近期，哔哩哔哩（B站）在国际市场的新动向引发了广泛关注。自5月宣布将国际版APP与国内版合并后，B站的一系列海外布局举措备受瞩目。
在世界人工智能大会上，B站揭晓了其专为海外用户打造的“AI原声翻译功能”。这一创新技术旨在让海外观众能够更顺畅地享受游戏、科技、二次元等核心内容。随着APP合并完成、海外用户界面的多语种优化，特别是视频原声翻译功能的上线，B站正全力备战海外市场。
据悉，“AI原声翻译”功能不仅涵盖了基础文本翻译，如自动替换中文字幕为英文字幕、弹幕翻译及界面按钮的英文适配，更实现了对UP主声音特质的高度还原。该功能避免了传统机器翻译的生硬感，而是通过口型模拟等技术，确保翻译后的视频在视听体验上接近原声。未来，B站还计划将日语等更多语言纳入“AI原声翻译”功能，进一步增强其在海外市场的适应性。
B站“AI原声翻译功能”背后的跨语言声音还原技术，源于其内部研发的“IndexTTS2”语音生成模型。该模型引入了一种创新的语音时长及情感控制方法，能够精确调控语音时长，同时有效分离情感表达与说话人身份，实现高质量的情感复刻。这一技术的整体框架图展示了其复杂而精细的设计。
面对“AI原声翻译功能”中的核心挑战，尤其是在游戏、二次元等领域，专业术语和梗点密集，B站技术团队采用了基于大语言模型（LLM）的翻译引擎，并创新性地构建了多目标奖励模型。该模型结合了语音时长匹配、原声翻译标准及UP主独特风格，通过对抗式强化学习（RL）训练，不断优化翻译效果。同时，团队引入了Deep Research深度挖掘技术，专门攻克专有名词和流行梗点的翻译难题，确保译文既准确又地道，能够传神地传达原意。在字幕擦除方面，B站结合了先进的多模态大模型OCR技术和视频重绘技术，实现了字幕区域的精准识别和高保真擦除。
