企业官网建设流程全解析

Violin是一个开源视频翻译 Skill：上传视频后，它自动转写语音（Whisper）、翻译（LLM）、合成母语 TTS 配音，再对时间轴重新对齐并混回视频。其中最实用的是内置的6 大风格档案（style profiles）——通过一个--style参数，同一支视频就能在儿童口吻、学术腔、新闻播报等 TTS 腔调之间一键切换，无需手动调任何 TTS 参数。

Violin 风格档案是什么：两个开关，一个文件 🎛️

每个风格档案都定义在 prompts/styles.yaml 中（目前仍标注为 experimental），它同时控制"翻译"与"配音"两个环节：

加载逻辑在 pipeline/styles.py：首次访问时读取 YAML 并缓存为StyleProfile对象。配音流水线中，翻译阶段通过 pipeline/translator.py 把directives注入 LLM 提示词，TTS 阶段则由 pipeline/tts_together.py 把speed、emotion拼进 SSML 后合成。

6 大内置风格档案完整对照表 📋

几个直觉上的差别：

• kids用 0.6 的 temperature 加 excited 情绪，输出短句和趣味比喻，比如把 "machine learning" 讲成"教计算机自己学习"；
• academictemperature 只有 0.2、语速放慢到 0.95×，术语和 "Professor / Dr." 之类敬称一个都不许丢；
• news强制祈使句式的短平快表达，删掉一切填充词和反问；
• storyteller是"最有戏"的一个，temperature 0.7，鼓励设悬念、用排比和节奏变化。

视频翻译风格怎么选：6 类场景推荐 🎯

1. 大学讲座 / 论文解读→academic：术语保留、措辞正式、语速稍慢，严肃内容不出戏；
2. 儿童科普 / 亲子内容→kids：自动把生僻词替换成孩子听得懂的类比；
3. 个人 Vlog / 朋友访谈→casual：口语化、语速偏快，像边喝咖啡边聊天；
4. 纪录片 / 故事讲述→storyteller：戏剧张力拉满，适合长视频；
5. 新闻 / 企业通报→news：干净利落，零废话；
6. 拿不准内容类型→standard：忠实翻译，不做额外加工，最稳妥。

风格档案一键切换步骤：3 种方法 ⚡

方法一：CLI 加--style参数（最常用）

# 用 kids 风格把演讲翻译成中文 violin talk.mp4 talk_zh.mp4 --language Chinese --style kids # 查看当前所有可用风格 violin --style list

violin --style list会把每个风格连同 TTS 参数打印出来，方便一眼对比：

academic Scholarly: formal register, precise terminology TTS: speed=0.95, emotion=calm casual Casual: spoken slang, like chatting with a friend TTS: speed=1.1, emotion=content

参数定义位于 main.py；不传--style时，会读取配置里的默认值。

方法二：修改默认风格（一次配置，长期生效）

在 config/default.yaml 中修改preferences.style，之后所有翻译任务都默认使用该风格：

preferences: style: "academic"

方法三：Web API 提交任务时指定style字段

curl -X POST http://localhost:8000/jobs \ -F "file=@talk.mp4" \ -F "language=Chinese" \ -F "style=academic"

演示效果：同一视频，不同腔调 🎬

官方演示片库收录了同一批素材翻译成不同语言的成片。用不同风格处理同一段内容，差异主要体现在两处：

• 措辞：kids全是短句加比喻；news是紧凑的陈述句；storyteller会加入悬念与节奏变化；
• 声音演绎：语速从 0.9×（storyteller）到 1.1×（casual），情绪标签从 calm 到 excited 各不相同，听感差异明显。

自定义风格档案：写一段 YAML 新增一个档案 ✏️

6 个内置档案不够用时，在 prompts/styles.yaml 末尾追加一个顶层条目即可，例如一个"播客主播"档案：

podcast: description: "Podcast host: relaxed and confident" translation: temperature: 0.4 directives: | Translate like a podcast host: natural spoken phrasing, occasional first-person address to the listener. tts: speed: 1.0 emotion: "content"

保存后即可在 CLI 用--style podcast或在 API 的style字段中选择，无需改动任何代码。

常见问题 FAQ 💬

Q：风格档案在任何 TTS 服务商上都完整生效吗？speed语速在所有后端都生效（ElevenLabs 限 0.7–1.2，OpenAI 限 0.25–4.0）；emotion情绪标签在默认的 Cartesia Sonic 3 上完整生效（通过 SSML<emotion/>标签实现），其他后端只调整语速，不做情绪演绎。

Q：风格会影响成本或处理时间吗？不会。风格只改变提示词与 TTS 参数，不产生额外模型调用，计费仍按转写、翻译、合成各自的用量计算。

Q：standard和"不使用风格"有什么区别？没有区别——standard的指令为空、temperature 与 TTS 参数均为 null（回落到默认值），它就是一个中性的基线档案。

要点速记 ✅

• 6 大风格档案 = 翻译指令 + temperature + TTS 语速 + TTS 情绪，全部集中在 prompts/styles.yaml；
• 三种切换方式：CLI--style参数、配置preferences.style、APIstyle字段；
• 用violin --style list速查可用风格，追加 YAML 条目即可自由扩展。