花生AI可3分钟内将播客音频一键生成1080P无水印视频：登录B站账号→上传音频→智能匹配/模板套用/混合插入画面→选择克隆音色、设置字幕与BGM→预览微调后导出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
把一段播客录音变成带画面、字幕和配音的完整视频，不用手动扒素材、不用对时间轴、不用反复调音轨——花生AI能直接用你的口播音频驱动成片，3分钟内生成1080P无水印视频。
第一步：登录并进入播客视频制作入口
打开Chrome或Edge浏览器，访问【https://www.huasheng.cn】，点击右上角“登录”，用B站账号一键授权。登录后首页会显示“新建项目”，点击→选择“音频生成视频”模式。
这一步不能跳过B站账号登录，否则无法调用音色克隆、本地素材库和历史分镜复用功能。
第二步：上传播客音频并确认基础参数
点击“上传音频”，支持MP3/WAV格式，单文件≤30分钟；若播客含多段录音，建议先用Audacity合并为一个文件再上传。
上传成功后，页面自动识别语音并生成逐字稿。此时务必检查前30秒字幕是否准确——【若错别字超过2处，后续分镜匹配将整体偏移】。如识别不准，可手动编辑文本框里的文字，系统会实时同步更新分镜逻辑。
下方“语速偏好”默认为标准播音（4.2字/秒），播客类口语内容建议保持默认，加快会导致字幕卡顿，放慢则画面停留过久。
第三步：选择画面生成策略
方法一：智能匹配（适合通用型播客）
系统根据语音语义自动拆分分镜，每句口播对应一个画面。它会从千万级正版素材库中检索关键词，比如说到“2023年用户增长37%”，自动匹配MG数据图表；提到“咖啡馆对话”，则调用轻办公类实拍镜头。无需干预，直接点“下一步”。
方法二：模板套用（适合固定栏目播客）
在模板库中选择“播客”分类，有“圆桌对谈”“单人漫谈”“知识快评”三类风格。选中后，所有分镜统一套用该模板的转场节奏、字体样式与背景动效，封面也会自动生成带标题+主讲人头像的竖版图。
方法三：混合插入（适合有品牌资产的播客）
提前上传过本地素材（如LOGO、主讲人实拍片段、往期节目片花）的用户，可在“画面来源”栏勾选“优先使用本地素材”。系统会在匹配到“主持人出镜”“品牌露出”等语义节点时，自动调用你存档的视频片段，其余部分仍走智能匹配。
第四步：定制声音与字幕
第一步：选择音色
在“配音设置”中，可选“我的克隆音色”或“公共音色”。若已录制过10秒个人语音样本并完成克隆，此处会显示“已就绪”；未克隆则显示“立即克隆”，需按提示朗读指定句子。
第二步：调整字幕样式
点击“字幕设置”，可修改字体（思源黑体/霞鹜文楷）、大小（推荐64px）、位置（默认居中偏下）、描边（开启后更适配动态背景）。注意：字幕动画仅支持“逐句浮现”，不支持“打字机”或“弹入”，这是为保障与口播节奏强同步而锁定的功能。
第三步：插入BGM
在“背景音乐”栏点击添加，系统提供“轻访谈”“科技感”“人文纪实”三类无版权BGM。音量滑块默认-22dB，若播客原声底噪明显，建议拉到-18dB以压住环境杂音。
第五步：预览、微调与导出
① 点击右上角“预览”按钮，播放全片。重点核对三个节点：第一处数据出现时图表是否同步、主讲人名字首次提及是否弹出姓名条、结尾Call to Action是否有停顿留白。
② 若某一分镜画面不理想，悬停该时间轴片段→点击铅笔图标→在弹窗中输入新关键词（如原画面是“城市街景”，但口播说的是“乡村小学”，就改填“乡村校园 旧课桌 黑板报”），系统5秒内重匹配。
③ 确认无误后，点击“导出”→选择分辨率（必选1080P），勾选“无水印”→输入视频标题（将同步作为B站发布标题）→点击“开始渲染”。进度条走完即生成下载链接，文件自动保存为MP4格式，时长与原音频一致。
