AutoVoiceover 系一款 Windows 视频自动解说软件：选一段视频，软件看懂画面、听懂原先声，跟住你拣嘅文风写出一份解说旁白稿；你喺表度逐句修改，选好声线后自动配音，同原先声行埋一齐导出成 MP 4 同 SRT 幕。啱旅行、探铺头、户外呢类以画面为主、想补一条解说嘅视频。

1. 三步完成：选视频→建置旁白→配音导出
2. 解说密度四波可调，预设畀画面留出空间
3. 24 种预设文风，都可以自己写文风
4. 旁白稿逐句可改，只重衬改过句句子
5. 配音可选 ElevenLabs 或者阿里云百炼声线
6. 导出 MP 4 + SRT 幕，可将字幕责入画面

从视频到成片

1. 拣视频：将视频拖入窗口，支持 MP 4、MOV、MKV、AVI、WebM 等常见格式。
2. 建置旁白：选好解说密度同文风，软件睇画面、听原先声，写出一份旁白稿。
3. 逐句修改：旁白稿按句列出，轻按两下直接改；改完只重衬改过句句子。
4. 配音导出：选声线、试听，自动配音并同原先声混音，导出 MP 4 同 SRT 幕。

功能特点

1. 睇画面，都听原先声

原先声嘅语音识别喺本机完成（SenseVoice，用 CPU 运行，唔需要独立显示卡）；画面交畀云端视觉模型逐段分析，预设使用千问（阿里云百炼）。

1. 解说密度四波可调

从「较高」到「最低」四波。预设「偏低」，解说大约霸视频时长嘅两到三成，畀画面同原先声留出空间。

1. 24 种预设文风

分旅行户外、生活探铺头、学识讲解三组，例如「户外博主陪睇」。都可以自己写文风并保存；重加一句开场钩，第一句就话清呢期要做咩呀。

1. 两家配音服务

可选 ElevenLabs，或者阿里云百炼嘅 88 个系统声线，选好可以先试听。打开「语气自动化」之后，会按画面内容自动畀句加情绪。

1. 混音导出 MP 4 + SRT

旁白同原先声行埋一齐，讲嘢嗰阵原先声自动踩低。导出 MP 4 视频同 SRT 幕，都可以将旁白字幕责入画面，并选择导出分辩率同画质。

1. 唔重复洗钱

每句配音都会缓存，重新配音只建置改过句句子。额度用或者 Key 出错中断后，啲「继续」只补做冇完成嘅地方。

系统要求

1. Windows 10 / 11，64 位（Windows 10 1607 同以上）
2. 唔需要独立显示卡，语音识别用 CPU 运行
3. 要联网：画面分析、写稿同配音喺云端完成
4. 要你自己嘅阿里云百炼 API Key；用 ElevenLabs 配音使另填 ElevenLabs Key，使用按各家规则埋数
5. 安装包约 251 MB，跟住用户安装，唔需要管理员权限

使用须知

1. 旁白稿由大模型建置，次次措辞都会有唔同，质量唔够人工精修，建议建置后逐句过一次再配音。
2. 时不时会将画面度招牌上嘅店名读出嚟，可以喺旁白稿度直接删改。
3. 云端使费同耗时随视频长度增加，长视频建议先用一小段试。

资料与私隐

原先声嘅语音识别喺你个电脑上完成。分析画面时，视频片段会上载畀你拣嘅视觉模型服务；写稿嘅文字派阿里云百炼；旁白文字派你拣嘅配音服务建置语音。呢啲服务都使用自己嘅 API Key，跟住各家嘅规则处理资料同计费。

API Key 加密摆喺本机。启动嘅时候只发送设备嘅哈希标志。解除安装软件唔会删除你导出嘅视频。

啱人群

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