先问:是旁白停了,还是整片真的无声

原对白、操作声、环境声和沉默可以承担一段内容。听见旁白停顿下来时,先看画面是否在靠动作或原声推进,无需见空就填;画面上一个决定尚未完成,提前讲下一步也会破坏理解。

空白来自哪里怎样定位
分段WAV内部单听开头、句中与尾部;文件时长不等于最后一个音节的位置
输入的时间窗口看上一段end与下一段start,确认作者是否有意留出原声
合成设置与实际落点看实际place起止;上一句结束、段尾停顿与段内收紧共同影响落点
无旁白但仍有场内声音连同画面判断其职责,不按旁白密度一律删除

先找哪一种问题,再选合成、时间线或剪辑修订。别为了“流畅”整片加速或把所有停顿归零。

为什么改段尾停顿可能没有用

旁白合成先用段长减去 pause_after_ms 估计语音空间,并设最小空间;这份预算不等于实际听到的停顿。下游再根据实际音频和前段结束放置。

当前普通合成在新段落起点尊重作者的 start;前句超时则顺延到其实际结束再加段尾停顿。同一段落内则按前句实际收尾、固定短间隔与允许提前的下限收紧,并避开原声对白。作者留出较长间隙时会进入新段落,不把所有话都挤向前面。当前入口没有额外入场延迟或关闭收紧的配置。

因此应核对实际放置结果,而非只改一个数字。下一节保留的是固定快照中“关闭收紧、无入场延迟”的纸面演算,用于区分几种空白来源,不是当前版本的配置方法。声音已采用为完整混音时,重新放置会改变它,应先明确本轮是否授权修订。

纸面演算:四点二秒空白从哪里来

以下假设关闭收紧、没有入场延迟且不变速,没有生成或听审媒体。A窗口10–13秒,WAV放在10–12.4秒;假设最后音节在11.8秒,后面0.6秒为WAV尾部静音。B窗口16–19秒,放置与开口都从16秒开始。A的段尾pause为0.3秒。

区间意义
11.8–12.4A的WAV尾部静音,0.6秒
12.4–13A窗口尚未用完,0.6秒
13–16两个作者窗口之间的留白,3秒
11.8–16旁白听觉间隙合计4.2秒;是否整片静音另听其他轨

前段文件结束12.4秒,加0.3秒仍只到12.7,早于B原定16秒。将pause减到0并不能单独把B移到13秒;假定的三秒作者留白仍在。

若13–16秒保留必要原对白,就保持它。若实际素材只是重复工具展示、确实没有需要等待的信息,可以提出删这三秒画面,同时重算B及后续落点与字幕;不是只让B提前说、画面却仍在旧时刻。先确认源素材与表达要求,再制作候选。

修后听三处,再连画面看

单听问题段,确认没有为了去静音截掉吸气、语尾或轻声字;连听前后句,确认间隔和音色自然;看当前成片,确认下一步信息没有抢在动作或原话之前。

更新实际放置记录和受影响字幕,保留未改内容。还没做候选时只记录拟改方案,做完后再写实际起止;同一组配置也不证明听感一致。

长停顿本身也有叙事作用。有意义的等待可以保留,机械空白才需要修;目标是该快的地方连贯,该让观众理解和感受的地方留得住。

常见问题

把pause_after_ms设成0就会没有停顿吗?

不会。WAV内部静音、作者窗口、前句结束和段内收紧仍会影响实际间隔。看实际声音与放置,不只看字段。

能把所有句子提前排紧吗?

先看原声、动作和信息揭示。需要保留的间隙不能被挤掉;重剪画面时也要重算声音与字幕。

用 skill 来做

请 video-recap 只排查下述配音或合成问题。先确认当前采用文件与具体时间,列出能观察的事实、缺失证据和最小修订;保留定稿、未受影响声音与画面。未生成或未听审的部分标待检查,不把元数据当实听通过。

更多方法依据:实际入场与段内收紧 · 声音分工与有意义的停留 · 当前旁白放置方式(2026-10-15)

安装并使用 Video Recap Skills

全部指南