情感層級配音 - Intelligent Media Services

使用視頻翻譯的語音級翻譯時，跨語言配音會保留源語言的語調和情感特徵，可能導致目標語言配音帶有明顯的母語口音，聽感不自然。情感層級配音（EmotionLevel）可控制配音的情感表達強度，弱化源語言帶入的語調特徵，使翻譯後的配音更符合目標語言的聽感習慣。當前該功能僅支援中文↔英文的語音級翻譯情境。

核心樣本

調用SubmitVideoTranslationJob介面時，可設定 EditingConfig.SpeechTranslate.EmotionLevel 指定情感層級：

{
  "InputConfig": {
    "Type": "Video",
    "Video": "1628ae20c36******8f6f7c77a6302"
  },
  "EditingConfig": {
    "SourceLanguage": "zh",
    "TargetLanguage": "en",
    "NeedSpeechTranslate": true,
    "SpeechTranslate": {
      "EmotionLevel": "SlightEmotion"
    }
  },
  "Title": "情感層級配音樣本",
  "OutputConfig": {
    "MediaURL": "https://****.oss-cn-shanghai.aliyuncs.com/output.mp4"
  }
}

設定 "EmotionLevel": "SlightEmotion" 後，配音將弱化源語言的語調特徵，保留少量情感起伏，適合企業宣傳、產品介紹等情境。

功能說明

情感層級配音是語音級翻譯的一項增強配置，不是獨立的翻譯層級。語音級翻譯預設使用音色複刻技術，保留原說話人的音色、情感和韻律進行目標語言配音。情感層級配音提供以下兩種情感控制模式，以便靈活選擇配音的情感表達程度：

情感層級	參數值	效果說明
輕微情緒	`SlightEmotion`	保留原音訊基本語調，配音效果自然，帶有輕微的情感起伏
毫無情緒	`NoEmotion`	使用完全平坦、穩定的語調進行配音，無情感起伏

說明

不設定 EmotionLevel 參數時，系統預設使用原有的音色複刻模式進行配音。

適用情境

預設的音色複刻模式在跨語言配音時，會將源語言的語調習慣帶入目標語言，具體表現如下：

中文翻譯為英文：中文的語調習慣被帶入英文配音，使英文聽起來情緒起伏異常、帶有口音，不符合英語母語者的表達習慣。
英文翻譯為中文：英文的語調習慣被帶入中文配音，使中文聽起來像"老外說中文"，韻律和聲調不自然。
情感層級配音弱化源語言帶入的語調和情感特徵，令配音更中性、更平穩，更符合目標語言的聽感習慣。下表對比三種配音模式的效果差異：

配音模式	效果	優勢	劣勢	適用情境
預設模式（音色複刻）	完整保留原說話人的語調與情感	情感表達豐富，原聲特色鮮明	跨語言配音時源語言口音明顯	對情感逼真度要求高的內容，如影視解說、情感類短視頻
輕微情緒（SlightEmotion）	弱化源語言語調，保留少量情感起伏	語調趨於平穩，減輕源語言口音感，仍保有一定情感色彩	情感表達有所減弱，不適合強情緒內容	企業宣傳、產品介紹、線上課程等需要語調平穩的內容
毫無情緒（NoEmotion）	完全平坦穩定的語調，無情感起伏	最大程度去除源語言口音感，配音最為中性平穩	情感表達完全缺失，不適合需要感染力的內容	新聞播報、技術說明、操作示範等極度中性的內容

說明

NoEmotion（毫無情緒）最大程度弱化情感與語調起伏，配音完全平穩；SlightEmotion（輕微情緒）保留少量原始語調，聽感介於預設模式與毫無情緒之間。可根據內容風格選擇合適的模式。

支援範圍

支援的語言

情感層級配音當前僅支援以下目標語言：

源語言	目標語言	是否支援
中文（zh）	英文（en）	支援
英文（en）	中文（zh）	支援
其他語言群組合	—	暫不支援

說明

不設定 EmotionLevel 時，語音級翻譯支援的全部目標語言不受影響，仍按原有模式配音。

支援的地區

地區	是否支援
華東2（上海）	支援
華北2（北京）	支援
華南1（深圳）	支援
華東1（杭州）	支援
亞太地區東南1（新加坡）	支援

通過 API 設定情感層級配音

當前情感層級配音僅支援 API 方式調用，控制台暫不支援配置。需要調用SubmitVideoTranslationJob介面設定情感層級。

參數說明

EditingConfig.SpeechTranslate.EmotionLevel 欄位用於設定情感層級：

參數	類型	是否必填	取值	說明
`EmotionLevel`	String	否	`SlightEmotion`	輕微情緒：保留原音頻基本語調，配音自然，帶有輕微情感起伏。
`EmotionLevel`	String	否	`NoEmotion`	毫無情緒：使用完全平坦、穩定的語調，無情感起伏。

說明

不傳該參數時，使用預設的音色複刻模式。
EmotionLevel 僅當語音級翻譯（即 NeedSpeechTranslate 設定為 true）且目標語言為中文（zh）或英文（en）時生效，詳見支援範圍。
若同時設定了 VoiceCloneMode 參數，EmotionLevel 的優先順序更高。

調用樣本

以下樣本展示英文視頻翻譯為中文，使用毫無情緒配音：

{
  "InputConfig": {
    "Type": "Video",
    "Video": "a3f9b21d457******c8e2a1b3d4e5f6a7b"
  },
  "EditingConfig": {
    "SourceLanguage": "en",
    "TargetLanguage": "zh",
    "NeedSpeechTranslate": true,
    "SpeechTranslate": {
      "EmotionLevel": "NoEmotion"
    }
  },
  "Title": "毫無情緒配音樣本",
  "OutputConfig": {
    "MediaURL": "https://****.oss-cn-shanghai.aliyuncs.com/output_noemotion.mp4"
  }
}

使用限制與注意事項

翻譯方式限制：EmotionLevel 僅適用於語音級翻譯（即 NeedSpeechTranslate 設定為 true），字幕級翻譯不涉及配音，無需設定該參數。
語言與地區限制：僅特定語言對和地區下生效，詳見支援範圍。
調用方式：當前僅支援 API 呼叫，控制台暫未提供配置入口。
參數優先順序：若同時設定了 EmotionLevel 和 VoiceCloneMode，以 EmotionLevel 為準。

常見問題

智能媒體服務視頻翻譯與機器翻譯的視頻翻譯能力有什麼區別？

智能媒體服務和機器翻譯的視頻翻譯底層邏輯相似，但能力開放方式不同。智能媒體服務提供視頻翻譯 API 和 SDK，支援開發人員自行開發和 SDK 整合。機器翻譯的視頻翻譯功能不提供 API；其 API 僅支援文本、圖片和文檔翻譯。若需通過 API 開發視頻翻譯能力，推薦使用智能媒體服務。

Intelligent Media Services：情感層級配音