Captions 推出 AI Edit：一键为竖屏口播视频加特效、贴图与配乐

如果你做过口播短视频，大概很熟悉这个痛苦的过程：录完一段几分钟的话，接下来还要花半小时甚至更久，手动在剪辑软件里加字幕、放大特写、配音效、找背景音乐，还得在关键句子后面贴贴纸。

拿到 a16z、红杉资本和 Kleiner Perkins 投资的视频剪辑应用 Captions 推出了一项叫作 AI Edit 的新功能，想把这些琐事全部包揽过来。

你只需要扔给它一段未剪辑的素材，它就会根据你的说话内容，自动生成定制图形、镜头缩放、背景音乐、音效、转场以及动态背景。

连脸都不用露的口播工厂

这项功能目前有明确的限制：视频必须是单人竖屏出镜，且画面里只能有一个人。说白了，它就是完全冲着口播和解说类短视频去的。

更有意思的是它的组合玩法。如果你不想出镜，或者根本不擅长面对镜头，可以直接使用 Captions 自带的 AI 分身功能。你只要输入一段简短的提示词，生成一个虚拟人讲话视频，然后再把这个视频交给 AI Edit 处理，几分钟内就能拿到一条转场和特效拉满的成片。

Captions 联合创始人兼首席执行官 Gaurav Misra 曾在 Snap 工作，他在 2021 年离开 Snap 创办了这家公司。他提到，团队想把视频制作做成三层：最底层是辅助拍摄的相机工具，中间层是用 AI 修正真人拍摄的内容，最高一层则是用户完全不需要录像的纯生成层。

目前平台提供了 12 个现成的 AI 角色，接下来计划每周增加 3 到 4 个，最终目标是让用户能够克隆创建自己的数字分身。此外，团队还在筹划让两个数字人同台对话的小品功能。

把战场搬到手机上

数字人视频并不是新鲜概念，做企业培训和营销视频的 D-ID、Synthesia 已经跑了几年，TikTok 也在本月允许创作者制作 AI 头像并提供广告专用的数字人。

但 Gaurav Misra 认为 Captions 的优势在于成片质量，以及所有操作都能在手机 App 里搞定。

随着这类工具越来越傻瓜化，业内也开始担忧低质内容泛滥，甚至淹没那些花几十个小时打磨作品的真人创作者。对于这个顾虑，Misra 的回应倒是很坦率。他认为这就像当年数字音乐降低了编曲门槛一样，人人都能做音乐并不意味着音乐质量整体倒退，反而逼着大家去拼独特的观点和核心故事。

为什么重要

对于每天需要发产品介绍、做客户答疑的销售或小微电商来说，这项功能非常实用。你不需要懂镜头节奏，也不用花钱雇剪辑师，自己对着手机随口讲完一段话，交给算法就能出一条看着足够专业的营销短片，几乎没有上手门槛。

但在我们看来，这种便利背后也埋着明显的隐患。当一个提示词加两三个点击就能批量生产出一条看似精良的视频时，社交媒体很快会被同质化的 AI 脸和千篇一律的剪辑节奏塞满。观众对这种标准化音效和缩放动画的审美疲劳，可能会比想象中来得更快。

从竞争格局来看，Captions 聪明的地方在于没有把自己锁死在严肃的桌面端企业软件形态，而是把全流程塞进了移动端。当 Synthesia 和 D-ID 还在死磕企业客服和培训视频时，Captions 抢先一步抓住了个体创作者和带货商家在手机上即拍即发的需求。