工业5.0 场景实训视频 · 智能体工场

第 1 步 · 准备配音（脚本 + 语音）

本页只负责视频渲染。脚本编辑与音频合成统一走 对话配音 页 —— 那边有双角色、参考音频克隆、试听与历史记录。
在这里贴上它给你的一句话即可继续。（也可以直接手写台词，效果一样。）

实训主题 *

配音语言

目标时长档位

场景脚本 *

逐行对话（角色名：台词，无冒号按旁白）或粘贴 JSON 数组（[{"role":"操作员","text":"台词"}]）。最多 2 个说话人，单次上限 100 句 / 20000 字。

成片方式 *

图片轮播推荐

选 1~30 张图，按音频时长自动均分轮播，本地一步合成硬字幕。
几十秒出片，不消耗信用点；不需要口型对齐时用这个。

数字人口播

单张形象照 + 音频 → 云端口型对齐，人物真的会说话。
1 点/秒；单段最长约 3 分钟，超长自动分段拼接。

轮播画面 *

按点击顺序依次播放，图上的数字就是它在视频里出现的次序；再点一次可取消。图片显示时长 = 音频总时长 ÷ 图片张数，自动计算。

正在加载形象…

配音来源 *

在「对话配音」页完成合成后，把结果里的音频地址粘到下面；也可以直接从本机选文件上传，或从你的配音记录里挑一条。

已合成音频地址 *

字幕文件（图片轮播时推荐填写）

上传 srt / ass / vtt，图片轮播路线会把它硬烧进画面（时间轴以你上传的为准，最准）。留空则由系统自己识别语音生成字幕。 数字人口播路线下只作配套文件登记、不烧录。

字幕字体（仅图片轮播烧录字幕时生效）

艾智语途 · 字幕效果预览正在读取字体清单…

字体取自服务器已安装字体，成片里的字幕就是这里选的样子。选「微软雅黑」最稳妥；投大屏或需要更醒目时用黑体；语文/人文类课程可用楷体或思源宋体。

系统按「文案 → 语音 → 剪辑」顺序执行，中途设有确认节点。每 5 秒自动刷新一次，页面可随时关闭。

① 文案 · 整理实训讲稿等待中

② 语音 · 准备配音音轨等待中

③ 剪辑 · 渲染视频等待中

填写作品信息后发布：成片登记到作品库（VideoGenWorks），讲稿同步到知识库（RAG 检索生效）。发布后可在「我的作品」中查看。

作品标题 *

课程代号

讲师姓名

可见性

讲稿内容（用于知识库同步，可留空）