学习系列课M5 · 第 15 讲
本节目录

M5 · 第 15 讲

配音、字幕与剪辑交付

把零散镜头变成一条能发的片子

  • 阅读约 35 分钟
  • 练习约 30 分钟
  • 产出:15 秒成片

开场:镜头都对,就是“不像一条片子”

素材齐了,拼在一起却像 PPT:镜头之间硬切、配音忽快忽慢、字幕跳出来又消失。观众说不出哪里不对,但三秒就划走。

这一讲解决交付前的最后一公里:声音、字幕、节奏、导出。

本课目标

  • 用三步把配音做得自然;
  • 写出可读的字幕节奏;
  • 用音量与转场把镜头粘起来;
  • 按平台要求导出。

一、配音:先自然,再像谁

三条原则:

  1. 短句:一句话不超过 20 字,TTS 更自然;
  2. 口语:把书面语改成能说出口的话;
  3. 标点控节奏:逗号停半拍,句号停一拍。

流程:

  • 先写口播稿,自己读一遍,改掉拗口处;
  • 生成配音,调语速(每秒 4–5 字较自然);
  • 导出后听三遍:有没有吞字、断句错、情绪平。

不要一上来追求“克隆某个声音”。先让内容站住。

二、字幕:跟着呼吸走

本讲第 1 张表:二、字幕:跟着呼吸走
规则 建议
每行字数 12–16 个汉字
每屏时长 1.5–3 秒
断句 按语义断,不按标点硬切
位置 底部安全区内,避开平台 UI
样式 无描边或细描边,保证移动端可读

字幕不是逐字稿。删掉“嗯、那个、其实”,观众看得更顺。

三、音乐与音量

  • 人声为主时,音乐压到 -18 dB 左右;
  • 无人声段落,音乐可抬到 -12 dB;
  • 转场处用 0.3–0.5 秒淡入淡出;
  • 不要在整条片子里一直堆音乐,留白更有力。

一个简单检查:手机外放,能否听清每个字。听不清,就是人声不够突出。

四、剪辑顺序

  1. 粗剪:按分镜排好,只看故事是否成立;
  2. 精剪:修节奏,删掉所有“可删”的帧;
  3. 声音:配音、音乐、音效;
  4. 字幕:对齐语义,不追着字走;
  5. 调色:统一色温与对比;
  6. 导出。

顺序不要乱。先解决故事,再解决好看。

五、转场怎么用

  • 硬切:90% 的场合都够用;
  • 动作接:上一镜动作未完,下一镜继续;
  • 声音先入:下一镜的声音提前 0.5 秒;
  • 花式转场:只在风格需要时用,不要每镜都加。

转场是标点,不是装饰。

六、导出参数

本讲第 2 张表:六、导出参数
平台 比例 分辨率 帧率
竖屏短视频 9:16 1080×1920 30fps
横屏视频 16:9 1920×1080 30/60fps
方图 1:1 1080×1080 30fps

码率按平台推荐略高一点,给二次压缩留余量。导出前检查:首帧、尾帧、字幕安全区、音量峰值。

七、30 分钟练习

  1. 写 60 字口播稿并生成配音(10 分钟);
  2. 按语义切成 4–5 屏字幕(8 分钟);
  3. 把 6 个镜头粗剪成 15 秒(8 分钟);
  4. 加音乐、压音量、导出竖屏版(4 分钟)。

八、检查清单

  • [ ] 配音没有吞字与断句错;
  • [ ] 字幕每行不超过 16 字;
  • [ ] 人声在手机外放可听清;
  • [ ] 转场以硬切为主;
  • [ ] 导出比例与平台一致;
  • [ ] 首尾帧完整,无黑屏。

九、延伸阅读

  • 知识库 1.5 AI 视频
  • 知识库 1.7 AI 数字人+语音合成
  • 知识库 1.6 AI 音乐

下一讲:文生 3D 与资产准备。你会知道生成、扫描、建模三条路各自适合什么。