文档中心

AI MediaKit

视频工具

解说视频生成

AI MediaKit 的解说视频生成工具，能够基于您提供的原始短剧视频和创作指令，一键生成带有 AI 配音和定制字幕的全新营销或解说类视频。您可以选择让 AI 自动创作解说文案，或使用自己的文本，并灵活配置配音音色、字幕样式、视觉包装等元素，高效地批量生产高质量的二次创作视频。

本篇开发指南将引导您：

理解解说视频生成的工作流程与核心优势。

快速上手，通过两步（剧本还原、解说生成）完成一个带 AI 配音和字幕的解说视频。

掌握如何通过各项参数，精细化地控制解说词、配音、字幕与视觉风格。

效果预览

通过解说视频生成工具，您可以将一组短剧视频作为输入，快速生成带有 AI 配音和解说字幕的二次创作视频。

输入的原始视频	输出的解说视频
Replay Play 00:00 / 02:39 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag Replay Play 00:00 / 01:28 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag	一个带 AI 配音的解说视频。擦除原字幕，并添加剧名、角标等视觉元素。 Replay Play 00:00 / 00:29 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

快速体验：生成一个 AI 解说视频

本节将演示如何通过“剧本还原”和“解说生成”两步，从多个原始视频快速生成一个使用 AI 自动创作解说词、并带有 AI 配音和字幕的解说视频。

准备工作

获取访问凭证：在开始之前，访问 AI MediaKit 控制台 API Key 管理页面，创建并获取 AI MediaKit API Key。

准备视频文件：准备一个或多个短剧视频，并将其上传至公网可访问的服务器或视频点播服务中，以获取可供 API 调用的 URL。为方便您快速测试，本文后续步骤的示例代码中提供了两个可直接使用的演示视频 URL。

操作流程

解说视频的生成是一个包含两个异步任务的流程，核心步骤如下：

提交剧本还原任务并获取剧本还原任务 ID：

调用 POST /api/v1/tools/drama-script，获得一个用于查询的 task_id。

轮询 GET /api/v1/tasks/{task_id} 直至任务完成，然后从响应的 result 字段中解析出 drama_script_task_id。

提交解说视频生成任务并获取最终结果：

调用 POST /api/v1/tools/drama-recap 并传入上一步获得的 drama_script_task_id，获得第二个用于查询的 task_id。

轮询 GET /api/v1/tasks/{task_id} 查询最终任务状态。任务完成后，从 result 字段中获取解说视频下载地址。

第 1 步：提交剧本还原任务

首先，调用提交剧本还原任务 API 对您的原始视频进行分析。可直接复制以下 cURL 命令提交剧本还原任务。

说明

将 {Your_API_Key} 替换为您的真实 API Key。

video_urls：示例中已提供可直接用于测试的演示视频 URL。您也可以将其替换为您自己的视频地址。

请求成功后，您会收到一个用于查询进度的 task_id（例如 amk-tool-drama-script-123456789）。

接下来，您需要使用此 task_id 轮询查询任务信息 API。当任务状态变为 completed 后，从响应的 result 字段中，找到并保存 drama_script_task_id 的值。这个值（例如 v03cd6g10067d8aotcchmjljad3qra7g）是下一步所需的剧本还原任务 ID。

成功完成的剧本还原任务响应示例如下：

第 2 步：提交解说视频生成任务

获取到上一步中的 drama_script_task_id 后，调用提交解说视频生成任务 API，并传入该 ID。以下示例将指示 AI 自动生成“悬疑风格”的解说词，并合成配音和字幕。

说明

将 {Your_API_Key} 替换为您的有效 API Key。

将 drama_script_task_id 替换为您在第 1 步轮询结果中获得的、以 v 开头的真实剧本还原任务 ID。

请求成功后，您会收到一个新的 task_id（例如 amk-tool-drama-recap-abcdefghi），请保存此 ID 用于查询最终的视频结果。

再次轮询查询任务信息 API，直到任务状态 status 变为 completed。

当任务成功完成后，您将收到如下响应。您可以在 result.video_url 中找到最终生成的解说视频下载地址。

进阶使用

在快速入门的基础上，您可以通过在提交解说视频生成任务时配置不同的参数，实现更丰富的创作效果。

自定义解说词

您可以通过以下两种方式控制解说词：

AI 自动生成：设置 "auto_generate_recap": true，并可通过 style, text_length 等参数影响 AI 的创作风格和长度。

使用自定义文案：设置 "auto_generate_recap": false（或不传此参数），并通过 recap_text 字段提供您自己的解说文案。

示例：让 AI 自动生成 500 字左右的搞笑风格解说词

示例：使用您自己的解说词

自定义 AI 配音音色

通过 speaker_config.voice_type 参数，您可以为 AI 配音选择不同的音色。下表详细介绍了各款预置音色的性别和风格特点。

音色代码 (voice_type)	性别	风格特点
Yunfeng (云枫)	男声	自信激昂，富有感染力，充满能量感与深度。
Yunjian (云健)	男声	音色深沉，风格休闲，兼具专业感与亲和力。
Yunze (云泽)	男声	音色深沉，沉稳自信，风格正式、严肃。
Yunye (云野)	男声	声音成熟放松，情感丰富多变。
Yunxi (云希)	男声	声音活泼阳光，情感表现力强，富有活力。
Yunyi (云逸)	男声	音色温柔，风格休闲友好，语调平静亲切。
Yunjie (云杰)	男声	自信干练，音色温暖，兼具专业感与亲和力，值得信赖。
Xiaoxiao (晓晓)	女声	声音活泼温暖，情感丰富，风格百搭多变。
Xiaochen (晓辰)	女声	风格休闲放松，音色自然、真实。
Xiaohan (晓涵)	女声	音色温暖甜美，情感饱满。
Xiaomo (晓墨)	女声	音色清晰放松，情感表现力和角色塑造能力强。

示例：使用 Yunjian 音色

调整 AI 配音语速与节奏

为了让解说更具吸引力，您可以通过以下参数精细控制配音的节奏感：

drama_recap_config.text_speed：控制配音语速。取值范围为 [0.5, 2.0]，数值越大语速越快。默认值为 1.0。在短视频等快节奏场景下，略微加快语速能有效抓住观众注意力。推荐将此值设置为 1.1 或 1.2，以达到听感更佳、信息密度更高的效果。

drama_recap_config.pause_time：控制配音的句间停顿时长，单位为毫秒。默认为 120。通过调整此参数，您可以改变解说的节奏，较大的值会使句子间停顿更明显，节奏更舒缓。

示例：语速加快至 1.1 倍，句间停顿 150 毫秒

自定义解说字幕样式

通过 subtitle_config 对象，您可以精细化控制新生成的解说字幕的样式，包括字体、大小、颜色、位置、描边等。

示例：设置字幕为黄色、40px大小、带黑色描边

擦除原视频字幕

如果您的原始视频包含内嵌的硬字幕，为了避免新生成的解说字幕与其重叠，造成画面杂乱，您可以使用字幕擦除功能。

erase_subtitle：设置为 true 即可开启字幕擦除功能。

erase_mode：指定擦除模式。目前仅支持 standard（标准版），在效果和效率之间取得了良好平衡。

示例：开启标准模式的原字幕擦除

单任务批量生成多个解说视频

使用 batch_count 参数，您可以基于同一次剧本还原的结果，一次性生成多个版本的解说视频，适用于需要多样化素材的场景。

示例：一次性生成 3 个不同版本的解说视频

任务完成后，result.video_urls 数组中将包含 3 个视频的下载地址。

生成带“短剧三要素”的解说视频

对于竖屏视频，您可以通过 miniseries_edit 参数，为解说视频一键添加“短剧三要素”（如剧名、提示语等），这通常能有效提升营销视频的吸引力。AI MediaKit 提供 5 个预设的视觉模板：

示例：使用“热门短剧2”模板并添加剧名和提示语

参考信息

使用限制

限制项	说明
剧本还原的输入视频限制	视频来源：支持公网 HTTP/HTTPS URL、本地上传 (mediakit://)、来源于火山引擎视频点播 (vod://) 和火山引擎对象存储 (tos://) 四种输入协议。关于各协议的具体说明和使用示例，请参阅多源媒体输入与本地上传。支持格式：mp4, flv, ts, avi, mov, wmv, mkv 等主流视频格式，暂不支持 HLS (M3U8) 格式。数量与时长限制：单次任务支持传入 1 到 100 个视频文件。若输入单个视频，则单个视频时长不超过 120 分钟。若输入多个视频，则所有视频累计总时长不超过 90 分钟。分辨率限制：输入视频的宽高必须保持一致。内容要求：适用于真人实拍的短剧、长剧、电影等以人物对话和情节发展为核心的视频内容。不适用于动画、纪录片、广告、直播录屏等缺乏连贯真人剧情或人脸识别线索的视频。视频必须包含清晰的内嵌字幕（硬字幕）。
解说词限制	自定义解说词（recap_text）或 AI 生成解说词的期望长度（text_length）均不得超过 5000 字符。