讯飞智作可通过下载带时间戳的SRT字幕文件，结合音频时间轴锚定+手动打点实现图片与AI配音精准同步；SRT中“-->”右侧时间为图片切换点，需在PPT、剪映或讯飞PC客户端中依此设置每张图的起止显示时刻。
☞☞☞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☜☜☜
你需要让PPT课件、教学图集或产品展示图的翻页节奏严丝合缝地匹配AI配音语速，避免画面静止过久或切得太急导致观众听看脱节，讯飞智作本身不直接支持“图片自动切片”，但可通过音频时间轴锚定+手动打点方式实现精准同步。
网页端导出带时间戳的配音音频
打开讯飞智作官网（https://zuofei.xunfei.cn），用手机号或微信登录。
点击顶部【讯飞配音】→粘贴文案→选择发音人（如“聆飞远”）→将语速设为75、语调60、音量增益0→点击【立即合成】。
合成完成后进入结果页，【务必点击右上角“下载带时间戳的SRT字幕文件”】，该文件包含每句话起始毫秒值，是后续对齐图片的核心依据；若漏下这步，后续所有手动切图都失去时间基准。
下载MP3音频和同名SRT文件到同一文件夹，保持命名一致（如“山水画课件.mp3”和“山水画课件.srt”）。
用SRT时间码确定每张图的显示起止点
用记事本或VS Code打开SRT文件，你会看到类似这样的结构：
1
00:00:00,000 --> 00:00:02,340
北宋范宽以《溪山行旅图》开创全景式山水构图……
2
00:00:02,340 --> 00:00:05,680
画中主峰巍然矗立，飞瀑自崖顶奔涌而下……
每一组数字代表一句配音的精确起止时间（格式为时:分:秒,毫秒）。
第一张图应从00:00:00,000开始显示，直到第二句开始前即00:00:02,340结束；第二张图从00:00:02,340显示至00:00:05,680——以此类推，【图片切换点严格落在SRT中“-->”右侧时间上，而非左侧】，否则会提前闪动或卡顿。
在PPT或剪映中按时间码插入图片
方法一：PowerPoint手动对齐
新建空白PPT→每页插入一张对应图片→选中第一页→切换到【动画】选项卡→点击【添加动画】→选择“出现”→在【计时】组中设置“开始”为“单击时”，再点【触发器】→选择“在单击下列对象时启动效果”→勾选“播放声音”，并指定为刚下载的MP3文件→重复此操作为每页设置不同触发时间点，需借助SRT中的毫秒值换算成秒数后填入“延迟”框（如00:00:02,340 = 2.34秒）。
方法二：剪映专业版自动切帧
导入MP3音频到时间轴→点击音频轨道右键→选择【智能拆分】→剪映会按语音停顿自动切出片段→逐段拖入对应图片到视频轨道，使图片入点与音频片段起始帧完全重合→导出时勾选“匹配音频节奏”即可。
方法三：讯飞智作PC客户端直连（仅限已购高级版）
安装Windows客户端→登录账号→点击左侧【AI演播室】→上传SRT字幕文件+MP3音频→点击【导入图片序列】→按SRT行号顺序放入JPG/PNG图片→系统自动将每张图绑定至对应时间区间→点击【生成视频】，输出即含帧级同步的口播图集。
