关键是要适配慢语速的“留白感”：先用Audacity判断是结构化停顿还是无效慢速；再用时间戳或SRT手动分镜；关闭智能延展画面，设单镜最小2秒、启用留白优先、数据句改静态图文；字幕仅用淡入悬停淡出，悬停时长=语音时长+1秒。
☞☞☞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☜☜☜
想用花生AI把语速很慢的口播录音做成视频，关键不是硬调语速，而是让画面节奏、字幕停留和分镜时长全部适配这种“留白感”——否则AI会强行拉伸画面或切出大量空镜，导致信息密度塌陷。
先确认音频是否真“慢”，还是只是停顿多
打开音频用Audacity或系统自带录音机粗略听一遍：如果每句话后都有1.5秒以上静音，且句内语速均匀（非拖沓），那属于【结构化停顿】，可直接进下一步；如果整段音频波形平缓、能量值低、字与字之间黏连无力，则属于无效慢速，需重录或用Adobe Audition做“语音增强+节奏重塑”，花生AI无法挽救这类底噪大、动态弱的干音。
这一步跳过会导致后续所有分镜错位——AI按能量阈值切句，静音过长会被误判为句尾，把一句拆成三段。
上传前手动切分镜并标注时长
方法一：用文本标注法（推荐给3分钟以内音频）
把口播稿逐句整理成带时间戳的列表，格式为「[00:00]第一句」「[00:03.2]第二句」……注意标出所有自然停顿点，哪怕只有0.8秒。上传时选择「按时间戳分镜」模式，而非默认的「自动语义切分」。
方法二：导出SRT字幕文件再上传（适合5分钟以上）
用剪映或CapCut导入音频→自动生成字幕→手动调整每行字幕的入点与出点，确保每行对应一个完整语义单元，并预留至少1.2秒空白；导出为.srt→在花生AI上传页选择「字幕驱动成片」。
【必须关闭“智能延展画面”开关】，否则AI会把2秒停顿自动匹配3秒空镜头，画面悬浮无支撑。
画面匹配阶段锁定“呼吸感”参数
第一步：进入「画面匹配设置」→将「单镜最小持续时间」设为【2.0秒】，避免AI塞入0.5秒闪图干扰节奏。
第二步：在「视觉风格」中勾选「留白优先」→系统会主动避开快切MG动画，倾向使用缓慢推镜、渐变蒙版、微缩景深类素材。
第三步：对含数据/年份的句子，手动点击该分镜→选择「静态图文」模板→上传本地PNG图表，防止AI生成的动态图表抢走慢语速本该营造的沉思氛围。
这三步做完，画面就不再“追着声音跑”，而是“托着声音走”。
字幕动画只用“淡入+悬停+淡出”三段式
进入字幕编辑页，批量选中所有字幕条→右键→「动画模板」→选「呼吸式」。
手动修改每条字幕的「悬停时长」= 原句语音时长 + 1.0秒，例如语音读了4.3秒，字幕就挂5.3秒。
禁用所有描边、弹跳、打字机效果——慢语速下这些动效会显得焦躁，与声音气质冲突。
