你好，视频配音中存在多个人物 是怎么做到不同的人说不同的音频呢？

[文杰]

如下图Readme.md截图所示：

难道是，对视频不同的人说话时分别截取成A\B\C\D等mp4，然后分别使用MuseTalk 改口型，这样也太麻烦了啊。

[aidenyzhang]

这个应该属于另一个研究领域了。
可以考虑从音频识别的角度把视频分段。
但是影视剧场景中，经常会出现A说话但是画面中的人却是B，这种场景似乎很难自动识别。