什么是配音（旁白）？
配音（voiceover，也称旁白或画外音）是与画面分开录制、叠加在视频、电影、广告、演示或游戏上播放的旁白或对白，说话者通常不出现在画面中。它常缩写为 VO。配音可以由配音演员录制，如今也越来越多地用 AI 文字转语音或克隆声音生成。
免费创建账户 赠送 5,000 免费积分，无需信用卡。
更新于 2026年9月27日
配音是如何制作的？
配音从一份为耳朵而写的脚本开始：句子简短、过渡清晰，数字按应有的读法写出来。在传统制作中，配音演员在录音棚里录制脚本，通常有一位导演在场，再由剪辑师剪掉口误、平衡音量，并把录音与画面同步。借助 AI，你把脚本粘贴到文字转语音工具中，选择一个声音或经本人同意的克隆声音，调整发音和节奏，几分钟内就能生成音频。无论哪种方式，人声随后都会与音乐和音效混合，通常还会在说话时压低音乐。
- 为耳朵写脚本
- 选择配音演员、AI 声音或经本人同意的克隆声音
- 录制或生成，然后修正发音和节奏
- 把人声与音乐和音效混合
配音用在哪些地方？
凡是需要声音、又不需要人出镜的信息传达，都会用到配音。常见的例子有 YouTube 视频和讲解视频、纪录片、在线学习课程、企业培训、产品演示、电视和广播广告、有声书、播客、电子游戏和电话语音菜单。在翻译领域，voice-over 还指一种手法：翻译后的语音叠加在原始音频之上播放，原声仍隐约可闻，纪录片和新闻中经常能听到。据行业估计，全球配音与译制配音市场规模在 2025 年约为 45.5 亿美元，预计到 2035 年将达到约 111.8 亿美元。
应该选择真人配音还是 AI 配音？
选择真人配音还是 AI 配音，取决于项目需要什么样的表演。真人配音演员能带来演绎、情感层次和现场指导，这对角色塑造、品牌广告活动和戏剧化叙事很重要。AI 配音更快、更便宜，容易逐句更新，而且支持多种语言，适合教程、在线学习、产品视频和社交内容。行业估计显示，与传统录音棚相比，AI 制作可将配音成本降低约 60% 至 90%。无论选择哪种，都请确认使用权，并且绝不要在未经本人明确同意的情况下克隆真实人物的声音。
配音的例子
- 在软件演示的录屏播放时，旁白逐步讲解每一个步骤。
- 一部纪录片用配音翻译一段采访，原始讲话仍在下方隐约可闻。
- 一个在线学习团队为课程生成 AI 配音，并在某个流程变化时更新其中一句。
- 一位从不出镜的 YouTube 创作者用 AI 声音为每个视频配旁白。
常见问题
配音和译制配音有什么区别？
配音是在内容之上添加一个声音，通常是不出镜的旁白；用于翻译时，原始音频可能仍在下方隐约可闻。译制配音则用另一种语言的新录音完全替换原始对白，并与画面中的人物对齐，听起来就像他们在说这种语言。纪录片和新闻常用配音翻译，而电影、剧集和许多 YouTube 频道则使用译制配音。
脚本里的 VO 是什么意思？
VO 是 voiceover（画外音）的缩写。在剧本中，角色名旁边标注 V.O. 表示该角色并不在场景中，例如旁白、内心独白或通过电话听到的声音。它不同于 O.S.（off screen，画外），后者表示角色在场景中，只是不在镜头里。在广告和视频脚本中，VO 仅仅用来标注旁白的台词。
AI 能取代配音员吗？
对于许多日常工作，AI 配音已经在取代录音：教程、在线学习、内部培训、产品视频、社交短片和样稿。当项目依赖表演时，例如角色演绎、情感叙事或旗舰品牌广告活动，以及当你需要现场指导时，真人配音演员仍是更好的选择。许多团队两者兼用：AI 负责大批量内容、更新和翻译，真人演员负责最需要细腻表达的部分。
如何制作 AI 配音？
把脚本写进或粘贴到文字转语音工具中，选择一个符合语气和语言的声音，然后生成音频。回听一遍，修正读错的人名，用标点调整节奏，只重新生成需要修改的句子。然后导出文件，放到你的视频时间线上。在 wawie 上，你可以用约 30 种语言的 1000+ 种语音完成这些，导出 MP3 或 WAV，并从免费账户开始：赠送 5,000 积分，无需信用卡。
相关术语
- 文字转语音（TTS）: 文字转语音把书面文字转换成听起来自然的语音，用于配音、旁白、无障碍访问和语音助手。
- 声音克隆: 声音克隆根据录音构建某个特定人物声音的合成副本，从而可以用这个声音生成新的语音。
- AI 译制配音: AI 译制配音会把视频中的语音翻译成另一种语言并重新配音，与原片时间轴对齐，还可以选择使用原声。
免费创建账户 赠送 5,000 免费积分，无需信用卡。