智谱清影当前不支持直接添加自定义旁白，但可通过三种方式实现：一、利用内置ai音效与智能配乐间接模拟旁白；二、导出视频后用剪映等工具叠加tts语音并精准对齐；三、通过api调用外部tts服务结合ffmpeg自动合成音画。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用智谱清影生成视频时希望加入语音旁白，当前工具不直接支持用户自定义录入或合成旁白文本后自动同步至视频轨道。以下是实现带旁白视频的多种可行方法：
一、利用清影内置AI音效与智能配乐功能辅助构建听觉层次
清影2.0版本已集成AI音效生成功能，虽未开放独立旁白语音合成模块，但可通过音效与背景音乐的语义匹配，间接强化叙事表达。该方式适用于对旁白精度要求不高、侧重氛围渲染的场景。
1、在清影界面选择“文生视频”或“图生视频”模式；
2、输入描述时，在Prompt末尾明确添加声音意图，例如：“画面中一位教师讲解物理公式，同步播放清晰温和的男声讲解音效”；
3、生成前于参数设置中开启“智能配乐”，并选择“教育/解说”类情绪标签；
4、生成完成后，在预览阶段注意听辨AI是否触发了语音质感较强的音效片段。
二、导出视频后使用第三方工具叠加TTS旁白
该方法可完全控制旁白内容、语速、语调及时间轴对齐，是目前最稳定、高自由度的实现路径。需确保导出视频为无水印MP4格式，并保留足够音频轨空间。
1、在智谱清言App中完成视频生成，点击“导出”并选择H.264编码、无压缩MP4格式保存至本地相册；
2、打开支持字幕与语音轨分离的剪辑工具（如剪映专业版、CapCut桌面端或Audacity+DaVinci Resolve组合）；
3、导入视频，在音频轨上删除原生配乐（若存在），新建语音轨；
4、使用工具内置TTS功能输入旁白文本，选择中文普通话发音人，设置语速为每分钟180–220字以匹配画面节奏；
5、手动拖动语音片段，使关键句与对应画面动作严格同步。
三、通过清影API接入外部TTS服务实现端到端流程
面向开发者或批量处理需求用户，可调用清影开放API生成基础视频，再调用独立TTS API（如Azure Cognitive Services Text-to-Speech或火山引擎语音合成）生成语音流，最后用FFmpeg命令行完成音画合成。此方案需编程基础，但可规避人工剪辑环节。
1、向bigmodel.cn平台申请清影API密钥，调用/v2/video/text-to-video接口生成视频URL；
2、同时调用TTS服务API，传入旁白脚本，获取返回的WAV音频流地址；
3、执行FFmpeg命令：ffmpeg -i [video_url] -i [tts_wav_url] -c:v copy -c:a aac -strict experimental -shortest output.mp4；
4、确认输出文件中语音与画面时序误差不超过±0.3秒，否则需在TTS请求中添加SSML标记调整停顿。
