AI 语音与视频：让声音和画面动起来

上一篇你学会了用 AI 搜资料。这一篇更进一层——声音和视频。

你可能刷到过这些：模仿明星声音的搞笑视频、老照片里的人"动"了起来、一段文字自动变成带配音的短视频。这些全是 AI 干的，而且你自己现在就能做。

🔑 本篇心法：文字 → 语音 → 视频，AI 把"内容生产"的门槛打到了地板上。你缺的从来不是设备，是方法。

语音类：让文字开口说话

文字转语音（TTS）

把你写的文字变成真人般的朗读，适合：短视频配音、有声笔记、给长辈读文章。

工具	特点
剪映（字節）	"文本朗读"功能，音色多，和剪辑一条龙，首选
魔音工坊	音色丰富，情感自然，配音圈常用
各家 AI App	豆包、通义都有"朗读"功能，点一下就读

✅ 操作就三步（剪映）：新建项目 → 输入/粘贴文字 → 点"文本朗读"挑个音色 → 导出。

声音克隆：复刻你自己的声音

上传几段你说话的录音，AI 就能学会你的音色——以后输入文字，就能用"你的声音"读出来。

正经用途：做自媒体的博主懒得反复录音；给家人录一段"专属语音助手"。

⚠️ 三条底线（重要）：

只克隆自己的声音；克隆别人的声音（哪怕开玩笔）都可能侵犯权益；

声音克隆正在被骗子利用——"孩子出事急需用钱"的电话，声音可能一模一样却不是你孩子。防骗方法第 9 章专讲；

用 AI 配音冒充真人发布误导内容，可能违规违法。

视频类：从一张图、一段字到一条片

文字生成视频

输入一段画面描述，AI 直接生成几秒的视频片段。

可灵 AI（快手）：国产效果第一梯队，免费额度够体验
即梦 AI（字节）：和画图一个平台，文字/图片都能生视频

✅ 提示词示例（沿用画图 5 件套 + 动作）：

一只橘猫趴在窗台上，微风轻轻吹动窗帘，樱花瓣飘落，
镜头缓慢向右平移，日系清新画风，阳光温暖，高清

（比画图提示词多了一样东西：镜头怎么动——"缓慢平移""逐渐拉近"。）

图生视频：让照片动起来

上传一张静态照片 + 一句动作描述，AI 让它动几秒。老照片里的人微笑点头，就是用它做的（第 7 章提过，配合修复效果绝佳）。

数字人口播

一个虚拟主播照着你的稿子"说"，口型和文字对得上。做产品介绍、知识口播很省事——不用出镜、不用收音。剪映"数字人"、各家平台都有，部分要付费。

三个立刻能上手的场景

场景一：短视频配音（最容易）

朋友圈 10 秒小视频、店铺宣传短片：

1. 手机拍好画面，导入剪映
2. "文本"→ 新建文本，把解说词打进去
3. 选中文字 → "文本朗读" → 挑个音色
4. 导出，完成

场景二：文章变视频

你有一篇公众号文章/一段产品介绍：

第 1 步：让 AI 把文章浓缩成 10 句解说词
        （"帮我把这篇文章改成 10 句的短视频口播稿"）
第 2 步：解说词 → 文本朗读 → 配音
第 3 步：配上文章里的图 / AI 生成的图（第 7 章的功夫用上）
第 4 步：剪映自动图文成片，微调后导出

场景三：老照片动起来

第 7 章 7.5 讲过：修复老照片 → 图生视频选"微笑/点头"模板 → 发家族群。这里不重复，只提醒一句：先修复，再让它动，效果差很多。

免费额度，够用吗？

类型	免费情况	建议
文字转语音	剪映基本功能免费	随便用
文生视频 / 图生视频	每天几次免费额度	够尝鲜；重度过瘾再付费
声音克隆	多数要付费或有次数限制	确认真需要再上
数字人	基础款免费/低价	试过再决定

原则依然是那句：免费够用就别急着付费。

本篇小结

🔑 配音用剪映文本朗读；动图用图生视频；克隆声音只克隆自己的。视频提示词 = 画图 5 件套 + 镜头运动。

下一篇讲一个更"颠覆"的东西：智能体（Agent）——不再是"你问它答"，而是你给个目标，它自己规划步骤把事办完。