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

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

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:

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

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

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

转场是标点,不是装饰。

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

九、延伸阅读


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。

AI 学习系列课 · M5 · 第 15 讲 · 内容为原创整理,参考公开资料与官方文档。