这你就有的忙了，哈哈，不过现在的LLM和TTS越来越牛了，这个事情变容易了很多。
首先丢给Gemini 2.5 Pro这个级别的多模态LLM或者Whisper Large V2，让转写生成英文字幕，然后丢LLM按时间戳翻译为中文，然后打开剪映，配音，原视频人声分离(这个功能需要会员，免费开源平替是UVR)，去掉原音轨，合成上配音的音轨，完事。
想听点好的音色，可以自己去弄剪映会员，Azure TTS，GPT-Sovits，Fish Speech，MiniMax等等或开源或收费的TTS，然后配音合成。
大概就是这样了哈。
术语很多，没法一个个解释了，全写完几万字都不够，自己问AI吧。