容本地化为另一种语言。你还可以选择添加翻译后的字幕、让视频与翻译后的音频保持同步，或在 Vozo Web 应用中创建一个可编辑项目。根据你的设置，API 将返回翻译后的视频和/或音频、SRT 字幕文件以及项目 URL。

输入

媒体和语言

字段	取值	要求	说明
`media_type`	`video`、`audio`	必填	指定输入媒体是视频文件还是音频文件。
`media_url`	可公开访问的媒体 URL	必填	输入媒体的 URL。支持的最长时长为 2 小时。
`source_language`	`auto` 或支持的语言代码	必填	输入媒体的源语言。使用 `auto` 可自动检测。
`target_language`	支持的语言代码，可选区域设置	必填	用于翻译和配音的目标语言。

字幕文本来源

如果您有原字幕或已翻译的字幕文本需要提供，请使用这些字段。否则，您可以忽略本节。

字段	取值	要求	说明
`subtitle_url`	可公开访问的 SRT URL	可选；需与 `subtitle_usage_type` 搭配使用	直接使用提供的 SRT 中的文本作为源文本或最终翻译文本，具体由 `subtitle_usage_type` 指定，而不是通过语音识别或翻译生成。与 `ocr_text_box` 互斥。
`subtitle_usage_type`	`original`、`final_translated`	可选；需与 `subtitle_url` 搭配使用	确定如何使用 SRT 文本：`original` 表示将其作为源文本，`final_translated` 表示将其作为最终翻译文本。无默认值。
`ocr_text_box`	`{ x, y, width, height }`	可选；仅限视频	检测指定画面区域内嵌入的字幕，并将检测到的文本用作源文本。仅支持中文和英文；检测到的文本不能作为最终翻译文本使用。坐标从 0 到 1 归一化，原点位于左上角。与 `subtitle_url` 互斥。

翻译和配音

使用这些字段可自定义翻译和配音模型、设置或要求。否则，您可以忽略本节。

字段	取值	是否必填	描述
`speaker_number`	`{ min, max }`	可选	指定预期的说话人数量范围。`min` 必须至少为 1，`max` 不能超过 35。省略此字段时将自动检测。
`voice_model`	`auto`, `real`, `native`	可选	选择用于配音的语音克隆模型。默认为 `auto`：`auto` 会自动为你的内容选择最佳模型；`real` 使用 VoiceREAL 来保留原始声音的情感和口音；`native` 使用 VoiceNATIVE 来提供更自然的目标语言口音。
`selected_voice_id`	字符串	可选	使用 Vozo 网页应用中 Voice Library 的特定音色进行配音。提供此字段后，它会覆盖 `voice_model`：API 会跳过自动语音克隆，并使用所选音色生成配音音频。
`align_video`	布尔值	可选；仅视频	当设置为 `true` 时，会自动调整视频速度，使翻译后的音频与视频在整个过程中保持同步。默认为 `false`。如果翻译后的音频将作为 YouTube 上的附加音轨使用，请将其设置为 `false`。
`glossary_ids`	最多 3 个 ID 的数组	可选	应用在 Vozo 网页应用中创建的术语表，以保持术语一致性。
`user_prompt`	字符串	可选	提供翻译或配音说明，例如语气、风格或术语偏好。

字幕输出

如果您想为视频添加翻译字幕，或擦除并替换现有字幕，请使用这些字段。否则，您可以忽略本节。

字段	取值	要求	说明
`subtitle_mode`	`none`, `add`, `replace`	可选	控制字幕渲染：不渲染字幕、添加翻译后的字幕，或先擦除现有字幕再渲染翻译后的字幕。默认为 `none`。
`subtitle_style_id`	字符串	可选；适用于 `add` 或 `replace`	应用从 Vozo 网页应用中的项目复制的字幕样式。如果省略，则使用内置的默认字幕样式。
`subtitle_position_y`	从 `0` 到 `1` 的数字	可选；适用于 `add` 或 `replace`	设置字幕的垂直位置，从顶部（`0`）到底部（`1`）。例如，`0.75` 表示将字幕放置在视频高度的 75% 处。请参见下方的位置规则。当 `enable_proofreading` 为 `true` 且 `subtitle_mode` 为 `replace` 时，此字段不生效。

如果省略 subtitle_style_id，则使用内置默认样式。该样式会以 14 号白色 Noto Sans Medium 字体显示单行居中文字，带有外部黑色描边和轻微的黑色阴影。字幕宽度为视频的 80%，且不包含背景、高亮词效果或转场。如果省略 subtitle_position_y，其取值不会继承自所选字幕样式。位置由 subtitle_mode 决定：

对于 add，横屏和方形视频的默认值为 0.9，竖屏视频的默认值为 0.75。
对于 replace，字幕会放置在原字幕位置。

当 enable_proofreading 为 true 且 subtitle_mode 为 replace 时，在项目中完成配音后，字幕位置会保持在原字幕被擦除的区域。subtitle_position_y 中指定的任何值都会被忽略。

项目和输出

字段	取值	要求	说明
`project_mode`	`none`, `editable`	可选	控制是否在 Vozo 网页应用中创建可编辑项目。默认为 `none`。当为 `editable` 时，会创建一个项目，并且仍会根据 `export_type` 导出最终媒体并提供下载。
`enable_proofreading`	布尔值	可选	启用校对工作流。默认为 `false`。启用后，将始终创建项目，`project_mode` 会被忽略，并且无论 `export_type` 如何，都不会导出最终媒体。如果与 `subtitle_mode: replace` 一起使用，则在项目配音完成后，字幕位置会保持在原字幕擦除区域，且 `subtitle_position_y` 会被忽略。
`export_type`	`auto`, `video`, `audio`, `all`	条件必填；当 `enable_proofreading` 为 `false` 时必填	选择输出格式，且没有默认值。`auto` 与输入类型匹配。对于音频输入，不支持 `video` 和 `all`。
`callback_url`	URL	可选	每当任务状态发生变化时，接收一个 webhook。

输出

（取决于 export_type、project_mode 和 enable_proofreading）：

翻译后的视频和/或音频 URL
翻译后的 subtitle_url（SRT）
创建 Web 工作台项目时返回的 project_url

工作原理

将你的资源托管到可公开访问的 URL

上传你的视频或音频，以及任何可选资源，以便我们的服务器能够获取它们。

发送 API 请求

提供任务所需的必填输入项以及任何可选设置。

等待或查询状态

使用我们的 webhook 回调，或通过你的任务 ID 轮询 API，直到处理完成。

下载输出结果

从提供的 URL 中获取翻译后的视频/音频以及翻译后的字幕（.srt）。

使用限制

只有可以创建 API Key 的用户才能使用此 API。
需要 Studio 方案；非 Studio 用户不允许使用。
默认并发限制为 10 个任务。该限制由团队所有成员共享。详情请参见并发限制。
语言代码遵循 IETF BCP 47 标准，例如 en‑US。

API 错误码

代码	说明
5	请求参数无效。
7	没有请求权限。
104	点数不足。
814	你的账号不是成员，因此不允许调用该 API。
1000	服务器内部错误。
1301	回调验证失败。
1302	API key 已被撤销。
1304	API key 已达到最大并发请求数。
1503	你的账号未获授权调用该 API。
1305	仅允许 Studio 方案。

任务错误码

代码	说明
10001	上传的文件不包含视频流
10002	上传的视频不包含音频流
10003	转码失败
10004	生成 HLS 输出失败
10005	视频裁剪失败
10010	人声分离失败（语音与背景）
10020	自动语音识别（ASR）失败
10021	多说话人 ASR 失败
10022	说话人分离（中文）失败
10023	生成完整字幕失败
10030	翻译失败
10031	检测到混合语言；标点调整后聚合失败
10032	OCR 提取失败
10033	不支持 OCR 语言
10034	字幕（SRT）对齐失败
10040	声音克隆失败
10041	未识别到语音内容
10042	未检测到语音
10043	重新克隆声音失败
10044	TTS 预览文本为空
10045	生成预览音频失败

支持的语言

源语言

注意：支持使用“auto”自动检测源语言，并在检测到后更新源语言。

代码	名称
auto	自动检测
en-US	英语（美国）
en-GB	英语（英国）
en-AU	英语（澳大利亚）
en-CA	英语（加拿大）
en-GH	英语（加纳）
en-HK	英语（中国香港）
en-IE	英语（爱尔兰）
en-IN	英语（印度）
en-KE	英语（肯尼亚）
en-NG	英语（尼日利亚）
en-NZ	英语（新西兰）
en-PH	英语（菲律宾）
en-SG	英语（新加坡）
en-TZ	英语（坦桑尼亚）
en-ZA	英语（南非）
zh-CN	中文（中国，简体）
zh-HK	中文（中国香港，繁体）
zh-TW	中文（中国台湾，繁体）
es-ES	西班牙语（西班牙）
es-MX	西班牙语（墨西哥）
es-US	西班牙语（美国）
es-AR	西班牙语（阿根廷）
es-BO	西班牙语（玻利维亚）
es-CL	西班牙语（智利）
es-CO	西班牙语（哥伦比亚）
es-CR	西班牙语（哥斯达黎加）
es-CU	西班牙语（古巴）
es-DO	西班牙语（多米尼加共和国）
es-EC	西班牙语（厄瓜多尔）
es-GQ	西班牙语（赤道几内亚）
es-GT	西班牙语（危地马拉）
es-HN	西班牙语（洪都拉斯）
es-NI	西班牙语（尼加拉瓜）
es-PA	西班牙语（巴拿马）
es-PE	西班牙语（秘鲁）
es-PR	西班牙语（波多黎各）
es-PY	西班牙语（巴拉圭）
es-SV	西班牙语（萨尔瓦多）
es-UY	西班牙语（乌拉圭）
es-VE	西班牙语（委内瑞拉）
ar-EG	阿拉伯语（埃及）
ar-SA	阿拉伯语（沙特阿拉伯）
ar-AE	阿拉伯语（阿拉伯联合酋长国）
ar-MA	阿拉伯语（摩洛哥）
ar-SY	阿拉伯语（叙利亚）
ru-RU	俄语（俄罗斯）
pt-PT	葡萄牙语（葡萄牙）
pt-BR	葡萄牙语（巴西）
fr-BE	法语（比利时）
fr-CA	法语（加拿大）
fr-CH	法语（瑞士）
fr-FR	法语（法国）
de-DE	德语（德国）
de-AT	德语（奥地利）
de-CH	德语（瑞士）
ko-KR	韩语（韩国）
ja-JP	日语（日本）
hi-IN	印地语（印度）
tr-TR	土耳其语（土耳其）
ur-IN	乌尔都语（印度）
fil-PH	菲律宾语（菲律宾）
fi-FI	芬兰语（芬兰）
cs-CZ	捷克语（捷克共和国）
hu-HU	匈牙利语（匈牙利）
da-DK	丹麦语（丹麦）
nl-BE	荷兰语（比利时）
pl-PL	波兰语（波兰）
ro-RO	罗马尼亚语（罗马尼亚）
sk-SK	斯洛伐克语（斯洛伐克）
sv-SE	瑞典语（瑞典）
hr-HR	克罗地亚语（克罗地亚）
id-ID	印度尼西亚语（印度尼西亚）
it-IT	意大利语（意大利）
it-CH	意大利语（瑞士）
bg-BG	保加利亚语（保加利亚）
el-GR	希腊语（希腊）
ms-MY	马来语（马来西亚）
ta-IN	泰米尔语（印度）
uk-UA	乌克兰语（乌克兰）
sq-AL	阿尔巴尼亚语（阿尔巴尼亚）
az-AZ	阿塞拜疆语（阿塞拜疆）
eu-ES	巴斯克语（西班牙）
bn-IN	孟加拉语（印度）
bs-BA	波斯尼亚语（波斯尼亚和黑塞哥维那）
yue-CN	粤语（中国）
ca-ES	加泰罗尼亚语（西班牙）
gl-ES	加利西亚语（西班牙）
gu-IN	古吉拉特语（印度）
is-IS	冰岛语（冰岛）
kn-IN	卡纳达语（印度）
kk-KZ	哈萨克语（哈萨克斯坦）
lv-LV	拉脱维亚语（拉脱维亚）
lt-LT	立陶宛语（立陶宛）
mk-MK	马其顿语（北马其顿）
ml-IN	马拉雅拉姆语（印度）
mt-MT	马耳他语（马耳他）
mr-IN	马拉地语（印度）
mn-MN	蒙古语（蒙古）
ne-NP	尼泊尔语（尼泊尔）
nb-NO	书面挪威语（挪威）
pa-IN	旁遮普语（印度）
sl-SI	斯洛文尼亚语（斯洛文尼亚）
so-SO	索马里语（索马里）
sr-RS	塞尔维亚语（塞尔维亚）
sw-KE	斯瓦希里语（肯尼亚）
sw-TZ	斯瓦希里语（坦桑尼亚）
uz-UZ	乌兹别克语（乌兹别克斯坦）
vi-VN	越南语（越南）
he-IL	希伯来语（以色列）
fa-IR	波斯语（伊朗）
th-TH	泰语（泰国）

目标语言

代码	名称	区域变体
en	英语	en‑US, en‑GB, en‑AU, en‑CA, en‑HK, en‑KE, en‑NZ, en‑NG, en‑PH, en‑SG, en‑ZA, en‑TZ
zh	中文	zh‑CN, zh‑HK, zh‑TW, zh‑CN‑shandong, zh‑CN‑liaoning, zh‑CN‑sichuan, zh‑CN‑henan, zh‑CN‑shaanxi, zh‑CN‑GUANGXI
wuu	吴语	wuu‑CN
es	西班牙语	es‑ES, es‑MX, es‑US, es‑AR, es‑BO, es‑CL, es‑CO, es‑CR, es‑CU, es‑DO, es‑EC, es‑SV, es‑GQ, es‑GT, es‑HN, es‑NI, es‑PA, es‑PY, es‑PE, es‑PR, es‑UY, es‑VE
ar	阿拉伯语	ar‑DZ, ar‑BH, ar‑IQ, ar‑JO, ar‑KW, ar‑LB, ar‑LY, ar‑MA, ar‑OM, ar‑QA, ar‑SY, ar‑TN, ar‑AE, ar‑YE
ru	俄语	ru‑RU
pt	葡萄牙语	pt‑PT, pt‑BR
fr	法语	fr‑FR, fr‑CA, fr‑BE, fr‑CH
de	德语	de‑DE, de‑AT, de‑CH
ko	韩语	ko‑KR
ja	日语	ja‑JP
hi	印地语	hi‑IN
tr	土耳其语	tr‑TR
fil	菲律宾语	fil‑PH
fi	芬兰语	fi‑FI
cs	捷克语	cs‑CZ
da	丹麦语	da‑DK
nl	荷兰语	nl‑BE
pl	波兰语	pl‑PL
ro	罗马尼亚语	ro‑RO
sk	斯洛伐克语	sk‑SK
sv	瑞典语	sv‑SE
hr	克罗地亚语	hr‑HR
id	印度尼西亚语	id‑ID
it	意大利语	it‑IT, it‑CH
bg	保加利亚语	bg‑BG
el	希腊语	el‑GR
ms	马来语	ms‑MY
ta	泰米尔语	ta‑IN, ta‑MY, ta‑SG, ta‑LK
uk	乌克兰语	uk‑UA
th	泰语	th‑TH
vi	越南语	vi‑VN
am	阿姆哈拉语	am‑ET
bn	孟加拉语	bn‑IN, bn‑BD
as	阿萨姆语	as
bs	波斯尼亚语	bs‑BA
ca	加泰罗尼亚语	ca‑ES
et	爱沙尼亚语	et‑EE
eu	巴斯克语	eu‑ES
gl	加利西亚语	gl‑ES
gu	古吉拉特语	gu
he	希伯来语	he‑IL
hu	匈牙利语	hu‑HU
iu	因纽特语	iu‑CANS‑CA, iu‑LATN‑CA
jv	爪哇语	jv‑ID
mk	马其顿语	mk‑MK
mr	马拉地语	mr
nb	书面挪威语	nb‑NO
ne	尼泊尔语	ne‑NP
or	奥里亚语	or
pa	旁遮普语	pa
ps	普什图语	ps‑AF
sl	斯洛文尼亚语	sl‑SI
sw	斯瓦希里语	sw‑KE, sw‑TZ
te	泰卢固语	te‑IN
ur	乌尔都语	ur, ur‑IN, ur‑PK
zu	祖鲁语	zu‑ZA

总览

翻译与配音 API

画面翻译 API

口型同步 API

可重用口型同步 API

概述

输入

媒体和语言

字幕文本来源

翻译和配音

字幕输出

项目和输出

输出

工作原理

使用限制

API 错误码

任务错误码

支持的语言

源语言

目标语言

​输入

​媒体和语言

​字幕文本来源

​翻译和配音

​字幕输出

​项目和输出

​输出

​工作原理

​使用限制

​API 错误码

​任务错误码

​支持的语言

​源语言

​目标语言

输入

媒体和语言

字幕文本来源

翻译和配音

字幕输出

项目和输出

输出

工作原理

使用限制

API 错误码

任务错误码

支持的语言

源语言

目标语言