必须先生成画面再录旁白，因可灵ai不支持音画同步驱动，无法根据音频反向生成匹配口型、动作的视频，且单镜头时长受限（文生视频约5秒、图生视频建议≤8秒），提前录音会导致画面与语音严重错位。
☞☞☞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☜☜☜
可灵AI短视频制作中，必须先生成画面再录旁白，否则画面节奏、人物口型、镜头时长都会与语音严重错位，剪辑时会反复删帧、拉伸音频或强行切镜，最终导致成片卡顿、情绪断裂、信息传达失效。
为什么不能先录旁白
可灵AI不支持音画同步驱动——它无法根据已有音频反向生成匹配口型、动作和情绪的视频。你若先录3秒旁白，再喂给可灵生成“人物张嘴说话”的画面，大概率产出的是闭嘴微笑、侧脸转头或眼神放空的废片；即使生成成功，角色嘴型也与实际发音完全不对应，观众一眼就能察觉虚假感。
更关键的是，可灵对单镜头时长有隐性约束：文生视频默认输出5秒左右，图生视频建议控制在8秒内；而人声旁白语速浮动大，一句“这款产品能提升30%效率”快读2.1秒，慢读可能达4.7秒——提前录音等于把画面生成框死在不可控的时间格子里。
正确操作路径：画面先行，旁白后置
第一步：用可灵生成主画面序列，每段严格按分镜表控制时长（如“女主推门进办公室”固定为6秒，“特写电脑屏幕弹出通知”固定为4秒）。
第二步：导出全部画面片段，在剪映时间线上排好顺序，标出每段精确起止帧（例如第1段0:00–0:06，第2段0:06–0:10）。
第三步：打开剪映文本朗读功能，逐段输入旁白文案，选择音色后点击“生成”，系统自动按当前片段时长适配语速并输出音频轨——【这一步必须在画面轨道已锁定的前提下进行】。
第四步：拖动生成的音频轨与对应画面轨道对齐，检查口型是否自然（若需微调，仅允许±0.3秒内偏移，超出即重生成该段画面）。
特殊情况处理：需要真人出镜口播怎么办
方法一：用剪映“数字人”替代——输入文案→选形象→生成带口型动画的数字人视频，再导入可灵作为“画面素材”参与合成，全程无需真实录音。
方法二：实拍口播+可灵补空镜——先用手机横屏录制本人口播（注意打光、收音、背景干净），导出后用剪映“智能抠像”去背，再将人物层叠在可灵生成的场景画面上；此时可灵画面只需承担环境、道具、转场等非主体任务，不再需要匹配口型。
注意：若坚持用真实录音+可灵画面双轨合成，必须在录音时用节拍器控制语速，每句话严格卡在预设秒数内（如统一3.0±0.2秒），否则后期无法对齐。
