颜值即正义，具体操作流程：

（1）截取视频，面部尽可能少抖动，否则后续换脸，声音驱动都会有BUG；

（2）提取原视频中文字幕，可以转为音频后处理，也可以剪映提取导出；

（3）大模型将中文字幕转换为英文；

（4）声音克隆；

（5）将英文语音与原视频融合（口型不匹配），暂且不要添加英文字母，避免影响到口型驱动；

（6）先采用口型驱动，对（5）视频进行处理，生成口型一致的视频；

（7）采用换脸及加强模型，对（6）视频进行处理；

（8）采用剪映，匹配英文字幕。

按照这个流程生成的视频是相对较好的。以上，除了大模型的调用，由于中英文语言长度差异，因此还涉及到语音的预处理，软件尚无法实现100%自动生成。

感兴趣的小伙伴，可以加微信：civilpy