视频加字幕与配音：把拍好的素材做成能发的成片
素材拍好了发不出去，多半卡在两件事：没字幕没人看，不想露声又不会配。这两件事现在都能在半小时内解决。
先定一个前提：字幕不是「把语音转成文字」就完事。真正影响完播率的是断句——一行太长、一屏停留太短，观众直接划走。所以第 1 步和第 2 步是重点，别跳。
操作流程
1
先把口播稿定下来，别指望字幕
约 10 分钟无稿口播的转写结果里全是「嗯」「那个」「我们再」，清理它的时间远远超过提前写稿。而且稿子定下来，字幕和配音都有了基准。
同类备选：Kimi(月之暗面)光速写作
- 先把要说的话写成 300 字以内的短稿，读一遍计时——超过 90 秒就砍。
- 让 AI 把稿子改成口语版：书面语念出来一定别扭。
- 每句不超过 25 字，长句提前拆开，字幕才不会挤成一坨。
可直接套用的提示词
把下面这段文字改成适合口播的口语稿： 要求： 1. 每句话不超过 25 个字，长句拆短 2. 去掉书面语（如「因此」「综上所述」「基于此」），换成日常说法 3. 开头 3 秒必须有一个能留住人的点 4. 总字数控制在 300 字以内 【粘贴文字】
卡住了怎么办稿子改了几版还是不顺口，就别改了：照着原稿念一遍录下来自己听，哪句念着别扭就手动改哪句，改完再念。听感比文字上的「通顺」重要得多。
2
自动生成字幕，然后逐句校对
约 8 分钟语音转写第一遍的准确率大概 95%，剩下那 5% 集中在人名、专有名词和数字上——恰恰是最不能错的地方。
- 导入视频，用「识别字幕」自动生成，语言和方言选项别选错。
- 从头到尾念着检查一遍，重点盯专有名词、数字、专业术语。
- 检查断句：一行字幕不要超过 16 个字，超了就手动断行。
卡住了怎么办方言或口音太重，识别出来全是乱码：直接用第 1 步的稿子，让工具按「文本朗读／对齐」功能把稿子导成字幕轴，比改识别结果快得多。
3
挑配音：先决定要不要用你自己的声音
约 10 分钟自己的声音信任度最高；但口音重、气息不稳、不敢开口的人，用 AI 配音反而更稳。这一步只做选择，不做评判。
同类备选：ClipchampAdobe Podcast豆包 – 字节跳动 AI 助手
- 先试自己的原声——哪怕普通话不标准，真实感是 AI 给不了的。
- 确定用 AI：音色优先选「新闻／讲解」类，别选「情感／甜美」类，念说明文很出戏。
- 数字、英文缩写、多音字逐个试听，这三类是 TTS 最容易翻车的地方。
- 语速调慢 10%——后期可以加速，加不了减速。
卡住了怎么办AI 配音念你的专业词总是错，就在稿子里把那个词换成同音写法（比如把 SQL 写成「S-Q-L」），念对了再改回字幕。改稿比换工具有效。
常见坑
- 字幕只转不校，人名和数字错在最显眼的位置，专业度直接掉一档。
- 一屏字幕塞二十多个字，观众来不及读完就划走了，完播率就是这么丢的。
- 选了「甜美／情感」类音色念说明性内容，听起来像广告，可信度反而更低。
- 导出前没有静音看一遍——很多问题只在没声音的时候才暴露。
常见问题
自动加字幕的工具免费吗？
站内收录的剪辑工具基本都有免费额度，通常按导出次数或时长限制。日常发短视频，免费额度一般都够；如果一次要处理长课程视频，再考虑付费。
AI 配音听起来假，怎么改善？
三个调整最有效：一是语速降 10%，二是句与句之间留半秒停顿（AI 默认太密，没有呼吸感），三是在稿子里给数字和英文留出空格。音色本身反而是最后才需要考虑的。
字幕该放哪个位置？
竖屏平台（抖音、快手、视频号、小红书）字幕放中间偏下，别贴到最底部——那里会被评论区、账号信息挡住。横屏（课程、官网、公众号内嵌）放底部常规位置就好。
