让罗胖一口气“说”八国语言？ D-iD 上线新功能“视频翻译” 从音色到口型完美对上

如果我们面对镜头用中文说一段话，就能在两分钟内产生十段视频，里面的语言分别是英语、法语、韩语、日语、阿拉伯语等等，听起来语调都跟你一模一样，连口型都对得上，放在一年前，我一定觉得是妄想。但是当我看到D-iD公司最新推出的视频翻译功能时，被这个功能最后呈现的效果震惊了。

当我看完他们的演示视频，生怕这些视频都是特意选出来的，所以我就找同事，要了几条罗胖在《文明》节目上线前录的短视频，试用了一下视频翻译功能。然后我就看到屏幕上的罗胖在一分钟内，自由地在英语、法语、日语、阿拉伯语和葡萄牙语中流利切换，连口型都对得上。我怕他们随便用一些我听不懂的鸟语糊弄我，还特意掏出手机打开实时翻译软件，发现连语义都基本吻合。

大家可以看看下面这条短视频的效果。不过有个纰漏，就是里面把阿拉伯语和法语搞反了。毕竟听不懂……

我先给大家介绍一下D-iD这家公司，他们的名字就很奇怪，一个大写的英文字母D，然后一个短横线，再接一个小写字母i和大写字母D。这其实是一个很长单词的简写，那个单词的含义是“去识别化”。

D-iD 官网截图（https://www.d-id.com/）

啥意思呢？这家公司成立于2017年，是在以色列的特拉维夫，成立时的主张是要用技术手段来保护人们的隐私，通过改变面部图像的某些特征，避免他们的照片或者视频，在未经允许的情况下被用于人脸识别。

这个理念在当时受到了一些好评，但后续相关报道较少。但是，从那时起，他们就在面部识别的技术上，花了大力气。2020年，他们发布了一个演示视频，将一张老照片变成动画，创建一个肖像动图，因此再次收获了业界的关注。直到2021年，美国有一个产品MyHeritage用他们的技术，做了一个深度怀旧风格的老照片动画产品。

那时的D-iD就已经不再经常提起他们的初始想法了，而是推出了一个AI视频制作平台。当时已经可以做一些口型的同步了，只不过效果还非常差。

但是上个星期，他们推了视频翻译功能，效果就非常惊艳了。这个名字也起得挺好，以前的翻译都是翻译一段话、一个文档，现在可以直接用AI翻译一整段视频了。

目前这个功能，他们是免费提供给自己的订阅用户使用，非订阅用户会有十几个免费积分，可以用于测试和体验。在语言方面，一共有30多种语言可以选择，我看了一下，基本上常见语言都已经涵盖了，除了有中日韩外，连瑞典语、保加利亚语、斯洛伐克语这种小语种都包括在内。我作为免费用户，一次只能把一段视频生成三种语言，不知道尊贵的VIP用户，能不能一次生成30种语言。

我之前在广播站里，介绍过另一个华人团队做的AI视频营销工具Heygen，跟今天介绍的这个产品有点类似，不过在一些细节和最终的效果上，D-iD要比现在的Heygen强一些。不过我相信，D-iD的新功能，也会刺激竞争对手优化自己的产品效果。

产品使用场景：

有些同学可能无法想象这个功能的使用场景，我简单地介绍一下。假如，你现在卖一款充电宝，既有国内市场，又有海外市场。以往，如果录一个产品介绍或者营销视频，基本上要先找一个国内团队录中文版，再找一个英语团队录英语版，其他语种就心有余而力不足了。

但是现在，你只需要上传一段录好的中文版视频，AI就会帮你自动翻译成更加本地化的语言，并且用的还是你的音色，口型都对得上。这能帮很多做出海业务的产品，提高效率。除了产品营销之外，其实还包括内容创作。

我之所以关注这一领域，是因为国内一位媒体集团的高管曾问过我，有没有这样的产品，能够将他们制作的众多新闻和文化视频，同步转换为多国语言版本，以此扩大影响范围。对于一些内容创作者来说，如果能够在不增加成本和精力的情况下，增加几种语言版本，或许能产生意想不到的效果。想到这里，不禁让我想起罗胖的《文明》节目，如果能够变成多语言版本，不知道会不会有啥效果。

注意事项：

如果你对这个产品感兴趣，可以上传一小段视频来体验。不过有些前车之鉴需要提醒你：上传的视频应控制在五分钟以内，且说话的人必须正对镜头，手指不要在脸前乱晃。另外，我尝试了十几种语言，唯独韩语总是失败，只能生成8秒钟的视频，可能是遇到了某个不明原因的bug。

为什么不要手指乱晃呢？因为 AI 需要识别嘴型，然后根据语言做出改变，所以如果你在最前面乱晃的话，有可能嘴型就对不上了。

这看起来是AI 视频技术没有解决的一个问题，但是在这个鱼龙混杂的时候，说不定可以作为判断是不是真人跟你视频聊天的一个方法，例如你让对面的“生物”，一边在面前晃手指，你看看TA 的口型还对不对的上。

产品官网地址：https://www.d-id.com/

产品后台界面：

除了视频翻译，他们还同步上线了一个“数字人”功能，不过我还没有尝试。未来我体验一下，如果用的好，再跟大家推荐。