Captions 推出 AI Edit：一鍵為豎屏口播影片加特效、貼圖與配樂

如果你做過口播短影片，大概很熟悉這個痛苦的過程：錄完一段幾分鐘的話，接下來還要花半小時甚至更久，手動在剪輯軟體里加字幕、放大特寫、配音效、找背景音樂，還得在關鍵句子後面貼貼紙。

拿到 a16z、紅杉資本和 Kleiner Perkins 投資的影片剪輯應用 Captions 推出了一項叫作 AI Edit 的新功能，想把這些瑣事全部包攬過來。

你只需要扔給它一段未剪輯的素材，它就會根據你的說話內容，自動生成定製圖形、鏡頭縮放、背景音樂、音效、轉場以及動態背景。

連臉都不用露的口播工廠

這項功能目前有明確的限制：影片必須是單人豎屏出鏡，且畫面裡只能有一個人。說白了，它就是完全衝著口播和解說類短影片去的。

更有意思的是它的組合玩法。如果你不想出鏡，或者根本不擅長面對鏡頭，可以直接使用 Captions 自帶的 AI 分身功能。你只要輸入一段簡短的提示詞，生成一個虛擬人講話影片，然後再把這個影片交給 AI Edit 處理，幾分鐘內就能拿到一條轉場和特效拉滿的成片。

Captions 聯合創始人兼執行長 Gaurav Misra 曾在 Snap 工作，他在 2021 年離開 Snap 創辦了這家公司。他提到，團隊想把影片製作做成三層：最底層是輔助拍攝的相機工具，中間層是用 AI 修正真人拍攝的內容，最高一層則是使用者完全不需要錄影的純生成層。

目前平臺提供了 12 個現成的 AI 角色，接下來計劃每週增加 3 到 4 個，最終目標是讓使用者能夠克隆建立自己的數字分身。此外，團隊還在籌劃讓兩個數字人同臺對話的小品功能。

把戰場搬到手機上

數字人影片並不是新鮮概念，做企業培訓和營銷影片的 D-ID、Synthesia 已經跑了幾年，TikTok 也在本月允許創作者製作 AI 頭像並提供廣告專用的數字人。

但 Gaurav Misra 認為 Captions 的優勢在於成片質量，以及所有操作都能在手機 App 裡搞定。

隨著這類工具越來越傻瓜化，業內也開始擔憂低質內容氾濫，甚至淹沒那些花幾十個小時打磨作品的真人創作者。對於這個顧慮，Misra 的回應倒是很坦率。他認為這就像當年數字音樂降低了編曲門檻一樣，人人都能做音樂並不意味著音樂質量整體倒退，反而逼著大家去拼獨特的觀點和核心故事。

為什麼重要

對於每天需要發產品介紹、做客戶答疑的銷售或小微電商來說，這項功能非常實用。你不需要懂鏡頭節奏，也不用花錢僱剪輯師，自己對著手機隨口講完一段話，交給演算法就能出一條看著足夠專業的營銷短片，幾乎沒有上手門檻。

但在我們看來，這種便利背後也埋著明顯的隱患。當一個提示詞加兩三個點選就能批次生產出一條看似精良的影片時，社交媒體很快會被同質化的 AI 臉和千篇一律的剪輯節奏塞滿。觀眾對這種標準化音效和縮放動畫的審美疲勞，可能會比想像中來得更快。

從競爭格局來看，Captions 聰明的地方在於沒有把自己鎖死在嚴肅的桌面端企業軟體形態，而是把全流程塞進了移動端。當 Synthesia 和 D-ID 還在死磕企業客服和培訓影片時，Captions 搶先一步抓住了個體創作者和帶貨商家在手機上即拍即發的需求。