AutoVoiceover 是一款 Windows 視頻自動解說軟件：選一段視頻，軟件看懂畫面、聽懂原聲，按你選的文風寫出一份解說旁白稿； 你在清單裏逐句修改，選好聲線後自動配音，和原聲混在一起匯出成 MP 4 和 SRT 字幕。 適合旅行、探店、戶外這類以畫面為主、想補一條解說的視頻。

1. 三步完成：選視頻→生成旁白→配音匯出
2. 解說密度四檔可調，默認給畫面留出空間
3. 24 種預設文風，也可以自己寫文風
4. 旁白稿逐句可改，只重配改過的句子
5. 配音可選 ElevenLabs 或阿裡雲百煉聲線
6. 匯出 MP 4 + SRT 字幕，可把字幕壓進畫面

從視頻到成片

1. 選擇視頻：把視頻拖進視窗，支持 MP 4、MOV、MKV、AVI、WebM 等常見格式。
2. 生成旁白：選好解說密度和文風，軟件看畫面、聽原聲，寫出一份旁白稿。
3. 逐句修改：旁白稿按句列出，按兩下直接改； 改完只重配改過的句子。
4. 配音匯出：選聲線、試聽，自動配音並和原聲混音，匯出 MP 4 和 SRT 字幕。

功能特點

1. 看畫面，也聽原聲

原聲的語音辨識在本機完成（SenseVoice，用 CPU 運行，不需要獨立顯卡）； 畫面交給雲端視覺模型逐段分析，默認使用千問（阿裡雲百煉）。

1. 解說密度四檔可調

從「較高」到「最低」四檔。 默認「偏低」，解說大約占視頻時長的兩到三成，給畫面和原聲留出空間。

1. 24 種預設文風

分旅行戶外、生活探店、知識講解三組，例如「戶外博主陪看」。 也可以自己寫文風並保存； 還能加一句開場鉤子，第一句就說清這期要幹什麼。

1. 兩家配音服務

可選 ElevenLabs，或阿裡雲百煉的 88 個系統聲線，選好可以先試聽。 打開「語氣自動化」後，會按畫面內容自動給句子加情緒。

1. 混音匯出 MP 4 + SRT

旁白和原聲混在一起，說話時原聲自動壓低。 匯出 MP 4 視頻和 SRT 字幕，也可以把旁白字幕壓進畫面，並選擇匯出分辯率和畫質。

1. 不重複花錢

每句配音都會緩存，重新配音只生成改過的句子。 額度用完或 Key 出錯中斷後，點「繼續」只補做沒完成的部分。

系統要求

1. Windows 10 / 11， 64 比特（Windows 10 1607 及以上）
2. 不需要獨立顯卡，語音辨識用 CPU 運行
3. 需要聯網：畫面分析、寫稿和配音在雲端完成
4. 需要你自己的阿裡雲百煉 API Key； 用 ElevenLabs 配音需另填 ElevenLabs Key，費用按各家規則結算
5. 安裝包約 251 MB，按用戶安裝，不需要管理員許可權

使用須知

1. 旁白稿由大模型生成，每次措辭都會不同，質量比不上人工精修，建議生成後逐句過一遍再配音。
2. 偶爾會把畫面裏招牌上的店名念出來，可以在旁白稿裏直接删改。
3. 雲端費用和耗時隨視頻長度新增，長視頻建議先用一小段試試。

數據與隱私

原聲的語音辨識在你的電腦上完成。 分析畫面時，視頻片段會上傳給你選擇的視覺模型服務； 寫稿的文字發給阿裡雲百煉； 旁白文字發給你選的配音服務生成語音。 這些服務都使用你自己的 API Key，按各家的規則處理數據和計費。

API Key 加密保存在本機。 啟動時只發送設備的雜湊標識。 卸載軟件不會删除你匯出的視頻。

適合人群

1. 旅行與戶外博主
2. 探店與生活記錄
3. 知識講解視頻
4. 短視頻批量出片