视频文稿：用AI自动做解说视频｜克隆自己的声音配音，字幕一键进剪映

视频：https://www.youtube.com/watch?v=YoZCrsd2gYc
官网文章：https://xichugeek.com/?name=episode-025-ai-narrator

【自动做好的解说视频长什么样】

你现在看到的这段解说，配音、字幕、上剪映时间线，全是电脑自动做的。我只写了文稿，准备了几张图。

这期教你搭一个同样的流程：用你自己的声音配音，字幕自动对齐，生成好直接在剪映里打开。工具已经开源，链接在视频说明里。

这期讲三件事：要准备什么，怎么装，怎么一键出片。

【原理：逐句配音，字幕天然对齐】

先说原理。你把文稿写成一行一句，程序按行调用本地的 Qwen3-TTS，用你自己的声音一句一句生成配音。

因为是一句一句生成的，每句从第几秒开始、到第几秒结束，程序都知道，所以字幕不用再识别，天然就是对齐的。

最后它用一个叫 pyJianYingDraft 的开源库，把配音、字幕和图片按时间排好，直接写成一个剪映草稿。你打开剪映，草稿就在列表里。

整个过程都在你自己的电脑上跑，不上传声音，不用花钱买接口。

【要准备什么】

需要准备的：一台 Windows 电脑，最好有 N 卡，我用的是六 G 显存的 RTX 3060 笔记本；装好剪映专业版；再把 Qwen3-TTS 装好。

Qwen3-TTS 还没装的，先看上一期，从配置到部署都讲了，这期直接接着用。

另外准备一段你自己的录音，十几秒，安静环境，再把录音里说的话原样写下来，克隆要用到这两样。只用你自己的声音。

【安装和配置】

第一步，下载工具。从 GitHub 下载，或者用说明里的网盘备份，解压到一个不带中文和空格的目录。

第二步，打开上期装好 Qwen3-TTS 的那个环境，进到工具目录，运行这一行，把剪映草稿库装上。

第三步，打开 config 文件，填三样东西：你的参考录音、它的逐字稿，还有剪映的草稿文件夹。

草稿文件夹在剪映的全局设置里，草稿位置那一栏，复制过来粘贴就行。

【写文稿、一键生成】

第四步，准备素材。在项目文件夹里放一个 script 文本，一行一句解说词。

想在哪一句换画面，就在那一行前面写上图片的文件名，图片放在同一个文件夹里。没写的句子，沿用上一张图。

数字和英文容易读错，可以在这一行加一条竖线，左边是字幕上显示的字，右边是让它怎么读。

第五步，运行它，它会一句一句生成配音，窗口里能看到进度。我这段五十多秒的解说，生成用了两分钟左右。

【在剪映里打开】

跑完打开剪映，草稿列表里多了一个新草稿，点开就是排好的时间线：一条图片轨，一条配音轨，一条字幕轨。

播放看一下，字幕和声音是对齐的，换图的位置也和文稿一致。

接下来就是正常剪辑。字幕样式、背景音乐、转场，你在剪映里照常改，改完照常导出。

开头你看到的那段就是这样做出来的，从文稿到时间线，我没有手动拖过一条字幕。

【几个坑和资料】

最后说几个坑。第一个，参考录音一定要干净，有背景音乐或者回声，克隆出来的声音会发闷。

第二个，逐字稿要和录音一字不差，差几个字，生成的语气就容易怪。

第三个，草稿用的是项目里的配音和图片，别删、别挪这个项目文件夹，不然剪映会提示素材丢失。

第四个，某一句读得不满意，直接改那一行再运行一次，只会重新生成改过的那句，不用全部重来。

工具、示例素材和全部命令，都在说明栏和官网文章里。你可以先用示例素材跑通一次，再换成自己的文稿。这里是西楚极客，我们继续用 AI，把真正能运行的项目做出来。下期见。