直播录屏怎么批量切片？从字幕、AI 挑片到竖屏导出的流程

更新于 2026-09-22约 10 分钟老黄牛

做切片号也好，把带货直播回放二次利用也好，卡住人的从来不是剪辑技术，是「三个小时里那句话在哪」。这篇把整条链路写完整：录像拿到手先做哪三件事、为什么第一步是拿到字幕而不是打开剪辑软件、怎么让 AI 按台词从整场直播里挑片、挑出来的片段要核对什么、竖屏包装和批量导出怎么设，以及这套流程不适合的情况。都是具体操作，没有虚的。

录像拿到手，先花十分钟做三件事

很多人拿到直播回放的第一反应是拖进剪辑软件，这一步早了。先花十分钟做三件事，后面能省几个小时。

第一件，确认格式能直接用。从直播平台或录制软件拿到的回放，常见是 MP4、FLV 或 TS。AI 直播切片支持 MP4、MOV、MKV、WEBM、FLV、TS 等常见录制格式，可以直接导入，不用先转码。少数编码特殊、连系统播放器都打不开的文件，先用录制工具重新导出一份 MP4 再处理。

第二件，听一遍音轨。用系统自带的播放器打开原始录像，随便拖几个位置听十秒。屏幕录制、OBS 配置错了的情况下，偶尔会出现只录到画面没录到声音，或者只录到系统声音没录到麦克风。后面的挑片全靠台词，没有声音就没有字幕，这个错误拖到识别完才发现，时间就白等了。十秒钟的检查，值。

第三件，改文件名、留备份。手上有字幕的话，把这场回放和它的字幕改成同一个名字，比如 直播回放01.mp4 配 直播回放01.srt，同名放在一起导入更便于配对。同时建议在名字里带上日期和场次，比如 0907晚场.mp4，一个月之后你还想找那场讲面料讲得特别好的直播，靠名字就能找到。原文件先备份一份，再确认磁盘空间充足，一场两三小时的录像体积不小。

为什么第一步是拿到字幕，不是打开剪辑软件

先算一笔时间账。用常规剪辑软件从三小时录像里剪一条切片，流程是这样的：把录像拖进时间线，等它生成波形和缩略图（三小时的文件，这一步就要好几分钟）；凭印象拖进度条，听到差不多的地方停下来；往回拉两秒，确认这句话是不是从第一个字开始的；再往后拉，找到这句话说完的位置；打两个点、切开、把中间那段拖到新序列、导出。熟手一条十到十五分钟。要出 20 条，就是一整天。第二天换一场直播，全部从头再来。

这里面 80% 的时间花在「找」上，只有 20% 花在「剪」上。而找这件事，其实已经有现成答案了：字幕早就把话切好了。

SRT 字幕文件的结构就是一句话一条，每条自带起始时间码和结束时间码。也就是说，一份 SRT 本身就是这场直播的「句子索引」。一场三小时的口播直播，字幕少则几百条，多则上千条。这是整条链路里最关键的一次认知切换：不要把直播回放当视频处理，把它当一份带时间码的文字稿处理。既然整场直播已经变成文字稿，挑哪几句这件事，就可以先交给 AI 做一遍。

字幕从哪来？有现成 SRT（有些直播平台或录制工具能导出）就和录像一起导入，直接读取。没有的，在软件里识别，识别引擎分两组：

• 本机识别，免费。默认 SenseVoice，中文、粤语更准，没人说话的片段不会编字幕；也可以换 Whisper，英文更强。首次使用需要下载一次模型，之后在本机运行，不上传、不扣积分。
• 云端识别，按分钟计积分。可选阿里或豆包，不用下载模型，但会把录像的音频上传到服务商识别。按音频时长计积分，开跑前按界面实时报价显示预计消耗，需要确认后才开始。

三小时的录像识别需要一段时间，以进度条为准。长录像按段识别，中途中断或关掉软件，已识别的部分会保留，回到项目点「继续识别」只处理剩下的部分，不重复识别；选云端时也只按剩余时长报价。

让 AI 按直播目标挑片

字幕齐了之后，选剪辑模式和直播目标。模式有四种：高光切片、口播精简、主题合集、混剪；直播目标有四个预设：带货、金句、干货、名场面，和模式组合成「带货高光」「金句混剪」这样的目标，默认选中「带货高光」。点预设会填入一段目标文本，你可以接着改，比如写明只要讲面料和售后的段落。

直播带货的切片最怕什么？价格说错、福利张冠李戴。所以挑片规则里专门写了几条，无论选哪个模式和预设都生效：

• 同一商品讲了好几轮，选讲得最完整清楚的那一轮。
• 不跨轮次拼价格。不把不同轮次或不同商品的价格、福利拼在一起，价格和福利只用原话。
• 保留限定语。「限时」「限量」「仅本场」这类条件不剪掉。
• 回答弹幕带上问题。带上主播复述或引出问题的那句，没看直播的人也看得懂。
• 不虚构功效。功效、效果类说法不拼成超出原话的承诺。

再设每版的参考时长（默认 30–60 秒）和这次要几个版本（1–10 个，默认 3 个），提交分析。AI 一次读完整场的字幕，直接返回多个完整版本，每版带一个标题。不满意可以改目标再分析一次（每次分析按实时费率另计积分），新版本追加在后面，原来的都保留。

逐段核对：价格、福利和同音字

AI 挑完不等于能直接发。每个版本点「审核片段」逐条试听，重点看三件事：片段里说的价格、赠品和对应商品是否一致；价格、型号、品牌、人名这类数字和专有名词有没有同音错字；开头结尾有没有截断半句话。

入点、出点可以按 0.1 秒微调，也能重置回原字幕边界；不要的片段直接移除，关掉「保留原片顺序」后还能上下调整顺序。改动自动保存，不用另点保存。要注意微调边界不会重新生成逐字字幕，截断半句话的地方尤其要听一遍、看一遍字幕。

审的时候可以拿一个基本套路对照，做切片号的都能用：第一句必须是钩子——价格反差、反常识结论、直接把问题问出来，前三秒决定人走不走。中间两到四句把卖点讲清楚，别把同一个意思的三句话排在一起，听着啰嗦。最后一句放行动指令或者一个收口的结论。每版默认参考 30–60 秒，太短说不清楚，太长完播率掉得快。

点版本预览，可以先按方案顺序直接播放原素材选段，看顺序自不自然（有没有出现「然后我们说说售后」但前面根本没提过服务的情况）、节奏碎不碎、两段之间的声音衔接顺不顺。这一步花两分钟，比导出之后重来划算得多。

竖屏包装与批量导出

直播录像多是横屏，切片发短视频平台要竖屏。新建的直播切片项目默认就把这些设好了：画布竖屏 9:16，横屏录像上下自动用模糊背景填满，竖屏录像原样铺满；默认开字幕和主副双标题，主标题用每个版本自己的 AI 标题，副标题留空，可以填直播间名或福利口号。这些默认值都能在「视频处理」里改掉或关掉，片头片尾、背景音乐、文案配音也在这里设。改完点「预览处理效果」看一遍真实效果。

转场别滥用。片段转场默认关闭。口播类切片建议就不开；要开就把使用比例调低、转场时长设短，转场一多，观众会明确感觉到「这是拼起来的」。

导出时勾选要的版本，选好输出文件夹，点「导出选中版本」。默认「导出到同一文件夹」只存 MP4，重名自动加编号、不覆盖已有视频；切换「按版本分文件夹」后，每版另存字幕 subtitles.srt 和清单 manifest.json。「同时导出」可以设 1–5 个版本，默认 2 个。部分版本失败时，已成功的文件保留，修正原因后再导出即可。

归档，决定你第二次能不能不重做

一场直播一个项目，项目名带上日期和场次。源录像和配套 SRT 要留着：之后再预览、微调、重新导出，软件都要读取它们，删了就只剩成片。

想换个角度再出一批，回到项目改一下目标再分析一次就行（每次分析另计积分），已有的版本都还在，字幕也不用重新识别。用「按版本分文件夹」导出时，每版的成片、字幕和清单放在同一个文件夹，要找哪一版，打开清单 manifest.json 对照即可。

最后提醒一句磁盘空间。批量导出成片很占地方，磁盘空间不足是导出失败的常见原因之一。开跑之前看一眼剩余空间，几十 GB 的余量留着比较稳妥。

成本、边界，和这套流程不适合的情况

先说费用。AI 直播切片在老黄牛AI 主客户端里，和 AI 剪辑是同一个安装包。开通「AI 直播切片」月卡或年卡后使用，有免费试用，试用不含积分；具体时长、价格和赠送积分以功能页和价格页的实时显示为准。AI 分析、云端识别和文案配音按实时费率另扣积分，提交前都会显示预计消耗并需要确认；本机识别和出片不扣积分。

再说隐私。本机识别和出片都在你自己电脑上完成。选云端识别时，录像的音频会上传到识别服务，识别完成后删除；AI 分析会把字幕文字发送到 AI 服务；原视频一直留在本机。不方便外传的内容，用本机识别，不使用文案配音时，发出去的只有字幕文字和你写的剪辑目标。

最后说边界，有几种情况这套流程并不合适。一是手上只有直播间链接——目前只接本地录像文件，暂不支持粘贴直播间链接下载或直接录制，先把回放保存到电脑再导入。二是没有口播的素材——纯画面、纯音乐的内容没有台词可挑，用镜头分割按画面切换拆更合适。三是只要出一两条精剪——还要做花字、做特效、做画面精修，那用常规剪辑软件手工剪反而更顺手，批量的价值出不来。四是素材本身没内容——三小时里全是寒暄和催单，AI 再会挑也挑不出有信息量的片子。这套方法解决的是「找和拼」的效率问题，解决不了「说了什么」的问题。

常见问题