BILIBILI Index 团队推出原声视频翻译技术，通过跨模态、多语言协同生成系统，实现中文视频翻译为外语时保留原声风格。该技术解决了传统配音中声音人格缺失、字幕认知负担和本地化成本高等问题，重点突破语音生成建模、跨语言语义适配和音画对齐等挑战，显著提升了翻译的自然度和真实感，助力视频内容全球化。

IndexTTS2 是一款创新的零样本语音合成模型，通过自回归架构实现了精确的时长控制和情感表达。它引入时间编码机制，支持定长语音生成，并解耦音色与情感，提升语音合成的细腻度。模型在情感保真度、词错误率和说话人相似度上表现优异，适用于AI配音、有声读物等多场景，显著推动了语音合成技术的实用化进程。