核心用法
Dub YouTube with Voice.ai 是一个面向 YouTube 创作者的专业 AI 配音工作流工具，基于 Node.js 运行，通过 Voice.ai 的 TTS API 将文字脚本转化为可直接发布的完整配音方案。
主要功能
- 一键生成完整配音：从
.md或.txt脚本输出带编号分段的 WAV 音频、拼接后的母带、YouTube 章节时间戳、SRT 字幕、预览页面及现成描述文案 - 视频配音替换：通过
--video --mux参数将生成的语音直接叠加到现有视频，支持最短对齐、填充静音或裁切三种同步策略 - 智能缓存机制：基于文本内容+音色+语言的哈希缓存，修改仅影响变更片段，大幅提升迭代效率
- 多语言支持：覆盖英、西、法、德、意、葡、波、俄、荷、瑞、加泰罗尼亚等 11 种语言
- YouTube 专用模板：自动注入片头片尾，生成可直接粘贴到 YouTube 描述区的章节标记
显著优点
- 零依赖快速部署：单文件
.cjs直接运行，无需npm install（Node.js 20+ 即可） - 本地化视频处理：视频流仅本地 ffmpeg 处理，不上传云端，保护原始素材隐私
- 专业级输出规格：母带经过响度标准化，AAC 编码兼容 YouTube 要求，SRT 字幕可直接上传
- 创作者友好设计：提供
review.html交互页面逐段审听，支持--mock模式零成本测试完整流程
潜在局限与风险
- 外部 API 依赖：核心 TTS 功能完全依赖 Voice.ai 商业服务，需付费 API 密钥，存在服务中断或价格变动风险
- ffmpeg 为可选依赖：若无 ffmpeg，仅能生成分段 WAV 和元数据，无法自动拼接母带或视频混流
- 音色选择受限：预设音色仅 9 种，扩展需通过 API 查询，且非自托管模型无法离线使用
- 长文本分段限制：单段超过 490 字符会自动拆分，可能影响自然停顿控制
- 平台锁定风险：输出格式高度针对 YouTube 优化，迁移至其他平台需手动调整
适合人群
- 需要高频产出 YouTube 长视频/Shorts 的个人创作者与 MCN 机构
- 制作多语言版本内容的国际化运营团队
- 希望降低配音成本、提升迭代速度的教程/知识类频道
- 已有现成视频素材、仅需替换旁白的屏幕录制或游戏解说创作者
常规风险
- API 速率限制与额度：可能遇到 429 限流或 402 余额不足，需监控用量
- 版权与肖像权：使用第三方训练音色（如 Corpse Husband、Master Chief 等）需确认 Voice.ai 的授权范围，避免侵权争议
- AI 语音透明度：YouTube 平台对 AI 生成内容有披露政策要求，需主动标注
- 缓存失效误操作：
--force会强制重渲全部片段，可能意外消耗 API 额度