花生AI将步骤照片生成带字幕配音视频的关键是结构化指令：需按顺序重命名图片（如「01_切菜」）、打包ZIP上传，并为每张图手动填写精准动作说明；生成时可选等长/语义时长模式或微调时间轴；配音选专业音色，字幕须手动优化分行与同步。
☞☞☞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☜☜☜
要把拍摄好的过程照片（比如手工制作、实验操作、烹饪步骤）自动编排成带字幕和配音的步骤视频，关键不是堆砌图片，而是让每张图承载明确的动作节点与时间逻辑——花生AI不接受模糊的“流程感”，只响应结构清晰的“步骤指令”。
准备阶段：给照片打上可识别的步骤标签
打开文件管理器，将所有过程照片按实际操作顺序重命名，格式统一为「01_切菜」「02_热锅」「03_下油」——数字前缀必须是两位，且不能跳号、不能重复。花生AI会严格按文件名排序读图，【跳过04直接命名05会导致中间步骤彻底丢失】。
把命名完成的整组照片打包成ZIP文件，不要夹杂任何截图、白板笔记或手机相册自动生成的封面图。
上传与结构化：用文字锚定每张图的语义
登录花生AI官网（https://www.huasheng.cn），新建项目→选择「图片+文案」模式→上传刚打包的ZIP文件。
上传完成后，系统自动展开图片列表。此时必须手动点击每张图右侧的「编辑说明」按钮，在弹出框中输入该步骤的核心动作，例如：
「03_下油」→填写“倒入三勺菜籽油，油面泛起细密波纹时即达温油状态”；
「07_翻面」→填写“用锅铲从底部轻托鱼身，快速翻转180度，避免碎皮”。
这一步不可跳过。花生AI不会从图中识别“油温”或“鱼皮是否完整”，它只把你的文字当作画面解说的唯一依据——【图是载体，文字才是指令】。
生成控制：锁定步骤节奏与画面停留逻辑
方法一：启用「步骤等长模式」
在生成设置里勾选“每张图固定显示3秒”，适用于操作耗时接近的流程，如折纸、电路焊接等标准化动作。
方法二：启用「语义时长模式」
关闭等长选项，让AI根据你填写的说明文字长度自动分配时长。一句话含动词+条件+结果（如“待蛋液边缘凝固、中心仍微晃时关火”）会获得约4.2秒；纯名词短语（如“蒸锅上汽”）仅分配2秒。此模式适合烹饪、发酵类存在明显时间差的操作。
方法三：手动微调时间轴（仅限Pro版）
生成粗剪后进入编辑页，拖动每张图的时间条右端点。注意：调整单张图时长会自动压缩/拉伸相邻图的间隔，但总片长不变——若需延长某步讲解，必须同步缩短前后两步各0.5秒以上，否则系统强制回滚。
配音与字幕：让声音咬准动作节点
第一步：在配音设置中选择「专业解说」音色（非“亲切女声”类泛用音色），历史类与实操类内容匹配度高。
第二步：进入字幕编辑页，逐句核对——AI会把你的步骤说明自动断行为两行，但常把“倒入三勺菜籽油”断成“倒入三勺/菜籽油”，导致观众视线跳动。必须手动合并为单行，且确保每行不超过18个汉字。
第三步：点击「同步校验」按钮。系统会高亮标出3处以上字幕与画面切换不同步的位置，此时返回上一步重新调整对应图片时长，不要强行拖动字幕轨道。
