正文
但成本只是一方面，外包多语种短剧译制成本高，译制周期长，也会导致内容过时的风险。
对人力资源的刚性需求，也催生了一些人力驱动或者混合驱动，做精细翻译的专门事务所，例如长沙的TXV短剧出海目前已经翻译了超过1000部短剧，将今年的目标定为一万部。仅从该头部工作室的产能来看，要想满足国内海量短剧译制出海的需求，恐怕也是杯水车薪。
技术加速落地，AI成为“多快好省”最强密码
不过，
AI对一些人类能力的取代，有可能是在一夜之间发生的
。某个业务看起来牢不可破的壁垒，有可能在新技术出现之后就突然崩塌。
在GPT-4o图像能力升级之后，一条流传很广的推文写道，这直接干翻了之前很多创业公司的产品，他们花了那么多时间、人力、投资人的钱去调优的算法、工作流、模型，直接被一次大模型的更新就取代了。他写道，“今天情绪非常低落，压力非常大，我不清楚我现在做什么，是从现在开始到将来都还有价值的。”
同样的，长达七十余年发展史的配音译制行业，也正在经历这种“崩塌感”。
过去的语音模型在生成语音时，通常需要将文本分解成短句，然后逐句合成，再拼接起来。然而这种方法在处理长文本或需要多人对话的场景时，显得力不从心，难以保证语音的连贯性和自然度。
现在如ChatGPT、豆包等的语音模型都在尝试文本到语音的端到端合成，可以直接对原始的音频语料进行建模，生成更为自然的语音。
在海外，ElevenLabs开发的语音合成技术以其高质量和多样化的声音选择而著称，广泛应用于有声读物、播客和游戏等领域；也有进一步把工作流包装为一站式自动化流程的RaskAI等产品。但是这些技术在国内受到合规性和访问上的限制。
面对海外工具的局限性，国内企业积极研发适合本土需求的AI语音合成模型。
2024年10月，香港中文大学（深圳）和科创独角兽公司趣丸科技联合推出了一个新的语音大模型“MaskGCT”。
MaskGCT在语音质量、相似度和可控性等方面做到了“全球SOTA”也就是行业最先进水平，一经推出便在海内外获得广泛关注，更被机器之心等媒体誉为“国产最强AI语音模型”。即使之前没有听过某个人的声音，
MaskGCT能3秒“克隆”，音色、语调、风格与情感都能精确复刻。
4月7日，基于该模型的商业化产品“趣丸千音（All Voice Lab）”正式上线，零门槛人人可用
。拥有文本转语音、声音克隆、变声等多元能力，可进行多语种、多音色互换，同时支持字幕无痕擦除，还将上线对口型等功能。
在结合工作流和短剧行业经验的调优之下，“趣丸千音”的表现已经接近近期热炒的“智能体”（Agents）概念：只需一键上传视频，AI就会自主完成工作，直接交付自带外语字幕与配音的完整译制片。
同时，在有声书、播客、新闻播报等方面，工作流的自动化程度也同样强悍。目前支持中、英、日、韩、德、法多种语言互译，几十种音色可选，支持多角色分配和语速调节。
前述的翻译工作室负责人也跟小娱提到了趣丸千音，她形容“这个软件给短剧翻译带来的变化，就像是大模型对Grammarly这种翻译工具带来的变化一样猛烈。”
他们测试使用趣丸千音，对一位客户交办的短剧翻译重做了一次，结果把一周的工作压缩到了一天。首先在文案翻译上，一些上下文和跨文化翻译的问题都得到了改善。不仅如此，配音质量显著提高，语调、情感、特殊口音都能复刻，与角色形象也很吻合。
这个产品的另一个重要改进，是把字幕对时间轴也给做了。
权衡之下，该工作室还是决定保留之前人工翻译的全流程业务，但是新增一个AI的产品选项，定价便宜一半。虽然趣丸千音实际上的成本节省远不止一半——甚至可能是纯人工的1/15；但是“现阶段还是得花时间在人工的复校上面。”她说，即使最终一个字都没有改，作为人工精校的业务，审核过程也不可以跳过。
趣丸千音视频翻译效果展示
