AutoVoiceover 是一款 Windows 视频自动解说软件：选一段视频，软件看懂画面、听懂原声，按你选的文风写出一份解说旁白稿；你在列表里逐句修改，选好声线后自动配音，和原声混在一起导出成 MP4 和 SRT 字幕。适合旅行、探店、户外这类以画面为主、想补一条解说的视频。

1. 三步完成：选视频 → 生成旁白 → 配音导出
2. 解说密度四档可调，默认给画面留出空间
3. 24 种预设文风，也可以自己写文风
4. 旁白稿逐句可改，只重配改过的句子
5. 配音可选 ElevenLabs 或阿里云百炼声线
6. 导出 MP4 + SRT 字幕，可把字幕压进画面

从视频到成片

1. 选择视频：把视频拖进窗口，支持 MP4、MOV、MKV、AVI、WebM 等常见格式。
2. 生成旁白：选好解说密度和文风，软件看画面、听原声，写出一份旁白稿。
3. 逐句修改：旁白稿按句列出，双击直接改；改完只重配改过的句子。
4. 配音导出：选声线、试听，自动配音并和原声混音，导出 MP4 和 SRT 字幕。

功能特点

1. 看画面，也听原声

原声的语音识别在本机完成（SenseVoice，用 CPU 运行，不需要独立显卡）；画面交给云端视觉模型逐段分析，默认使用千问（阿里云百炼）。

1. 解说密度四档可调

从「较高」到「最低」四档。默认「偏低」，解说大约占视频时长的两到三成，给画面和原声留出空间。

1. 24 种预设文风

分旅行户外、生活探店、知识讲解三组，例如「户外博主陪看」。也可以自己写文风并保存；还能加一句开场钩子，第一句就说清这期要干什么。

1. 两家配音服务

可选 ElevenLabs，或阿里云百炼的 88 个系统声线，选好可以先试听。打开「语气自动化」后，会按画面内容自动给句子加情绪。

1. 混音导出 MP4 + SRT

旁白和原声混在一起，说话时原声自动压低。导出 MP4 视频和 SRT 字幕，也可以把旁白字幕压进画面，并选择导出分辨率和画质。

1. 不重复花钱

每句配音都会缓存，重新配音只生成改过的句子。额度用完或 Key 出错中断后，点「继续」只补做没完成的部分。

系统要求

1. Windows 10 / 11，64 位（Windows 10 1607 及以上）
2. 不需要独立显卡，语音识别用 CPU 运行
3. 需要联网：画面分析、写稿和配音在云端完成
4. 需要你自己的阿里云百炼 API Key；用 ElevenLabs 配音需另填 ElevenLabs Key，费用按各家规则结算
5. 安装包约 251 MB，按用户安装，不需要管理员权限

使用须知

1. 旁白稿由大模型生成，每次措辞都会不同，质量比不上人工精修，建议生成后逐句过一遍再配音。
2. 偶尔会把画面里招牌上的店名念出来，可以在旁白稿里直接删改。
3. 云端费用和耗时随视频长度增加，长视频建议先用一小段试试。

数据与隐私

原声的语音识别在你的电脑上完成。分析画面时，视频片段会上传给你选择的视觉模型服务；写稿的文字发给阿里云百炼；旁白文字发给你选的配音服务生成语音。这些服务都使用你自己的 API Key，按各家的规则处理数据和计费。

API Key 加密保存在本机。激活时只发送设备的哈希标识。卸载软件不会删除你导出的视频。

适合人群

1. 旅行与户外博主
2. 探店与生活记录
3. 知识讲解视频
4. 短视频批量出片