asmr-dubber

先听效果

建议戴耳机。

素材 1 · RTF

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。

https://github.com/user-attachments/assets/2eddb029-1a6d-4daf-8f53-741b46141f4d

素材 2 · RTF

双语音声：保留日语原声，中文配音经 RTF 处理后与原声混合。

https://github.com/user-attachments/assets/8068b982-95c0-4561-8d18-f82cb8cebb6e

素材 3 · RTF

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。

https://github.com/user-attachments/assets/4e7618af-ad3d-4931-9749-4b39816d01d8

素材 3 · RTF + 人声分离

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。

https://github.com/user-attachments/assets/a8841fb0-e4f1-4383-92bb-942805ff1adc

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。

它能做什么

🎧 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。

三分钟上手

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。

文档

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

开发相关：架构 · 命令行 · 贡献 · 全部文档

需要知道的几件事

• 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。

许可

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。

友链

• LINUX DO：新的理想型社区