诉求
把视频里的中文语音转换成对应的英文音轨， 方便非中文区用户观看。 
条件设置

中文语音为标准普通话
有对应的98% 以上准确的字幕文件, 包括中文和 AI 翻译的英文两个独立的字幕文件。
希望能够避免机器味太重的翻译。


看了很多方案，都不是很满意，想请教各位大佬, 是否有比较完善的方案，谢谢。