逐字稿文字預覽
如果你想制作一個會說話的AI虛擬主播,讓他每天自動生成短視頻,或者只需要上傳一張圖片,就能生成類似商業廣告的動態視頻。 甚至你想探索AI電影、AI動畫這樣的創作方式。 今天的視頻我都會一步一步展示給你。 过去几个月 几乎所有AI视频工具都在告诉你 免费生成视频无限体验 但当你真正开始创作内容的时候 你会发现一个隐藏的问题 免费额度很快消耗 生成次数被限制 想要更高这样的视频 最终还是需要付费 甚至一些看起来免费的工具 只是把你吸引进去之后 慢慢限制你的创作能力 但就在最近 我发现了一些完全不同的方案 它们不是简单的让你体验几次 而是真正可以长期用于AI视频创作 今天我要分享的这四款AI工具 不仅可以免费生成视频 还可以完成从虚拟人物 产品广告到电影级AI视频的完整创作流程 其中有一个方案 甚至可以直接调用目前顶级的视频生成模型 包括Seedance Grok 甚至Solar級別的能力 更重要的是 你不需要昂贵的电脑 也不需要购买各种会员 手机和普通电脑都可以使用 看完这些视频之后 你不需要再花大量的时间 去寻找新的AI视频生成工具 因为我会持续帮你测试 和筛选真正值得使用的AI工具 让你少走弯路 把时间放在真正的创作上 当然AI世界变化很快 新的工具每天都在出现 如果你想第一时间了解 最新最实用的AI创作工具 记得订阅频道并打开通知 接下来我们介绍第一款工具 这款工具来自MIT官方 它不仅免费 目前也几乎没有任何使用限制 但它有一个问题 我会教你如何解决 否则你可能无法正确使用它 大多数人都只是把它当作一个竖屏视频生成器 专门用来制作TikTok和YouTube的短视频 今天我要分享一个很多人不知道的方法 让你突破限制直接生成横屏视频 这样一来无论是YouTube长视频 宣传片还是电影感画面 你都可以用它来完成 不过这个工具需要一些特定的设置 才能正常使用它 接下来我会告诉你如何进行操作 首先将你的VPN节点连接到 美国 英国 台湾或印度等节点 如果你的VPN没有可用的节点 可以通过安装浏览器插件的方式进行跳转访问 VPN插件的具体用法请参考本频道上一期视频 里面有详细的VPN安装设置教程 这里就不再单独说明 网络设置完成后 打开浏览器输入这个地址 这是它的官网页面 我们点击登录 登录成功后 你将看到这个界面 下面我们点击新建项目 可以看到这里有生成视频 生成图片和对口型三个功能 首先我们来演示图片生成功能 选择图片 我们给它一个提示词 点击生成 本视频中所用到的所有提示词 我已經整理成一個文檔 如果你有需要 可以在评论区留言 我会分享给你 好 图片已经生成完成 跟MetaAI一样 它会生成四张图片 可以看到图片的质量非常高 但是图片有水印 不过不用担心 关于水印问题 稍后我会告诉你如何解决 现在我们来演示一下它的视频生成功能 我们选择视频 输入一个提示词 点击高级设置 最高可以设置成720P 然后我们点击生成 不到一分钟的时间 视频就生成完成了 这里一共生成了四个视频 可以看到视频的质量非常高 如果你认真观察 你会发现 无论是生成图片还是生成视频 都没有尺寸的选择 默认全都是9比16的竖屏尺寸 如何让它生成横屏视频呢 这里需要通过图生视频功能来完成 我们点击这个起始结束针 添加一个开始针图片 点击上传按钮 上传一张图片 图片是横屏 生成的就是横屏视频 图片是竖屏 生成的就是竖屏视频 上传完成后 我们点击这个上传的图片 添加到视频 在这里给它一个提示词 点击生成 不到一分钟 视频就生成完成了 我们看一下 可以看到我们得到了一个横屏视频 效果非常不错 这个质量足以证明了这个工具的强大 如果你对结果满意 可以点击这里进行下载 当然这种方式下载下来的视频会带有水印 稍后我会告诉你如何进行无水印下载 这个工具还支持视频延伸 在这里你可以选择自动延伸 也可以选择手动延伸 我们先演示一下它的自动延伸功能 点击自动延伸 几秒钟之后视频就处理完了 我们来看一下效果 原来是5秒钟 现在变成了9秒 画面非常自然 手动扩展模式呢 可以通过提示词来延伸视频 我们继续演示上面生成的这个视频 点击手动延伸 给它一个提示词 小老鼠和小松鼠轉身離開 消失在镜头外 点击生成 好 现在视频延伸完成 可以看到原来是9秒钟 现在已经变成了13秒 我们来看一下效果 可以看到目前这个手动扩展工程呢 效果比较一般 经常听不懂人话 不能完全按照要求来 大家酌情体验就好 但是这个工具最良心的地方在于 目前完全免费 没有任何限制 在测试的时候呢 我连续生成了近百张图片和视频 没有遇到任何限制 所以趁现在知道的人还不多 大家可以去先薅一波羊毛 好 现在我们解决水印问题 还记得刚才我说过 直接点这里这个下载按钮呢 你下载下来的视频是带有水印的 那么如何解决这个问题呢 接下来我教大家一个隐藏的搜操作 首先我们打开一个新的TypeA 搜索Chrome Web Store 然后我们进入Web商店 在搜索框中搜索 点击安装这个插件 安装完成后 点击浏览器的扩展程序 找到刚刚安装的这个插件 把它固定到工具栏当中 然后我们打开要下载视频的页面 刷新这个页面 当这个插件的颜色变成彩色的时候 表示识别到了新媒体 点击它 在打开的列表当中 找到你要下载的视频 点击下载 好 下载完成 我们来看一下下载到本地的视频 可以看到这个视频没有任何水印 这种方式下载的视频是没有水印的 下面我来告诉你图片水印如何处理 我们再打开一个新的typeware 在地址栏中输入这个地址 可以看到这里有视频去水印 图片去水印等等很多工具 我们点击图片去水印 上传一张带水印的图片 用鼠标擦除这个水印 点击去除 只需几秒钟水印就去除了 而且去除的非常干净 几乎看不出痕迹 点击download进行下载即可 这个工具完全免费 没有任何限制 好 接下来我们介绍第二款工具 这是一款真正值得你收藏的 AI视频工具 在这个平台上 他们隐藏了能够免费生成视频的设置 可能是为了防止被过度使用 今天我找到了设置入口 而且激活起来非常容易 首先我们打开浏览器 搜索 点击这个链接进入 Veo 3. 1, Grok, Seedance, Clean 首先我们选择View模型 向下滚动一点 可以看到设置选项 但是呢 无论我们如何设置 这里始终需要花费积分 要解决这个问题 首先点击右上角的登录按钮 使用你的谷歌账号进行登录 登录成功后 我们向下滚动一点 你会发现这一次我们不再需要积分 即使我们设置1080P分辨率 时长8秒 积分仍然显示为0 现在我们可以添加提示词 看一下它的生成效果 点击生成 现在视频正在排队中 我们稍等一会儿 好 这就是它生成的结果 这是它的竖屏效果 我们让它生成一个横屏 看一下 还是这个提示词 我们把尺寸改成16比9 点击生成 好 这是横屏的生成效果 我们看一下 质量确实很好 该平台还采取了一些必要措施来避免过载 它通过轮换不同模型的免费时间来均衡服务系压力 因此有些人按照我的操作步骤进行到最后 发现我演示的模型并不能用 他们就认为这个工具不好用 实际情况是官方会轮流安排不同的模型进行维护 Grok模型 我们设置16比9 700P10秒 即使它显示无需积分 但当我点击生成时 它会提示模型正在维护 当前不可用 但到了明天 Grook就能正常工作了 而Vue 3可能开始维护 因为这是完全免费的 只要其中一个能正常工作 我们就能完成我们的项目 要想了解当前哪些模型可用 点击这个状态按钮 这里显示了所有模型的当前状态 至少有一个是有效的 但这里需要注意,有些模型,比如Seedance,由于资源消耗过大,可能不会经常免费提供,但其他模型完全可以满足我们的日常创作。 下面我们介绍第三款工具,这个工具有永久免费方案,允许你无限免费的使用它。 最重要的是,它可以免费制作数字人视频,这是免费AI工具少有的功能,同时它生成的视频可以自由导出,这个工具值得你永久收藏。 我们打开浏览器输入这个地址 打开页面向下滚动 可以看到这里有很多使用此工具生成的视频 视频的质量都非常的高 我们点击右上方的登录按钮 完成登录 登录成功后你将看到这个界面 页面下方可以看到 这里有图片功能和视频功能 我们先点击视频功能 在这里可以看到有两个主要输入项 一个是描述画面 一个是设置声音 如果你不指定声音 AI会自动根据视觉画面来匹配合适的声音 如果你需要指定声音 上传一个音频文件 AI会自动将声音整合到视频当中 如果你上传的音频是人物说话的声音 AI还会对说话对象进行精准的纯形同步 现在我们来测试一下它的生成质量和生成速度 首先我们来演示一下它的文本转视频功能 直接在这里输入提示词 点击生成 可以看到我没有花费任何积分 现在呢任务已经提交到了渲染对裂 这个过程通常不需要很长时间 大约一分钟左右视频就完成了 画面音效完全达到了电影级水平 现在我们来演示一下图声视频 点击这里上传一张图片 直接点击生成 同样我没有消耗任何积分 好视频已经生成完成 我们来看一下效果 画质细腻 色彩饱满 电影感十足 需要注意的是 如果你要下载生成的视频 这里没有下载按钮 CREAD頁面 点击我的作品 所有你生成的视频都在这里 点击这个下载按钮 就可以把你的视频下载下来 下面我们来演示一下制作数字人视频 我们回到CREAD页面 点击这个按钮 上传一张图片 然后我们再上传一段音频 我已经准备好了一段音频 先来听一下这个音频 现在我把音频上传上来 然后点击生成 大约需要一分钟的时间 我们的数字人视频就制作完成了 好 已经生成了 我们来看一下效果 下面我们生成一段 中文数字人视频 看看它的效果如何 先上传一张图片 这是我提前录制好的一段音频 我们先来听一下 哈喽大家好 这是我的测试音频 我想测试一下口型同步效果到底怎么样 这段音频时长5秒钟 现在我上传这个音频 这里我们打开纯形同步 点击生成 哈喽大家好 这是我的测试音频 我想测试一下口型同步效果到底 可以看到 由于我们使用的是免费版本 音频超过4秒就自动截断了 那么如何才能生成长视频呢 接下来要介绍的这个工具 完美解决长视频需求 而且是免费没有任何限制 接下来我们介绍第四款工具 这个工具我相信很多AI视频创作者都会喜欢 因为它最大的特点就是不需要购买会员 每周都有免费的AI视频生成额度 正常情况下 一周可以生成100到200个视频 免费额度每周都会自动重置 非常适合用来批量测试AI视频创意 最重要的是 在这里制作数字人视频 不需要消耗积分 无限免费 它就是TikTok官方推出的AI创作工具 首先打开浏览器 搜索TikTok Symphony 找到它的官网链接 我们点击进入官网 这就是它的官网页面 我们点击登录 使用你的账号完成登录 登录成功之后 你将看到这个界面 这里可以看到 新用户登录 就可以获得1000个积分 这些积分可以用于生成AS视频 根据视频的时长和生成设置不同 大约可以制作100到200个视频 接下来我们向下滚动 可以看到这里提供了大量的视频模板 无论是产品展示 营销广告 还是短视频内容创作 都可以找到对应的生成方式 今天我们先从最基础 也是最常用的功能开始 首先我们进入图片部分 输入提示词 点击生成 只需要几秒钟图像就生成完成了 可以看到画面非常清晰 效果非常惊艳 接下来呢 我们看看它的视频效果 点击视频 选择文本转视频 给它一个提示词 点击生成 好 视频已经生成了 我们来看一下它的效果 视频质量非常高 现在我们来看一看它的图片转视频功能 这款工具还有一个强大的功能 它支持并行处理 你可以连续提交多个任务 让它们同时运行 后台会自动排队进行处理 现在有一个任务正在运行当中 我们再提交一个图片转视频任务 选择图片转视频 这里可以看到 它支持使用手伪针图片来生成视频 我们选择手针图片 上传一张图片 给它一个提示词 点击生成 可以看到两个任务在同时运行 这个过程大约需要几分钟的时间 一体要看服务器的排队情况 根据我的测试 生成视频有时候很快 有时候很慢 这个大家需要耐心等待 好 视频生成完成了 我们看一下效果 一个专属于自己的AI虚拟主播 让他替你出镜讲解内容 更厉害的是上传一张产品图片 AI就能自动生成一个完整的广告视频 非常适合内容创作者 电商卖家以及企业营销使用 我们先来演示一下 如何制作一个专属的AI虚拟主播 点击工具菜单 我们选择话外音数字人 这里有很多AI虚拟形象 选择一个你喜欢的形象 选择这个形象吧 我们点击继续 在这里你可以直接输入文本 让数字人口播你的文案内容 也可以上传一个你录制好的音频 生成数字人口播视频 这里我给他一段文字 如果你不想使用它默认的声音 可以在这里选择你喜欢的声音 我选择这个 点击这个保存 它会先生成一个预览声音 我们点击保存 如果你想制作一个会说话的AI虚拟主播 让它每天自动生成短视频 或者只需要上传一张图片 就能生成类似商业广告的动态视频 甚至想探索AI电影 AI动画这样的创作方式 今天的视频都会一步一步展示给你 这个预览声音它的声化不同步 这个没有关系 生成之后它就会同步了 这个按钮选择你要不要在视频当中显示字幕 需要字幕的话你就勾上 不需要字幕你就把它关闭 设置好之后我们点击生成 现在它已经在生成过程当中 我们点击这里可以查看 我们点击左侧的素材库选项 这里是所有你生成的作品全部在这里 这个就是我们刚刚生成的AI数字人 我们来看一下效果 如果你想制作一个会说话的AI虚拟主播 让他每天自动生成短视频 或者只需要上传一张图片 就能生成类似商业广告的动态视频 甚至想探索AI电影 AI动画这样的创作方式 今天的视频都会一步一步展示给你 视频很自然 口型同步效果非常好 现在你无需出镜 就可以开启自己的短视频之旅了 如果你是电商卖家 企业营销人员 你可以通过这个工具 制作专业级的广告视频 下面我来演示 如何制作数字人广告 我们点击这个工具选项 选择商品数字人 在这里上传一张你的商品图片 点击这里选择一个数字人 我选择这个 点击添加 然后点击生成 这里呢它会先生成四张手持商品的图片 我们稍等一下看看它的图片效果 好 生成完成 可以看到这里生成了四张手持商品的图片 选择你喜欢的那张图片 我们点击生成动画 好 动画已经生成 可以看到它又生成了四个动画 这些动画呢是没有声音的 我们需要给它添加画外音 选择你喜欢的那个动画 我们点击下面的添加画外音 在这里你可以输入你的脚本文案 也可以上传录制好的音频 在这里我给他一段口播文案 声音这里呢我们选择一个声音 选择这个 点击保存
本次執行流程與問題處理
下達指令
預期流程
- 下載與語音辨識
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：52.0 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：37.5 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.5 秒
關係：依序執行
結果：完成
4. 句子密度平衡
工具：videonote_balance_sentence_units.py
處理：平衡句子長度與密度
產出：sentence_units.json（句子單元）
耗時：0.5 秒
關係：依序執行
結果：完成
5. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.6 秒
關係：依序執行
結果：完成
6. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.6 秒
關係：依序執行
結果：完成
7. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.6 秒
關係：依序執行
結果：完成
8. 逐字稿交叉檢查
工具：videonote_cross_check_transcript.py
處理：交叉檢查逐字稿與來源字幕
產出：transcript_crosscheck_report.json（交叉檢查）
耗時：0.7 秒
關係：依序執行
結果：完成
9. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.7 秒
關係：依序執行
結果：完成
10. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：110.8 秒
關係：依序執行
結果：完成
11. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.9 秒
關係：依序執行
結果：完成
12. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：1.0 秒
關係：依序執行
結果：完成
手動來源字幕
- 尚未產生
自動來源字幕
Whisper 字幕
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 全文快速校讀：已套用暫定修正，請確認
segment=19 已先套用暫定修正：包括Sedence → 包括Seedance；segment=20 已先套用暫定修正：Groke → Grok；segment=21 已先套用暫定修正：甚至Solar级别的能力 → 甚至Solar級別的能力；segment=76 已先套用暫定修正：我已经成立成一个文档 → 我已經整理成一個文檔；segment=21 待確認：'Solar'在AI視頻領域非主流模型名稱，可能為'Sora'或'Sunao'等之誤聽，但暫無法確定具體指代，保留原音並修正語法。；暫定：甚至Solar級別的能力；segment=216 待確認：'View'應為'Veo'，'Groke'應為'Grok'，'Clean'可能為特定模型名稱或誤聽，暫保留但修正明顯錯誤。；暫定：Veo 3.1, Grok, Seedance, Clean；segment=311 待確認：前文272行提及工具，此處'CREAD'可能為特定工具名稱（如Creado或類似）或'Create'頁面之誤聽，暫保留。；暫定：CREAD頁面
- 逐字稿可先使用，但有待校正清單
segment=4 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=21 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=216 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=311 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。