Vaani

Vaani 是一个 AI 配音平台，无需你另找旁白重新录制就能产出本地化视频。它接收源视频，克隆其中说话人的声音，翻译文稿，并渲染出成品 MP4：克隆声音与原片音乐、音效混合。由于语音模型直接基于源音频构建，通常只要有人几秒钟的正面出镜讲话，就足以完成克隆。

翻译层是场景感知式的，而非逐句翻译：模型会读取每个镜头的画面语境，让习语、文化引用与语气随屏上内容调整。Vaani 覆盖 13 种印度语系语言——印地语、泰米尔语、泰卢固语、卡纳达语、马拉雅拉姆语、孟加拉语、马拉地语、古吉拉特语、旁遮普语、乌尔都语、奥里亚语、梵语和尼泊尔语——外加 27 种全球语言，包括西班牙语、法语、德语、日语、韩语、普通话、阿拉伯语、葡萄牙语和意大利语。转录包含说话人分离，多人出镜素材中每个声音仍可区分，且每条文本在渲染前都可审阅或编辑。

口型同步是可选项，主要面向正面出镜镜头。人脸感知切片意味着只为出现人脸的帧计费，B-roll 与过场镜头则原样通过。平台提供两种引擎：面向成本敏感场景、基于 Replicate sync/lipsync-2 的 Normal 口型同步，以及基于 sync.so sync-3、在边缘锐度、侧面角度与快切稳定性上更出色的 Pro 口型同步。Vaani 服务创作者、广播机构、OTT 平台、在线教育公司、新闻出版方与工作室；从 Studio 档起提供 REST API 与 webhook，企业部署支持本地或私有云、自定义声音库、SLA、SSO 与审计日志。