欢迎关注我的知识星球：https://t.zsxq.com/1TNtY
我会分享最新的AI教程、使用技巧和资讯、回答你的问题、分享工作流等。
本期视频内容：
用 AI 大模型合成口播，遇到英文缩写、专业术语或多音字总是读错，听起来很别扭？
用语音识别（ASR）给音频配字幕，识别出的名词不一致、时间轴对不齐，还得手动反复修改？
本期 Skill 自动化工作流，专为解决“高质量配音”与“高精度字幕对齐”而生👇
输入口播逐字稿 → 代码与AI多重纠错发音 → 词级时间戳提取+静音检测 → 一键直出音频与对齐 SRT
无需繁琐的录音和繁重的手动调轴工作，结合往期视频Skill，让视频制作进入自动化流水线！
🎬 核心逻辑：
这套工作流基于 Skill 架构，调用 MiniMax 语音合成能力。在配音阶段，它通过“代码规则初筛 + AI 语义判断 + 子 Agent 审核”的三步法，有效解决专有名词、版本号及中英混排的发音问题，并支持用户自定义发音词库。在字幕阶段，它直接提取语音合成过程中的词级时间戳，避开了传统 ASR 识别的二次误差，并通过音频静音区间分析对字幕时间轴进行微调，为后续自动化生成视频打下扎实的基础。
✨ 工作流亮点：
✅ 多重发音纠错：代码筛查与多Agent协同，改善英文缩写、多音字、版本号的朗读表现。
✅ 个性化词库记忆：支持通过自然语言添加自定义发音规则，一次配置，后续自动复用。
✅ 字幕源头对齐：利用语音合成原生时间戳，确保字幕文本与原始逐字稿一致。
✅ 静音区间微调：通过音频信号分析优化字幕轴，使字幕展现更契合口播节奏。
✅ 联动往期工作流：可与往期的“白板手绘”或“Remotion 动画”等Skill 结合，实现从文本到视频成片的闭环。
📺 视频章节指引：
① 核心原理解析
- 拆解“三步发音纠错”与“原生时间戳+静音检测”的方案，了解如何减少配音错音与字幕误差。
② 部署配置保姆级教程
- 一行代码安装、全局配置，以及如何安全配置 MiniMax API Key。
③ 核心功能与自定义实操
- 如何调整音色、语速，以及如何用自然语言让 Agent 记住你的专属发音词库。
④ 全流程自动化实操
- 演示如何结合往期视频 Skill，实现“文案 - 配音/字幕 - 画面生成”的自动化流水线运作。
