Dubbing and AI

Dubbing and AI 实际对应 Deepdub

数据库中的“Dubbing and AI”来自产品页面标题，实际品牌名称是 Deepdub。它是一套面向媒体、广播、后期制作和语音智能体的企业级 AI 配音与声音基础设施。

Deepdub 同时提供情绪化文字转语音、声音克隆、Voice-to-Voice、影视配音、实时广播配音和开发者 API。它不是面向普通用户的一键短视频翻译应用，许多生产服务需要联系团队配置。

主要产品能力

情绪化文字转语音

Deepdub 的 eTTS 技术强调节奏、停顿、重音和情绪，而不是只把文字读出来。用户可以选择声音、语言与表现风格，并通过 API 生成完整音频或流式接收音频块。

• 适合客服智能体、电话系统、课程、旁白和互动角色。
• 可调整口音、速度、音高与情绪强度，具体参数随模型变化。
• 支持为目标时长生成语音，便于字幕时间轴和画面配合。
• 可用 SSML 音素标记控制专有名词和特殊发音。
• 可选择已许可声音，也可在有权利的情况下创建声音参考。
• 长内容仍需检查声音漂移、断句、数字和跨段一致性。

当前主页演示采用 Phantom X 3.2，而快速入门示例使用 dd-etts-3.0。产品展示名与 API 模型编号并不完全一致，开发者应以账户中可用模型和最新文档为准。

声音克隆与 Voice-to-Voice

声音克隆根据短语音样本创建数字声音，用于在不同文本和语言中保持身份。Voice-to-Voice 则保留演员原始表演的节奏、情绪和细微变化，再转换成另一种经许可的声音。

• 声音样本必须来自本人或已取得明确授权的表演者。
• 授权应覆盖训练、生成、语言、地区、期限和商业渠道。
• 上传声音时需要标注语言、年龄、性别和说话风格等属性。
• API 提供声音上传、列出、读取和删除操作。
• 影视项目可由少量演员的表演扩展为更多角色声音。
• 品牌项目可保持跨广告、市场和渠道的一致声音身份。

Deepdub 推行声音人才许可与版税机制，但具体项目合同仍需逐项确认。任何技术上可以克隆的声音都不等于法律上可以使用。

影视与媒体配音流程

媒体本地化会从音视频中识别语音、生成脚本、处理翻译与发音，再用声音库、克隆或 Voice-to-Voice 制作目标语言音轨。专业项目可叠加母语适配、制作团队和质量控制。

1. 向团队提供内容类型、时长、源语言、目标语言和发行地区。
2. 确认视频、脚本、演员声音、音乐与效果音的权利范围。
3. 上传媒体或现有脚本，生成转写并拆分对白。
4. 建立人物、术语、发音、口音和风格要求。
5. 为每个角色选择已许可声音或经授权的声音参考。
6. 生成样片并审核翻译、表演、角色一致性和时间匹配。
7. 修订重点片段，处理音乐与效果、响度和混音。
8. 完成母语、创意、技术和合规质量检查。
9. 按广播或平台规范交付音轨与成片，并保留批准记录。

自动转写页面给出 130 多种语言，配音和声音 API 页面通常写 100 多种语言与口音。不同模块的语言范围不完全相同，项目启动前应确认具体语对、声音和地区口音。

Deepdub Live 实时配音

Deepdub Live 面向体育、新闻、电竞和实时频道，把现场语音转换成多语言声音流。它支持 SRT、HLS 和 MPEG-DASH 等广播工作流，并可提供 48kHz 输出。

• 自动适应说话人，并从短样本保留主持人声音身份。
• 情绪匹配会跟随现场语速、强度、停顿和事件变化。
• 页面给出的首音频时间约为 125 毫秒，但实际端到端延迟取决于完整链路。
• 可使用克隆声音或预先许可的广播声音角色。
• 生产配置提供权限、数据隔离和持续运营支持。
• 直播中的姓名、比分、突发信息和敏感表述仍需人工监看。

Live 解决方案页面写 99.9% 以上 SLA，API 通用条款写付费 API 月度 99.95% 可用性，统计范围不同。合同中应明确服务边界、维护窗口、延迟目标、故障切换和赔偿方式。

Voice API 接入方式

API 快速上手

1. 使用企业邮箱注册 14 天试用，并完成邀请和验证码流程。
2. 进入 Playground，确认账户自动生成的 API 密钥。
3. 试听声音预设并保存需要的 voice prompt id。
4. 安装 deepdub Python 包或 Node.js 客户端，也可直接发送网络请求。
5. 选择模型、语言、目标文字、声音和输出格式。
6. 批量任务使用 REST，低延迟对话优先测试 WebSocket 流式生成。
7. 把密钥存入服务器端密钥管理系统，不要放入网页或移动客户端。
8. 测试空文本、超长文本、特殊字符、数字、SSML 和网络中断。
9. 记录生成请求、声音许可、模型版本、输出文件和人工批准结果。
10. 试用结束前向销售确认计费、保留模式、并发、SLA 与商业条款。

输入、语言与输出

免费试用与价格

公开页面没有列出试用后的具体时间包金额、额外用量单价、最低承诺或企业服务费。不能根据 1 万字符约等于 10 分钟反推出付费价格。

税费、自动续费、取消、退款、未用额度、失败生成和并发超限计费也未公开明确。采购前应以实际结算页面、订阅包和双方签署文件为准。

声音许可与输出权利

Deepdub 声音库主打已许可、可追踪并适合广播和商业使用，但这项权利只覆盖相应声音资产和合同范围。用户仍需拥有脚本、视频、音乐、角色和自带声音样本的全部必要权利。

• 预置声音的地区、渠道、期限和品牌用途应在订单中确认。
• 自带演员声音必须有训练、合成、翻译和再利用授权。
• 不得把第三方素材上传后就视为可以对外分发生成结果。
• API 通用条款对非客户完全拥有输入生成的输出设有严格限制。
• 影视和广告项目应保存演员同意、版权链和最终用途批准。
• 合成声音的标识义务取决于发行地法规和平台规则。

API 条款规定，若输入不是客户完全拥有，相关输出通常只能向关联方提供并限内部非商业用途。拥有第三方许可的复杂项目应通过单独合同明确覆盖范围，不能只依赖通用试用账户。

隐私、安全与数据保存

Deepdub 的数据处理附录覆盖作为处理者接触的客户代表与演员数据，包括姓名、联系方式和声音录音。子处理商包括 AWS、Google 与 WeTransfer，处理地点涉及欧盟和美国。

• 平台通过 SOC 2 Type II，并在媒体场景标示 TPN Gold 或 TPN 认证。
• 个人数据静态使用 AES-256，加密传输使用 TLS 1.2 或更高版本。
• 解决方案页面称客户数据默认隔离，且不用于训练模型。
• 客户可选择不保留模式，让处理后的数据不继续保存。
• 客户可指示删除个人数据，法律要求保留的部分除外。
• 安全事件发生或怀疑发生时，DPA 规定在 48 小时内通知客户。
• 数据主体请求会在 72 小时内通知客户并协助处理。

除非书面另有约定，Deepdub 没有义务长期保存输入，并可设置文件大小、存储和处理容量限制。用户必须保留原始素材、脚本、声音授权和最终输出的自有备份。

API SLA 与生产可靠性

付费 API 通用条款承诺月度 99.95% 可用性，不含提前通知的计划维护，免费服务不适用。高可用数字不代表每次生成的延迟、音质或内容准确性都得到保证。

• 为 REST 请求设置幂等控制，防止重试产生重复音频和费用。
• WebSocket 应处理断线重连、片段顺序和不完整音频。
• 实时业务准备备用声音或传统 TTS 降级路径。
• 监控首音频时间、总生成时间、错误率和音频质量。
• 把模型或 API 更新纳入兼容测试和发布审批。
• 直播合同需单独明确延迟、SLA、支持时间和事故响应。

GitHub、SDK 与开源状态

Python SDK 和 AudioSample 使用 MIT 许可证，只说明这些代码库的使用权。它们不开放 Deepdub 的模型权重、声音库、生产平台或商业配音服务。

适合用户与场景

• 语音智能体团队：构建客服、医疗引导和金融语音界面。
• 影视与流媒体公司：制作多语言剧集、电影和目录内容。
• 广播机构：为体育、新闻和大型直播提供实时语言音轨。
• 语言服务商：把情绪语音和声音克隆接入现有本地化流程。
• 后期制作团队：使用 Deepdub Go 控制口音、情绪和角色声音。
• 品牌与培训团队：保持不同市场中的声音身份和术语一致性。
• 开发者：通过 REST、WebSocket、Python 或 Node SDK 生成语音。

优势与主要限制

主要优势

• 覆盖从 API TTS 到影视制作和实时广播的多层产品。
• 情绪、节奏、口音和 Voice-to-Voice 更适合表演型内容。
• 提供大量已许可声音和面向演员的版税机制。
• 支持 REST、WebSocket、Python 和 Node.js 集成。
• 提供 SOC 2、TPN、GDPR、加密与可选不保留模式。
• 专业项目可叠加母语适配、制作团队和质量控制。

主要限制

• 试用后具体价格没有公开，需要账户选择或销售报价。
• 语言、情绪数量和 SLA 在不同产品页面采用不同统计口径。
• API 可用语言与整体转写或媒体服务语言并不完全相同。
• 高质量媒体配音仍需要翻译、表演和技术人员审核。
• 第三方输入生成的输出受严格分发与商业使用限制。
• 核心平台与模型闭源，开源 SDK 不代表产品开源。

总结

Deepdub 适合对声音表演、商业许可、实时性和企业安全要求较高的语音智能体、媒体与广播项目。开始试用前应先确定使用的是 API、Deepdub Go、媒体制作还是 Live，并书面确认价格、语言、声音权利、数据保留和输出分发范围。

常见问题

Dubbing and AI 是产品名称吗？

它是 Deepdub 页面使用的标题，实际品牌为 Deepdub。本词条所述功能、API 和服务均属于 Deepdub。

Deepdub 可以免费试用吗？

可以，当前 API 试用期为 14 天，包含最多 1 万字符，页面估算约 10 分钟内容。需要企业邮箱注册。

试用后多少钱？

公开页面只说明可购买按时间计算的套餐，并对额外用量采用固定价格，没有列出具体金额。媒体和实时广播方案需要联系销售。

支持多少语言？

产品整体通常写 100 多种语言与口音，自动转写与部分技术页面写 130 多种。具体 API locale、声音和目标语能力应逐项核对。

支持实时语音吗？

支持，WebSocket API 可流式生成，Deepdub Live 也面向实时广播配音。实际延迟取决于模型、网络、编码和完整媒体链路。

声音可以商业使用吗？

Deepdub 声音库提供商业许可，但范围以所选声音和合同为准。用户自带脚本、视频、角色和声音样本仍需自行取得权利。

客户数据会用于训练吗？

解决方案页面表示客户数据默认隔离且不用于训练，并提供可选不保留模式。企业仍应在合同和 DPA 中确认具体项目设置。

Deepdub 有 Python 和 Node SDK 吗？

有，Python 包为 deepdub，Node 包为 @deepdub/node。也可以直接使用 REST 或 WebSocket 接口。

Deepdub 开源吗？

核心平台和模型不开源。官方 Python SDK 与 AudioSample 使用 MIT 许可证，但这不覆盖声音库、模型权重和托管服务。

输入会长期保存吗？

不保证。除非另有书面约定，Deepdub 没有长期保存输入的义务，用户应自行保留原始素材、授权和输出备份。