事情是这样的，我现在下载了几个讲课的视频，但是主讲人的方言听起来实在是难受，我就想着可以将主讲人的声音重新配音。 原理大概是先识别原声。然后再将人声转化为机器朗读（还需要附带时间轴对应上） N年前好像遇到过一个独立开发者写的这种应用，但是现在咋也搜不出来了