用花生AI将30分钟访谈录音转为B站风格视频的关键是：先用Audacity或剪映清理音频并导出为单声道WAV（44100Hz/16bit），再上传至花生AI进行语义分镜、模板匹配或逐镜设定画面、克隆音色配音、人工校对字幕断句，最后导出1080P MP4。
☞☞☞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☜☜☜
把一段30分钟的访谈录音快速变成带字幕、有画面、音色统一的B站风格视频，关键不是堆时间找素材，而是让花生AI把音频当主干来解析——它不靠猜画面，而是按语义切分镜、挂元素、对时间轴。
上传前先清理音频
用Audacity或剪映PC版打开访谈录音，删掉开场寒暄、重复口误、长时间停顿。保留干净干音，时长控制在25分钟以内。
导出为单声道WAV格式，采样率44100Hz，位深度16bit。这一步不能跳——【花生AI对MP3压缩音频的字幕识别准确率会下降12%～18%，尤其在多人交叉对话场景】。
文件名别用中文或空格，改用“interview_zhangli_20261030.wav”这类命名。
在花生AI中创建音频驱动项目
打开 https://www.huasheng.cn ，用B站账号登录 → 点击「新建项目」→ 选择「音频生成视频」→ 拖入已处理好的WAV文件。
等待解析完成（通常需40～90秒），页面自动跳转到分镜编辑页。此时你看到的不是时间线，而是一组组带时间戳的语义块，例如：“[00:42-01:15] ‘当时考古队在二号坑发现三件青铜尊，器型完整，纹饰清晰’”。
花生AI默认按语义切分，不是按停顿硬切。如果某段话被错误合并（比如把两个受访人观点混成一句），直接点击该分镜块右上角的剪刀图标手动拆分。
批量指定画面类型与关键字段
方法一：全局模板匹配
点击顶部「画面设置」→ 选择「历史纪实」模板 → 开启「MG动画优先」→ 勾选「数字/年份自动高亮」。系统会为含数字、朝代、地名的分镜自动套用时间轴、地图动效或文物线图。
方法二：逐分镜精准控制
找到含具体数据的分镜，例如“[03:22-03:51] ‘碳十四测年结果为公元前1046±23年’”，点击该分镜右侧「编辑画面」→ 类型选「数据卡片」→ 在「可编辑字段」里填入：年份=公元前1046年，误差=±23年，检测方式=碳十四。这样生成的画面里，这两个数值就是文本字段，不是像素画出来的，后期能双击修改。
【必须手动填写“可编辑字段”，否则年份和误差会随帧漂移，导致前后镜头数据不一致】
方法三：混用本地素材
若你手头有访谈对象的工作照、现场发掘图、文物特写，提前上传至花生AI「我的素材」→ 解析完成后，在对应分镜点击「替换画面」→ 从本地素材库拖入图片。系统会自动适配时长并加淡入淡出。
音色统一与字幕精修
第一步：启用克隆音色
在「配音设置」中，选择「音色克隆」→ 点击「上传样本」→ 上传一段10秒无背景音的受访者原声（如“我觉得这个发现改变了我们对西周礼制的理解”）→ 等待生成完成，命名保存为“张教授_克隆音色”。
第二步：分配音色角色
回到分镜列表，点击每个分镜左侧的麦克风图标 → 主访人分镜选“张教授_克隆音色”，主持人插话部分选内置音色“解说_沉稳男声”。花生AI支持单项目内混用最多3种音色，且自动做音量平衡。
第三步：校对字幕断句
播放预览时，遇到字幕换行突兀（如“青铜尊器型”被切成两行），暂停 → 点击字幕轨道上的文字 → 拖动蓝色断句点调整位置。不要依赖AI自动断句，历史类访谈专有名词多，人工微调10处就能提升可读性。
导出前锁定关键帧
① 播放全片，定位到所有含年份、数据、人名的分镜，逐一检查画面中该字段是否清晰可读、位置居中、字体未被遮挡。
② 打开「时间轴」视图，找到所有分镜切换点，确认相邻画面过渡为“淡入淡出”而非“缩放推进”——后者在访谈类内容中易造成视觉干扰。
③ 点击右上角「导出」→ 分辨率选1080P → 勾选「保留原始音频轨」→ 格式选MP4 → 开始渲染。
