花生AI可将清晰人声演讲音频自动转为带字幕配画面的投稿视频：上传MP3/WAV/M4A文件→AI语音识别与语义分镜→校对稿子微调时间轴→设置画面来源/风格/密度→选择音色并生成多语言字幕→预览后导出1080P MP4。
☞☞☞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☜☜☜
把一段现场演讲录音直接变成带字幕、配画面、可投稿的完整视频，不用剪辑软件、不手动对时间轴——花生AI能自动完成从音频解析到成片导出的全部流程，前提是音频清晰、人声为主、无长时间静音或混响干扰。
上传演讲音频并触发自动解析
打开花生AI官网（https://www.huasheng.cn），用B站账号登录；点击首页“音频成片”，选择本地文件上传；【音频文件必须是MP3/WAV/M4A格式，单文件≤1GB、时长≤120分钟】。
上传后系统会立即开始语音识别与语义分段，这一步不可跳过，也不支持暂停——它基于端到端ASR模型实时切分，静音超过2.5秒会被判为自然停顿并生成新分镜。
校对识别稿并微调分镜边界
识别完成后进入编辑页，左侧显示带时间戳的逐字稿，右侧同步预览当前分镜画面草稿；点击任意一句文字，可拖动其起始/结束时间线来收缩或延展该分镜时长。
方法一：鼠标悬停在某句文字右端点，出现双向箭头后向左拖拽，可合并相邻短句——避免画面频繁切换导致观感碎片化；
方法二：在句子中间双击，弹出“拆分此句”按钮，适合原句过长、AI误判语义停顿的情况；
注意：修改时间轴不会重新生成配音，只影响画面停留时长和字幕显示节奏。
指定画面来源与风格偏好
点击顶部“画面设置”，展开三项控制：
① 素材来源：选“智能匹配”（默认）→ 系统从正版图库+MG动画库中按关键词检索；选“仅用本地素材”→ 需提前在项目设置里绑定文件夹，且仅支持PNG/JPG/MP4；
② 风格倾向：下拉菜单选“纪录片感”“科技蓝光”“手绘讲解”等，会影响字体、转场、色调统一性；
③ 分镜密度：滑块向右拖动会增加每分钟分镜数，适合快节奏演讲；向左则延长单画面停留，适合需要观众细看图表或文物细节的考古类内容。
这一步操作起来很简单，直接点选就行，但选错风格倾向会导致后半段字幕颜色被背景吞掉，比如“深灰底+浅灰字”在“水墨风”下几乎看不见。
生成配音与多语言字幕
进入“声音设置”，先确认语音识别结果无误；然后在音色列表中选择一个公共音色，或使用已克隆的个人音色；【若选克隆音色，必须确保该音色已在必剪APP中完成3分钟以上高质量录音训练】。
勾选“生成英文字幕”或“中英双语字幕”，系统将基于语音识别结果自动对齐时间轴，无需手动打轴；字幕样式可在“字幕设置”里调整大小、位置和描边粗细。
点击“生成配音”，后台开始合成TTS音频并嵌入原音频轨道——这一步耗时约原音频时长的1.2倍，期间不可关闭页面。
预览并导出成片
合成完成后自动跳转预览页，播放时可拖动进度条实时查看画面切换、字幕浮现与配音同步效果；点击右上角“下载”按钮，选择分辨率（720P/1080P）和封装格式（MP4）；
导出文件命名默认为“演讲_20261030_1923.mp4”，含完整H.264编码与AAC音频，可直接上传B站投稿页，无需二次转码。
