我先说下我的需求, 想把英文的视频, 转为 中文的视频. 
当前我做的操作有使用 VideoCaptioner 能把 视频搞成中文的字幕, 语音还是原音频. 
又使用  VideoLingo 配置 GPT-SoVITS 确实能把英文视频转成中文视频, 但弊端就是中间的翻译字幕时间太久 
所以有没有什么工具 能通过 字幕文件 + 原英文音频  合成中文音频? 需要合成的中文音频语速 以及 停顿这些, 和原英文音频同步.