用 LOVO AI 完成配音、字幕与视频剪辑的完整流程

LOVO AI 是一套浏览器端的语音与视频创作工具，核心能力包括文本转语音、声音克隆、自动字幕、AI 配图与在线视频剪辑，这些功能都收在同一个叫 Genny 的工作区里。它适合需要批量产出旁白与短视频的人：做自媒体口播、课程讲解、产品演示、多语言版本内容，或者手上只有一份文字脚本、不想约录音棚也不想自己剪片子的团队。多数人只用到文本转语音就停下了，声音克隆、自动字幕和在线剪辑其实都在同一个界面里。站内也有对应条目可以对照查看：LOVO AI。下面按真实操作顺序，从注册一路讲到导出成片。

准备工作

LOVO AI 全部在浏览器里运行，不需要在电脑上安装客户端，所以准备工作主要是账号与工作区设置，而不是装软件。开始之前确认三件事：

一个可用的邮箱：注册要用邮箱接收确认邮件，后续找回密码也依赖它。
稳定的网络与较新的浏览器：编辑、生成音频、生成字幕都在网页里完成，浏览器太旧可能出现面板加载不全。
一份准备好的文字脚本：可以是一段话，也可以是分好段的 Word 文档或纯文本文件。脚本质量直接决定后面配音的节奏，先写好再进工具，比边写边改省事。

关于免费试用额度、各套餐包含的生成时长与功能范围，素材没有给出确切数字，且这类信息变动频繁，请以官网当前页面显示为准。不要按旧文章里的额度做预算。

注册与首次登录

打开 LOVO AI 网站，点击注册入口。
填写邮箱、设置密码，然后进入免费试用。
检查邮箱，确认收到验证邮件并完成确认。

确认邮件到达，就说明账号已经可用。如果几分钟内没收到，先看垃圾邮件目录，再确认邮箱地址有没有拼错。

进入 Genny 工作区

登录之后会直接进入 Genny 的仪表盘，不需要额外安装任何东西。仪表盘上能看到项目列表和新建按钮，这就是后续所有操作的入口。如果打开后只看到空白页或面板缺失，先刷新一次，再考虑换浏览器。

设置默认语言与默认发音人

在账号设置里选定工作语言和默认发音人。这一步只花一两分钟，但之后每新建一个项目都会自动带上这两个设置，省掉每次重复选择的点击。做多语言内容的人尤其值得先设好主语言，避免生成时选错语种、白跑一遍。

完成以上三步，下面讲到的所有功能都可以直接使用。

操作步骤

第一步：在 Genny 里新建项目

在仪表盘左侧栏点击 Genny。
选择新建空白项目，给项目起一个能认出来的名字。
选择语言与画面比例。比例要和发布平台匹配，横屏与竖屏的构图差别很大，后期再改会牵动所有素材的位置。

新建完成后，编辑时间线上会出现一个空的说话人区块，这就是配音的落点。此时项目已经可以开始工作。

省事的做法：如果手上有一个已经调好发音人和风格的旧项目，直接复制它再改内容，比从空白项目重设一遍更快，声音设置会自动继承过来。

第二步：放入脚本

把文字粘贴或输入到时间线上的区块里。也可以上传 Word 文档或纯文本文件，让工具读取其中的文字。

这里有一个影响成品听感的细节：每个区块控制在两到三句话。区块太长，生成的语音容易一口气读到底、缺少停顿；拆成小块之后，节奏更接近真人讲述，后面调整某一句也不用重生成整段。

第三步：选择发音人并生成语音

打开发音人选择面板，浏览语音库。
用语言、性别、年龄、口音四个条件筛选，把候选范围缩小到十几条再试听。
选定发音人后生成，区块下方会出现音频文件与可见的波形。
点播放，从头到尾听一遍完整朗读。

语音库覆盖 500 多个自然发音人、100 种语言，这是它相对通用朗读工具的主要差别。筛选时不要只看语言，口音和年龄对成片气质的影响往往更大：同一段产品介绍，年轻口音和沉稳口音听起来是两种产品。

节奏调整技巧：句子之间加停顿标记，比整体调语速更有效。语速一改，整段都变快或变慢；停顿标记只影响断句处，能把赶字的段落拉回正常呼吸节奏。

第四步：生成自动字幕

在编辑器右侧面板打开字幕标签页。
生成之前先选对 spoken language（口播语言）。语言选错，识别结果会整体跑偏。
点击自动生成，等待约三十秒。
字幕条会出现在时间线上对应片段的下方。
逐条校对听错的词，再调整字号与位置。
把调好的样式保存为预设，后续项目直接套用，保证同一系列视频的字幕风格统一。

自动字幕支持二十多种语言，做多语言版本时不必为每种语言单独手打字幕。校对环节不要省：专有名词、人名、缩写是识别错误的高发区，而这些词恰恰是观众最容易注意到的。

发布建议：投放到社交信息流时，把字幕压制进画面。多数人在信息流里静音浏览，没有内嵌字幕的视频等于没有信息。

第五步：用 AI 配图补画面

在左侧素材菜单里选择 AI 配图，它和库存图片、背景音乐在同一个区域。
写提示词，点明主体、风格、氛围三个要素。
生成后会给出四个候选图，选中的那张会进入项目。
把图拖到画布上，调整大小，再设定它在画面上停留的时长。

提示词写短一点更好用：三个清晰细节胜过一大段描述。细节越多，模型越容易顾此失彼，出来的图反而偏离预期。

风格一致性：整条视频尽量沿用同一种画面风格。每段换一种风格，成片会显得拼凑，观众注意力也会被画面差异带走。可以把满意的提示词存下来，后续场景改主体、不改风格描述。

第六步：在在线编辑器里对齐音画

音频和画面都在同一条时间线上处理，这是 Genny 与「配音工具 + 剪辑软件」两段式流程的区别。操作顺序建议是：先把配音铺满整条时间线，确认每段语音的起止点，再把画面素材按语音节奏对齐。反过来先排画面，后面每改一次语音长度都要重排一遍画面。

对齐时重点看两处：一句话说完到下一句开始之间的空隙，以及画面切换点是否落在语义断句上。切换点落在句子中间，观感会很突兀。

第七步：声音克隆

声音克隆用你自己的声音样本生成专属发音人，之后输入文字就能用这个声音朗读。适合需要固定人设的账号，或者不想每期都亲自录音的创作者。

使用前先确认两件事：一是你对自己声音样本的使用权，二是克隆声音的使用范围。用他人声音做克隆涉及授权问题，不要拿未经许可的录音做样本。克隆出的发音人建议先在短句上试听，确认音色与语调符合预期，再用于长脚本。

第八步：情绪化配音

情绪化发音提供三十多种情绪风格，可以在同一段脚本里切换语气。实际用法不是整篇套一种情绪，而是按内容分段：开场用偏明亮的语气抓住注意力，讲解段落到中性，结论段落再收得稳一些。情绪切换点最好和脚本的段落边界对齐，否则听起来会像两个人交替说话。

第九步：用 AI 写作补脚本

面对空白页写不出开场时，可以让 AI 写作先出一版完整脚本，再人工改。它产出的是初稿，不是终稿：事实性内容、品牌口径、具体数字都要自己核对。比较稳的流程是先用它搭结构，再逐段替换成自己的表达。

一个完整示例

下面走一遍最小可用流程：一条约一分钟的产品介绍短视频，横屏，中文配音，带内嵌字幕。

准备脚本：写成三段，每段两到三句。第一段讲产品解决什么问题，第二段讲核心功能，第三段给行动指引。存成纯文本备用。
新建项目：进入 Genny，新建空白项目，命名「产品介绍-横屏」，语言选中文，比例选横屏。
放入文字：把三段脚本分别粘贴到三个区块里，不要合成一个长区块。
选发音人：在发音人面板按中文、性别、年龄筛选，试听三到五条，选一条语速适中的。生成后播放整段，确认没有读错的专有名词。
调节奏：在段与段之间加停顿标记，再听一遍。如果某句仍然偏赶，把那一句单独拆成新区块重新生成，不要动全局语速。
生成字幕：打开字幕面板，口播语言选中文，点自动生成，等待约三十秒。逐条校对产品名与功能名，调整字号与位置后保存为预设。
配画面：在 AI 配图里为三个段落各生成一组图，提示词统一写同一种风格，只改主体。每段选一张拖到画布，设定停留时长与语音段落对齐。
对齐与检查：在时间线上确认画面切换点落在句子之间，而不是句子中间。从头播放一遍，检查音画是否同步、字幕是否遮挡关键画面。
导出：确认无误后导出成片。发布到信息流时选择把字幕压制进画面。

这条流程跑通一次之后，后续同类视频可以直接复制这个项目，替换脚本、重新生成语音与字幕，画面沿用同一套风格提示词，产出速度会明显提升。

注意事项

节奏与断句

区块过长是配音听起来机械的首要原因。两到三句一块，是比较好用的经验值。
调整节奏优先用停顿标记，不要一上来就改语速。语速是全局参数，改一次影响整段。

字幕

生成字幕前必须选对口播语言，选错会导致整段识别结果不可用。
专有名词、人名、缩写需要人工校对，自动识别在这些词上出错率最高。
字幕样式保存为预设，多期内容才能保持一致。

画面与风格

提示词写三个明确细节即可，堆砌描述反而降低可控性。
整条视频统一画面风格，混搭风格会让成片显得零散。
画面比例在新建项目时就定好，中途更改会牵动所有素材的构图。

声音克隆与情绪

克隆声音需要本人授权，不要使用未经许可的他人录音。
情绪切换点与脚本段落边界对齐，避免听感上像换了一个人。

账号与费用

免费试用与付费套餐的具体额度、可用功能、生成时长上限会调整，使用前以官网当前信息为准。
长脚本生成前，先确认当前套餐的剩余额度，避免做到一半中断。

内容核对

AI 写作产出的是初稿，事实、数字、品牌表述都要人工核对后再发布。
涉及他人肖像、声音、音乐素材时，确认授权范围再用于成片。