中文 | English
给音声配上另一种语言。原声的位置在哪，配音就在哪。
识别、翻译、音色克隆配音、混音、字幕，一个程序做完。
支持日语、英语、中文的音频和视频，可以配成中文或英文。
建议戴耳机。
双语音声：保留日语原声，叠加经过 RTF（原声空间线索迁移）处理的中文配音。
demo-1-rtf.mp4
双语音声：保留日语原声，中文配音经 RTF 处理后与原声混合。
demo-2-rtf.mp4
双语音声：保留日语原声，叠加经过 RTF 处理的中文配音，可与下方的人声分离版本对比试听。
demo-3-rtf.mp4
中文替换音声：先分离日语人声与背景，再识别、翻译并生成中文配音；中文配音经 RTF 迁移原声的空间线索后，与分离背景混合。分离可能残留日语或影响音效，不保证完全消除原人声。
demo-3-rtf-separated.mp4
在 B 站观看旧版本的介绍与演示。目前版本的使用请以文档为准。
更多音声示例。一些使用本程序制作的音声实例，效果仅供参考，实际表现因素材、模型与参数设置而异。
素材仅用于功能展示，如有侵权请联系删除。
| 🎧 想要哪种成品都行 | 原声加配音的双语版、去掉原人声的替换版、单独的配音轨、只有翻译字幕，或者配上封面做成视频。 |
| 🧭 空间跟随 | 音声里的声音会从左耳移到右耳、由远到近。程序逐句分析原声的位置和远近，让配音出现在同一个地方，而不是一直待在正中间。 |
| 🎼 人声分离 | 把原声拆成人声和背景，去掉原来的语言，只留下背景音效和配音，做成“替换版”。笑声、喘息这些没有配音的地方可以选择保留原声。 |
| 🗣️ 音色克隆 | 从原声里选一句当参考，配音就用这个声音说另一种语言。用的是 IndexTTS2，在你自己的显卡上跑。 |
| ✍️ 每一句都能改 | 识别错了改原文，翻译不好改译文，改哪句就只重新配哪句。 |
| 📦 整个作品一次做完 | 把作品文件夹交给批量页，多条音轨自动走完全部流程，可以合并成一个文件，也可以做成视频。 |
| 📝 有字幕就不用识别 | 已有原文字幕可以跳过识别；已有译文字幕可以连翻译一起跳过。也可以只导出字幕，不配音。 |
| 🎚️ 参数全部开放 | 两百多个参数，平时折叠着，需要时展开。项目里改的只影响这个项目。 |
下面以最常见的日语配中文为例。
1. 下载并启动。 从 Releases 下载压缩包，解压到一个路径短的文件夹（比如 D:\ASMR-Dubber），双击 ASMR-Dubber.exe。浏览器会自动打开界面。不需要预先安装 Python 或其他东西。
第一次运行时 Windows 可能会弹出“已保护你的电脑”。这是因为程序没有购买代码签名，不是出了问题。先点“更多信息”，再点出现的“仍要运行”。
2. 下载模型。 打开“模型”页，点“一起下载”。这会装上日语识别模型 Parakeet 和音色克隆模型 IndexTTS2。原声是英语或中文的话，识别模型改下 Faster-Whisper。
3. 填翻译 Key。 打开“设置 → 云端服务”，给 DeepSeek（或你有账号的任何一家）填上 API Key。
4. 开始做。 回到“项目”页，把音频拖进去，选好原声和配音的语言，然后按顶部的四步走：识别 → 翻译 → 配音 → 导出。
没有显卡也能用：配音选内置的 Edge TTS（联网即可，音色固定），识别用处理器跑，会慢一些。
完整的图文步骤在使用手册。Linux 的启动方式见安装与模型。
| 我想…… | 看这篇 |
|---|---|
| 装好程序、下载模型 | 安装与模型 |
| 从头做一个音频 | 使用手册 |
| 一次处理整个作品文件夹 | 批量处理 |
| 用现成的字幕或台本 | 字幕与台本 |
| 调空间跟随、音量，做替换版 | 混音与空间跟随 |
| 让多个模型互相校对识别结果 | 多模型复核 |
| 换别的识别模型、配音服务、翻译服务 | 模型与服务 |
| 弄清设置存在哪、清理磁盘、备份 | 设置与存储 |
| 查某个参数是什么意思 | 参数表 |
| 解决报错 | 常见问题 |
- 数据都在程序文件夹里。 项目、模型、设置都在
.asmr-dubber目录下。备份或搬家时复制整个文件夹。 - API Key 是明文保存的。 位置在
.asmr-dubber/config/secrets.json，不要把这个文件夹发给别人。 - 用云端服务时，内容会发给服务商。 翻译会发送台词文本，云端配音会发送译文和参考音频。全部用本地模型时不会上传任何东西。
- 人声分离和替换版是实验性功能。 可能残留原声，也可能损伤音效。
项目代码采用 MIT 许可。模型、运行时、云服务、输入作品与生成内容适用各自的规则，不因代码开源而自动获得使用授权。见第三方声明。
- LINUX DO：新的理想型社区