多音轨播放与波形编辑
音频引擎为主时钟、视频跟随，逐帧精确；波形区支持框选、切割、增益、淡入淡出、独奏与静音，播放与导出共用同一份混音代码。
下载
下载 AIOPlayer
安装包由后台维护：链接一旦上传，这里的按钮就会变成可点的下载入口。
正在加载下载信息…
下载后如果提示缺少运行库，按安装包里的说明装一次 VC++ 运行库即可。
系统要求
运行前置条件
下面把软硬件条件一次写清。核心软件很小，占空间的主要是配音要用到的模型与运行时，按需安装。
| 项目 | 最低 / 推荐 | 说明 |
|---|---|---|
| 操作系统 | Windows 10 / 11x64（64 位） |
仅支持 64 位 Windows，不支持 32 位系统、macOS 与 Linux。 |
| 内存 | 最低 8 GB，推荐 16 GB 及以上 | 音轨分离、语音识别、声音克隆都在本机推理，内存越大越流畅；内存不足时大任务速度会明显变慢。 |
| CPU | 无硬性要求，多核更佳 | 走 CPU 推理时主要吃 CPU 多核性能，核心越多合成 / 分离越快。 |
| 显卡（可选） | NVIDIA 独显，推荐 6 GB 显存及以上 | 显卡不是必需。有 NVIDIA 显卡并安装「GPU 加速运行时」后合成速度明显更快（torch CUDA 12.8，需较新的 NVIDIA 驱动）；没有独显也能跑 CPU 版运行时，只是速度慢一些。AMD / Intel 核显暂不作为加速目标。 |
| 磁盘空间 | 详见下表 | 程序本体很小；真正占空间的是首次配音要下载的模型与运行时，合计约 5–8 GB，可只装自己需要的部分。 |
| 屏幕分辨率 | 建议 1366×768 及以上 | 窗口支持缩放，低分辨率下部分面板需滚动。 |
磁盘空间明细
| 组件 | 安装 / 解压体积 | 是否必需 | 说明 |
|---|---|---|---|
| AIOPlayer 主程序 | 约 46 MB（便携版 58 MB） | 必需 | 主安装包，不含任何模型。 |
| 配音运行时（CPU） | 压缩包 145 MB，解压约 845 MB | 必需（无独显时） | 无 NVIDIA 显卡时的默认选择，自带 Python + torch CPU 版。 |
| 配音运行时（GPU） | 压缩包约 1.8 GB，解压约 4.8 GB | 可选 | 有 NVIDIA 显卡时替代 CPU 版，合成更快。 |
| OmniVoice 语音合成模型 | 约 3.1 GB（下载后） | 必需（要用配音时） | 配音主模型，首次配音前由客户端下载，支持断点续传。 |
| Whisper 转写模型 | 约 1.5 GB | 可选 | 仅在「给参考音频但不给参考文本」时需要；始终手动给参考文本可不装。 |
说明：只做播放、字幕编辑、音轨分离等轻量操作时，主程序即可，磁盘占用不足 100 MB；要用到「声音克隆配音」，再按需装运行时（约 0.9 GB 或 4.8 GB）和 OmniVoice 模型（约 3.1 GB）。
功能亮点
一个人的译制流水线
从拆音轨到成片导出，每件事都能在这一份工程里回退、重做、批量跑。
AI 音轨分离
人声 / 伴奏、4 轨、6 轨、主唱 / 和声、男声 / 女声五种方式；默认挑选速度最快的 MDX23C，也能换 Mel-Band 追质量。
字幕识别：画面 / 语音 / 内嵌流
硬字幕 OCR（双侧行自动分原文 / 译文）、语音识别（可选某条音轨）、容器内嵌字幕流提取，统一进双列字幕表。
声音克隆配音
用原片里这段人声当音色参考，逐句合成；按时长自动变速、单人连续铺满、说话人识别替换参考，多人对白不互相压。
括号内容默认不配音
「（笑声）」「(sighs)」这类舞台提示默认跳过，句中括号内容也不念；需要时可在设置里改成「旁白配音」。
空间效果
从参考音频提取声向曲线、混响与立体声宽度，配音片段按曲线实时渲染；曲线可直接拖动改，随工程保存。
环绕声处理
识别 5.1 / 7.1 布局，按 ITU 矩阵下混立体声（LFE 可调），下混缓存带指纹校验，重建一次就复用到后续所有任务。
多轨导出
双轨 / 多轨 / 分轨 MKV、MKA、MP4、FLAC，字幕可封装进容器；配音混音轨固定排第一条，播放器打开就是成片音轨。
批量配音工具
TransAudio 独立工具：把整季媒体拖进来，自动配同名字幕或内嵌流，逐条生成配音写回工程；可勾选每个任务后清掉临时文件。
字幕编辑
原文 / 译文双列编辑、拆分与合并、按字数分配时长、批量识别说话人、歌词搜索，导出 SRT / VTT / ASS。
音乐工具
音频转 MIDI、五线谱窗口（可导出 PNG）、3D 鼓组跟随鼓点演奏；鼓谱布局可切国外交叉手 / 国内镜像。
本地优先
模型、分离、配音全部跑在本机，素材不出硬盘；不注册账号，也不依赖任何云端服务。
工作流
三步走完一集
每一步的结果都落在「视频同名文件夹」里，下次打开同一文件自动接着干。
-
1
导入并分离
拖入视频，点一次分离：人声、背景声与各分轨落到波形区；多声道源自动按矩阵下混。
-
2
识别与翻译
硬字幕 OCR 或语音识别出原文，打开译文文件合并进译文列；缺失的句子可以直接在表里补。
-
3
配音并导出
逐句克隆音色合成配音，按需调空间效果，最后导出双轨 / 多轨 MKV，字幕一起封装。
使用教程
从下载到导出成片
先按「快速上手」走通一遍；需要深入了解某个环节时，展开下面的「详细教程」逐条对照。
快速上手
-
1
下载并安装
在上方「下载」区拿到主程序（约 46 MB）。便携版解压即用；安装版装好后首次启动会先读一遍许可协议，点同意即可进入。
-
2
装好配音运行时
第一次要用「声音克隆配音」时，程序会引导你装运行时：有 NVIDIA 显卡装「加速版」，没有就装「CPU 版」；再把语音模型下下来（约 3.1 GB，支持断点续传）。
-
3
拖入视频
把视频拖进窗口即建工程，自动识别音轨与内嵌字幕流；工作结果都保存在视频同名文件夹里，下次打开同一文件自动接着干。
-
4
分离音轨
点一次「分离」，人声、背景声与各分轨落到波形区；多声道源（5.1 / 7.1）自动按矩阵下混成立体声。
-
5
识别出字幕
用硬字幕 OCR 或语音识别出原文，再打开译文文件合并进译文列；缺失的句子直接在表里补。
-
6
配音并导出
逐句克隆音色合成配音，按需加空间效果，最后导出双轨 / 多轨 MKV，字幕一起封装，播放器打开就是成片。
详细教程
一、安装与首次运行
主程序不含任何模型，下载后直接可用播放、字幕编辑、音轨分离等轻量功能。要用「声音克隆配音」才需要装运行时：打开程序后会提示，或在设置里手动安装。
运行时分两种：CPU 版（约 0.9 GB，无独显用）和 GPU 版（约 4.8 GB，需 NVIDIA 显卡，合成明显更快）。语音模型 OmniVoice 约 3.1 GB，首次配音前下载，中途断了再点一次即续传。
二、导入媒体与工程管理
把视频拖进窗口即建工程；也可以打开已有的媒体文件或字幕文件继续。每个工程的结果都落在「视频同名文件夹」里，包括分离出的分轨、识别出的字幕、合成的配音等，下次打开自动读取。
多音轨、多声道源都会被识别；内嵌字幕流也能一键提取进字幕表。
三、AI 音轨分离
提供五种分离方式：人声 / 伴奏、4 轨、6 轨、主唱 / 和声、男声 / 女声。默认挑速度最快的 MDX23C，也可以换 Mel-Band 追更高质量。分离结果落到波形区，可继续框选、切割、增益、淡入淡出、独奏静音。
四、字幕识别：画面 / 语音 / 内嵌流
三种拿字幕的方式：硬字幕 OCR（烧在画面里的字，双侧行自动分原文 / 译文）、语音识别（可选某条音轨转文字）、内嵌字幕流提取（容器里带的字幕直接提出来）。结果统一进双列字幕表，可拆分、合并、按字数分配时长、批量识别说话人。
五、声音克隆配音
用原片里这段人声当音色参考，逐句合成配音，实现「一人配完整集」甚至多人对白不互相压。关键点：
· 参考音频：给一段该说话人的清晰人声，或让程序用「说话人识别」自动从原片替换参考；
· 参考文本：配了文本就不需要转写（省掉 Whisper 模型）；没配文本时程序会懒加载 Whisper 自动转写参考音频；
· 时长适配：按时长自动变速，让配音和原画口型尽量对齐；
· 括号不念：「（笑声）」「(sighs)」这类舞台提示默认跳过，需要时可在设置改成「旁白配音」。
六、空间效果与环绕声
从参考音频提取声向曲线、混响与立体声宽度，配音片段按曲线实时渲染，曲线可直接拖动调整并随工程保存。环绕声源（5.1 / 7.1）按 ITU 矩阵下混立体声，LFE 低音可调，下混缓存带指纹校验、重建一次复用给后续任务。
七、导出成片
支持双轨 / 多轨 / 分轨 MKV、MKA、MP4、FLAC，字幕可封装进容器。配音混音轨固定排第一条，播放器打开就是成片音轨；也能导出 SRT / VTT / ASS 字幕单独使用。
八、批量配音（TransAudio）
整季多集不想一集集手动配？用 TransAudio 独立工具：把整季媒体拖进来，自动按同名字幕或内嵌流匹配，逐条生成配音写回工程，完成后可勾选清理临时文件。
九、本地配音服务（AIOServer）
AIOServer 是一个常驻托盘的服务，把配音推理做成 HTTP 接口，供播放器或其它客户端调用。首次启动会引导你去「设置」页装运行时、下模型；设置页里每一项都能点开看说明与建议，模型下载进度、多源下载、P2P 加速都在同一页管理。
常见问题
上手前值得知道的几件事
需要注册账号吗？
不需要。本站没有账号系统，下载即用；需要开通完整功能时走人工对单，留一个能联系上的方式就行。
运行环境有什么要求？
Windows 10 / 11 64 位，推荐 16 GB 及以上内存；NVIDIA 显卡可选（有则配音更快，无则走 CPU）。 磁盘空间取决于你要用哪些功能：只用播放 / 字幕 / 分离，主程序不到 100 MB；要用配音， 再加运行时（约 0.9 GB 或 4.8 GB）和语音模型（约 3.1 GB）。完整清单见上方 系统要求。
会联网吗？
处理链路全程离线，只有你自己点「检查更新」时才联网。不联网不影响使用。
可以退款吗？
开通前请先用下载版完整测试；虚拟软件开通后无法回收，具体规则见 服务条款。