用花生AI把文稿或口播音频做成带配音字幕的视频

花生AI 是一款面向知识讲解、观点评论和行业分析类内容创作者的视频创作智能体。它要解决的问题很具体：你已经写好了要讲的内容，或者已经录好了一段口播，但把这段内容变成有画面、有配音、有字幕的视频，通常要花掉大量剪辑时间。花生AI 的做法是先把文稿或音频拆成一个个镜头，为每个镜头匹配画面、生成配音和字幕，再让你围绕分镜逐条修改。它适合习惯先写稿再出片的人，也适合手里有录音但对谈素材、想快速配上画面的创作者。工具入口见花生AI。

需要先说明一点：花生AI 是网页端工具，在电脑浏览器里使用，不需要安装客户端。官网目前说明手机和平板暂不适配，所以整个流程都应在桌面浏览器中完成。下文按「准备输入 → 创建项目 → 逐镜修改 → 导出」的顺序展开，最后给出一个从文稿到成片的完整示例。

准备工作

浏览器与设备

在电脑上使用 Chrome 或 Edge 打开花生AI 官网并登录即可开始，无需下载安装包。由于官网明确说明手机和平板暂不适配，不要指望在移动端完成创建或编辑。如果你习惯在平板上写稿，写完之后仍然要回到电脑上创建项目。

账号与试用资格

花生AI 提供有条件试用，也提供付费会员。官网写明，符合条件的新用户可领取 1000 积分，条件是：B 站账号注册满半年且等级 3 级以上，或在 B 站有过投稿。登录后使用积分创作。

这里要特别提醒：这个条件不能被理解为「所有新账号都能直接免费生成」。如果你不满足上述任一条件，就不要按「先免费试一条」来规划工作流，而应直接评估会员方案是否值得。积分与试用规则属于易变信息，实际以官网当前页面为准。

先把内容准备好

花生AI 的两种输入方式对内容形态的要求不同，准备阶段就要决定走哪条路：

输入文稿：支持 200–10000 字。输入的内容会作为口播稿被读出来，因此适合已经写好完整讲稿、希望系统按稿子念的情况。字数低于 200 字或超过 10000 字都不在支持范围内。
上传口播：已经录好的口播或对谈音频也可以作为输入，音频最长支持 1 小时。适合你更信任自己的语气和节奏、不想让系统重新配音的场景。

两条路的后续编辑逻辑是一致的：系统都会拆分镜头、配画面、生成配音和字幕，你都在分镜层面做修改。区别在于声音的来源——文稿入口由系统配音，口播入口保留你的原声。

想清楚画面从哪来

创建项目前先判断素材情况。没有现成画面时，可以先让系统匹配素材；有自己的拍摄材料，则通过「导入我的素材」替换对应分镜。此外，需要解释数据或观点的段落还可以使用 MG 图形动画。提前想好哪几段必须用自拍素材、哪几段适合交给系统匹配、哪几段适合做成动画，后面逐镜修改时会省很多来回。

操作步骤

第一步：登录并选择输入方式

在电脑上用 Chrome 或 Edge 打开花生AI 官网，登录后选择「输入文稿」或「上传口播」。这一步决定了项目的起点，也决定了后续配音的处理方式。

第二步：确定画幅比例

横屏 16:9 与竖屏 9:16 需要在创建项目时选择。这是一个容易被忽略但影响很大的设置：画幅决定了后续匹配素材的构图取向，也决定了成片能发到哪些平台。竖屏适合手机端竖划浏览的场景，横屏适合较长的讲解与投屏播放。创建之后再改画幅，等于让已经匹配好的画面重新适配，成本更高，所以务必在创建时就定下来。

第三步：提交文稿或音频

走文稿路线时，把准备好的讲稿粘贴进输入框，确认字数落在 200–10000 字区间内。系统会按文稿拆分镜头、配画面，并生成配音和字幕。

走口播路线时，上传已经录好的音频，长度不超过 1 小时。系统同样会拆分镜头并配画面，但声音来自你的录音，字幕则依据音频内容生成。

第四步：在编辑器里逐镜预览

成片生成后进入编辑器。编辑器的布局是：左侧是分镜文稿，中间是视频预览，下方排列镜头，右侧显示素材与编辑区域。这个布局的意义在于，你可以把某一句讲稿和它对应的画面对照起来看，而不是在整条视频里来回拖时间轴找位置。

画面匹配完成后仍需逐镜预览，检查素材是否准确表达讲稿，再决定保留还是替换。系统匹配的画面在语义上大体对得上，但具体到某一句的专业表述、数据或反讽语气，未必贴切。这一步不要跳过，尤其是讲数据和讲观点的段落。

第五步：用对话或定位分镜修改

成片后可以用对话提出修改要求，例如替换素材、调整配音或字幕、重做动画；也可以直接定位到具体分镜处理。两种方式各有适用场景：

对话修改：适合一句话能说清的批量或整体调整，比如统一某类画面的风格、整体调整配音的语速。
定位分镜修改：适合精确到某一句的改动，比如第 12 个镜头的画面不对、某句字幕有错别字。定位到分镜后，左侧文稿、中间预览、右侧素材区都指向同一个镜头，改动范围清晰。

第六步：替换或导入自有素材

如果某个分镜应该用你自己的拍摄材料，通过「导入我的素材」替换对应分镜。注意是「对应分镜」——替换是按镜头进行的，不是整片统一换素材库。因此导入前先记下要替换的是哪几个镜头，避免导进来之后找不到落点。

第七步：为数据与观点段落加 MG 动画

需要解释数据或观点的段落，可以使用 MG 图形动画。这类段落用实拍或图库素材往往表达不清，动画能把结构、对比和数字关系讲明白。动画同样挂在具体分镜上，改的时候也是定位到那个镜头重做。

第八步：处理配音与音色

配音可以选择公共音色，也可以用本人录音创建克隆音色，并在后续项目中复用。克隆音色属于会员权益之一，具体可用范围以官网当前信息为准。

如果走的是口播上传路线，声音已经是你的原声，这一步主要是检查字幕与音频是否对齐，而不是换音色。

第九步：只改字幕、保留已满意的配音

这是整个流程里最容易踩坑的一步。默认情况下，修改字幕会同步触发该句重新配音——也就是说，你只想改一个错别字，结果那句话的朗读节奏被重做了一遍，原本满意的语气没了。

要单独改字，按下面的顺序操作：

点击目标分镜卡片，选中要改的那一句。
编辑文字内容。
点「禁用同时修改配音」。
最后点击对号确认。

这个入口适合保留已有朗读节奏、只调整屏幕文字的情况。反过来说，如果你确实需要改读音——比如多音字读错、专有名词念错——那就应该另外处理配音，而不是靠改字幕解决。字幕和配音是两条线，先想清楚要改哪一条，再决定是否勾选「禁用同时修改配音」。

第十步：导出

视频支持下载为 MP4。去除品牌水印需要会员，并且要在导出设置中关闭水印——也就是说，拥有会员资格和实际导出无水印文件是两个动作，导出时别忘了检查设置项。

1080P 与无水印导出都属于会员权益。如果你的用途对分辨率或水印有要求，在开始制作前就应确认会员状态，而不是等到导出时才发现。

一个完整示例

下面以一个 6 分钟左右的行业分析口播视频为例，走一遍从零到导出的完整路径。假设你已经写好一篇约 1800 字的讲稿，计划发布为竖屏短视频。

准备阶段

确认讲稿字数在 200–10000 字之间。1800 字符合要求。
确认账号状态：如果满足 B 站账号注册满半年且等级 3 级以上，或在 B 站有过投稿，可领取 1000 积分用于创作；否则按会员方案规划。
在电脑上用 Chrome 或 Edge 打开官网并登录。

创建与生成

选择「输入文稿」。
画幅选择竖屏 9:16。
粘贴 1800 字讲稿，提交。
等待系统按文稿拆分镜头、匹配画面、生成配音与字幕。

逐镜检查

进入编辑器后，按左侧分镜文稿的顺序逐个看中间预览。重点检查三类镜头：

讲数据的镜头：系统匹配的图库画面可能只是泛泛的商务场景，表达不了具体数字，考虑改用 MG 动画。
讲观点的镜头：画面情绪要与观点一致，不贴切就替换。
需要出镜或展示自有材料的镜头：记下编号，准备用「导入我的素材」替换。

修改阶段

对需要换画面的镜头，定位到该分镜后替换素材；对讲数据的两个段落，重做为 MG 动画；对配音整体满意，只发现三处字幕有错别字——这三处逐一按「点击分镜卡片 → 编辑文字 → 点『禁用同时修改配音』 → 点对号确认」处理，保住原有朗读节奏。

如果某句专有名词读音不对，则不走上面这条路，而是单独处理该句的配音。

导出阶段

确认会员状态后导出 MP4。在导出设置中关闭水印，并确认输出为 1080P。下载完成后检查成片，重点看竖屏构图下字幕是否被裁切、动画段落是否完整。

注意事项

输入限制

文稿入口支持 200–10000 字，超出范围无法作为文稿输入。
口播音频最长支持 1 小时。
手机和平板暂不适配，只能在电脑浏览器中使用。

试用不等于人人免费

1000 积分试用有明确门槛：B 站账号注册满半年且等级 3 级以上，或在 B 站有过投稿。不要把「新用户可领积分」理解成所有新账号都能免费出片。

会员与导出

个人会员有四档：连续包月首月 29 元、原价 49 元/月；单次月度 59 元；连续包年 388 元；单次年度 488 元。连续包月与连续包年为自动续费方案。四档权益相同，每月赠送 5000 花生米，权益包括音色克隆、1080P 和无水印导出。价格、赠送额度与权益内容均可能调整，以官网当前信息为准。

公开说明没有给出可统一套用的「每条视频固定消耗多少积分」，因此不宜按赠送额度推算固定出片数量。做预算时应按实际使用情况评估，而不是用积分除以一个假设的单条消耗。

字幕与配音是两条线

默认情况下改字幕会同步触发该句重新配音。只想改屏幕文字时，务必先点「禁用同时修改配音」再确认；要改读音则另外处理配音。混淆这两件事，要么白丢原本满意的语气，要么改了半天字幕读音还是错的。

画幅在创建时定

16:9 与 9:16 在创建项目时选择，后续修改成本高。发布渠道决定画幅，画幅决定素材构图，这个顺序在动手前就要想清楚。

逐镜预览不能省

系统匹配的画面需要人工核对是否准确表达讲稿。数据段、观点段、专业表述段是重点检查对象，这些地方画面与内容错位的概率最高。