口播视频怎么剪成短视频:一条长录像拆出好几条能单独发的片段
一条四十分钟的口播视频,往往能拆出十来条短视频,前提是拍的时候给裁切留好位置,剪的时候按完整的一段意思下刀。机位怎么摆才不怕竖屏裁切,哪些片段能单独成立,字幕和封面怎么处理,这里用一个假设的自由职业报价口播为例按顺序讲,顺带算一算不同竖屏比例各能保留多少画面宽度。
假设你周日下午对着镜头讲了四十分钟,主题是自由职业怎么报价。没有嘉宾,没有空镜,只有你、一盏灯和一只领夹麦。周一长视频传上去了,心里想着“再剪几条短视频”;到了周五还是只停在想法上,因为对着自己的脸来回拖四十分钟进度条找好片段,又慢又别扭。口播视频是最容易拍的形式之一,也是手动剪短时最磨人的形式之一。
口播视频为什么适合拆成短片
口播的全部内容都在话里。没有需要跟的画面动作,也没有第二个人需要来回切,一个片段讲得通就是讲得通,讲不通就是讲不通。这正适合从转写稿出发去挑片段。ToClips 会先把上传的录像转写成带逐词时间戳的文字,再通读整份转写稿,提出候选片段,每一条都带起止时间、一段引用原话的选择理由,还有用来排序的分数。
同样的特点也是它的短处。如果你举起一个产品、指着白板,或者说一句“大家看这里”,画面上发生的事转写稿并不知道。只靠画面才成立的片段会被漏掉,那些只能你自己去找。
拍的时候就给竖屏裁切留好位置
口播长视频大多按 16:9 拍,短视频却大多按 9:16 发。ToClips 从原画面的中间填满目标画幅:等比放大,再把多出来的部分裁掉,没有说话人跟踪。人坐在画面正中,这样做正合适;人不在中间,就会悄悄出问题。
这笔账值得算一次。从同样高度的 16:9 画面裁出 9:16,只保留大约百分之三十一点六的宽度,也就是从左往右大约百分之三十四到百分之六十六这一条。很多人拍长视频时喜欢坐在左侧三分线上,大约百分之三十三的位置,画面更有电影感。裁成 9:16 以后,脸正好落在边缘,半张脸出了画。4:5 保留百分之四十五的宽度,3:4 大约保留百分之四十二,人还在画面里,只是靠边。所以,确定要出竖屏,就坐在正中;已经偏着拍了,那几条就留在 16:9,或者换一个宽一点的比例。可选的尺寸可以在画幅转换页面看到。
什么样的片段能单独成立
好的片段是一段完整的意思,开头几秒就给人一个看下去的理由。放在独白里,常见的是三种:一个你接着就回答的问题,一个你先讲出来再讲怎么改的错误,一个乍听不对、解释完才明白的观点。铺垫太长、“刚才说过”、引用十分钟前的某个论点,这些都会让片段像是从一大段里硬抠出来的。
你可以在需求描述里写清楚想要什么,比如“刚入行的自由职业者今天就能用上的报价建议,每条三十到六十秒”。每条候选都会带标题、开头钩子文案、带话题标签的文案和封面文字。分数只当排序看,别当成定论。先看排在前面的几条,如果某一刀起得晚了半拍,或者话没说完就断了,在单条编辑项目里加载原始录像,按候选的时间范围设置并调整起止点,再重新渲染。
手机屏幕上的一张脸,需要字幕
很多人刷短视频时是静音的,没有字幕的口播,看上去就是一张脸在动嘴。ToClips 可以把字幕烧录进画面,有简洁、粗体和卡拉 OK 三种样式;卡拉 OK 是黄色的粗体,不是逐字高亮。字幕跟着原话的语言走,中文或英文,每条成片另带自己的 SRT 字幕;下载包里的完整源视频转写提供 SRT 和 VTT,但完整转写的时间轴不能直接当作某条短片的字幕使用。拿不准用哪一种文件,可以看看 SRT 和 VTT 的区别。
发布之前先看一遍转写稿和成片字幕。语音识别容易听错人名、品牌和行业术语,烧录进去以后,每一份成片都会带着这个错。在单条精修的编辑器里可以直接改字幕文字,再重新渲染。
一次录制,几种发法
一个作业最多可以上传 20 段素材,一周录的几条短口播可以一起放进去。你设定目标条数,从五种画幅里选一种或几种,再选一个平台预设,比如小红书或抖音;预设也决定了封面尺寸,小红书是 3:4、1080×1440。每条成片都配一张 JPG 封面,zip 下载包中另有 video-result.json,写明每条在原片里的时间范围、选择理由和排序分数。分数不是经过校准的质量概率。想拿自己的录像试一试,可以从长视频转短视频开始。
诚实说明:目前做不到什么
ToClips 需要你上传录像文件,不支持链接导入;挑选片段依据的是转写稿里的语音,只靠手势或画面里的物品表达的内容可能会被漏掉。竖屏和方形画幅从画面中间裁切,没有说话人跟踪,字幕也不做翻译。只有五个真实工具:AI 视频切片、自动字幕、画幅转换、播客切片和长视频转短视频——没有完整的非线性视频编辑器。另外,批量模式每个任务最多 200 条,画幅固定为五种(9:16、3:4、1:1、16:9、4:5),不支持任意自定义比例。 精修批量结果时,需要另开单条编辑项目,加载原始录像,按下载清单里的源时间范围设置起止点,并添加或修正字幕条目。批量画廊不会自动把成片和字幕导入编辑器。
常见问题
口播视频是什么样的视频?
口播视频就是一个人直接对着镜头讲话,通常拍到胸口以上,很少或者完全不用空镜和其他画面。知识讲解、观点评论、课程录制和博主的日常分享,很多都是用这种形式拍的。
以后想剪竖屏,口播视频应该怎么构图?
在 16:9 的画面里坐在正中间。从中间裁成 9:16 只保留大约三分之一的宽度,如果人坐在左侧或右侧的三分线上,裁出来的竖屏里人就会贴着边缘,甚至有一部分被裁出画面。
从口播视频里剪出的片段多长合适?
能讲完一段完整的意思就够了,不必更长。不少创作者会控制在三十到六十秒左右,但合适的长度取决于这个观点需要多少时间。可以在需求描述里写明时长范围,让候选片段尽量贴近。
我在画面里走动,ToClips 能跟着我裁吗?
不能。竖屏和方形版本都是从原画面中间裁切,没有说话人跟踪。如果你经常走动或者坐得偏,那几条最好保留 16:9,或者先在自己的剪辑软件里调整好构图再上传。
口播短视频一定要加字幕吗?
字幕能帮助静音观看的人理解内容。烧录字幕直接显示在画面里,每条短片还提供 SRT 文件,适合支持字幕上传的平台。完整源视频的 SRT/VTT 转写使用另一条时间轴,不能直接当成短片字幕上传。