婚宴还没结束，就要把早上的接亲和仪式剪成一条快剪视频。用 12 张照片配一段 88 秒的父亲致辞，剪映能自动识别字幕和生成配乐；但同音字要逐条核对，智能包装也可能加上不适合婚礼的贴纸。
这篇按剪映专业版 11.5.0 的实操步骤讲一遍，并附本地字幕和剪片脚本。两条成片都可以先看：
剪映智能包装和本地脚本成片对比
剪映智能包装后的成片
本地脚本制作的成片
本文照片、新人和父亲致辞录音都是 AI 生成的虚构演示素材，不是真人。
下载「婚礼快剪字幕与剪辑脚本包」。ZIP 里有 FunASR 逐字转写、字幕断句和纠错、百炼调用、ffmpeg 出片脚本，以及修正前后的字幕样例。剪映里简单剪辑不需要代码；工具包是给要批量处理或想在本机剪片的人。
开始前准备
准备当天拍摄的照片或视频、父母致辞录音、一段你有权使用的配乐，并先确定播放场景的画幅：
- 婚宴大屏一般先确认 16:9；发短视频平台时再做 9:16 版；
- 录音里的人名、亲属关系和重要细节先记下来，后面逐条核字幕；
- 确认照片、录音和配乐的使用范围。智能包装和云备份会把素材上传到剪映服务端，真实客户素材要先讲清用途并取得同意；
- 本文的按钮名称和截图来自 2026-10-05 的剪映专业版 Mac 11.5.0，后续版本的界面可能变化。
婚礼快剪示例素材：当天场景和婚纱照，均为 AI 生成
路线一：用剪映做快剪
1. 导入图片和录音
点“开始创作”后导入照片、录音。在素材区把图片按文件名 A-Z 排好，再拖到时间线，这样画面顺序和文件编号一致。
12 张照片平均铺满 88 秒录音，每张约 7.3 秒。我们测试时剪映的图片默认时长是 5 秒；如果沿用默认值，照片只覆盖 60 秒，后面会有 28 秒没有画面。可以先在“剪映专业版 → 全局设置 → 剪辑 → 图片默认时长”设成 7.3 秒，再导入图片。
剪映素材区导入后的文件和排序
全局设置里的图片默认时长
把画布比例切到播放设备需要的尺寸。竖版照片放进 16:9 视频时，两侧会留黑边；可以改用横版原片，或用本地脚本把同一张照片模糊放大铺在背景。
2. 自动识别字幕，再逐句校对
打开“字幕 → 识别字幕 → 开始识别”。这段 88 秒的演示录音，在当时的版本里 15 秒内识别完成。剪映断句比较顺，但“他”和“她”读音相同，自动字幕容易猜错。
剪映识别字幕列表：样例里有他她同音字错误
样例里“思琪她妈”被识别成“思琪他妈”，“后来她当了语文老师”也把“她”识成“他”。在右侧字幕列表逐句点开，结合父亲、新娘和女婿的关系核对称呼、人名、地名和数字。必要时从头播放一次，确认句子和声音一致。
剪映识别字幕面板
我们在 11.5.0 的导出窗口没有找到字幕文件导出选项。如果字幕条数很多，或需要重复制作多版，可以按下方的本地路线生成 SRT 字幕文件。
3. 生成配乐并压低音量
在“音频 → AI 音乐”里选纯音乐，输入一段风格描述，例如：
温馨浪漫的婚礼纯音乐，钢琴和弦乐，节奏舒缓，有清晰的节拍，适合做婚礼当天的回顾视频
剪映 AI 音乐生成输入界面
剪映会显示这次生成的额度或会员提示，实际费用和限制以你当前账号页面为准。我们的测试中，一批任务进度到 96% 后没有结果；重新提交后才生成成功。界面提示时长为一分钟，但这次生成的曲子超过两分钟，导入后要自己听完并裁到视频长度。
生成的婚礼纯音乐样例
把配乐放到致辞下面，先调低音量再试听人声是否清楚。样例里用约 -15 dB 作起点，结尾加 3 秒淡出；不同录音和音量要重新听，不要照抄数值。曲库或 AI 生成音乐能否用于婚庆商业宣传，按剪映当前协议和具体音乐授权确认；没有把握就用已获授权的音乐。
4. 智能包装先做副本，再决定是否保留
“智能包装 → 画面包装”会自动添加花字、贴纸、特效和音效。我们试过的版本没有婚礼风格，智能推荐更像生活 Vlog。它还会重新识别字幕，可能把人工改过的同音字改错。
剪映智能包装没有婚礼专属风格
智能包装页面会提示草稿文件需要回传到服务端处理。上传前先问新人是否同意。建议复制一份工程再尝试；如果风格不合适，删掉贴纸、音效轨或整组包装，回到原项目继续剪。
第一次测试时没有勾选“同时清空已有字幕”，包装后新旧字幕叠在一起。重新生成前检查字幕选项，并预览开头、中间和结尾。
没有清空原字幕时，两套字幕叠在一起
智能包装增加的花字、贴纸和音效轨
5. 导出并检查
演示视频导出设置为 MP4、1080P、30 帧。按目标屏幕检查画幅、字幕安全边距、开头和结尾。要在婚宴现场播放，提前在同一块屏幕上试播，确认声音够大、字幕能看清。
导出设置里还可能有“成片自动备份至云空间”选项；如果不希望素材同步到云端，确认并关闭相关备份设置。AI 生成视频对外发布时，保留生成服务添加的标识，并按平台要求主动声明 AI 生成内容。
剪映视频导出设置
路线二：本地识别字幕并自动剪片
FunASR 在本机把录音转成逐字时间，纠错脚本根据人物关系整理字幕，再由 ffmpeg 将图片、致辞、配乐和字幕合成视频。语音和照片留在本机；如果启用百炼纠错，只会把识别出的文字发送给云端模型。完全不想上传文字时，可以在导出 SRT 前人工修正。
工具包里每个文件的用途：
- s024_asr_chars.py：FunASR 逐字识别，输出每个字的时间。
- s024_make_subs.py：按自然停顿断句，提示模型改正同音字，并把修改列出来。
- s024_bailian.py：连接阿里云百炼；默认模型 ID 是 qwen3.8-max。
- s024_make_video.py：将照片、语音、配乐和 SRT 合成为 1080p 视频，竖图背景模糊铺满。
- s024_funasr_raw.srt / s024_subs.srt：本例识别前后的字幕结果。
先按《本地语音转文字》安装 Python 和 FunASR；第一次运行要下载语音模型。手机录音如果不是 WAV，可在 Mac 终端转成 16 kHz 单声道 WAV：
afconvert -f WAVE -d LEI16@16000 -c 1 父亲致辞.m4a speech.wav1. 生成逐字识别结果
在 ZIP 解压目录运行：
python3 s024_asr_chars.py speech.wav words.jsonFunASR 的识别结果可能把“瑞利散射”听成“锐利散射”，也可能把“他”和“她”混在一起。这里使用不带标点的识别模型，接下来按人物关系重新断句。
2. 修同音字并输出 SRT
如需模型辅助纠错，在阿里云百炼创建 API Key，并在终端设置：
export DASHSCOPE_API_KEY="你的百炼 API Key"
python3 s024_make_subs.py words.json "说话者是新娘思琪的父亲；思琪是女儿，她；子豪是女婿，他；思琪她妈指父亲的妻子。" speech.srt脚本会检查改前改后的字幕字数，并把每一处替换打印出来。样例中它把“思琪他妈”改成“思琪她妈”，把“锐利散射”改成“瑞利散射”。这些是演示结果，不保证模型每次都能改对；输出后对照录音逐句核对。若不想把转写文字发给云端，就手动编辑 FunASR 生成的字幕。
3. 用本地脚本合成视频
安装思源黑体，并把字体文件夹设为 SOURCE_HAN_SANS_DIR。然后安装脚本需要的 ffmpeg 发行包并生成：
export SOURCE_HAN_SANS_DIR="/思源黑体/OTF/SimplifiedChinese"
uv run --with imageio-ffmpeg python s024_make_video.py 照片文件夹 speech.wav 配乐.mp3 speech.srt 快剪.mp4照片文件夹里的 JPG 和 PNG 会按文件名排序。视频以 16:9 输出，竖图会放在模糊铺满的背景上；字幕已经烧进画面，音乐压到人声下并在结尾淡出。
在 M1 Max 上，这组 12 张图和 88 秒录音约 38 秒出片。你的电脑速度、图片数量和分辨率不同，耗时也会变化。本文示例视频用了虚构素材；替换成真实照片和录音前，确认拍摄、肖像和声音授权。
接单和交付
可以把当日素材整理、字幕校对、快剪初版和现场播放测试作为一项交付。开始前约定照片和录音由谁提供、是否使用 AI 配乐、客户是否接受贴纸和花字、修改几轮、交付比例和最晚时间。报价按当地同行和实际沟通、剪辑、校对时间核算，不按生成按钮数量计算。
常见问题
自动字幕可以直接发吗？ 不建议。人名、关系、数字、地名和“他/她”尤其容易错，至少完整听一遍录音。
智能包装把字幕改错了怎么办？ 用副本测试；发现错字或叠字幕就撤销该步骤，或删掉新增字幕轨，再用校对过的字幕。
剪映里的 AI 音乐能商用吗？ 先看生成时显示的授权和剪映当前协议。账号或功能发生变化时，旧测试记录不能代表当前规则。
本地路线是否完全离线？ FunASR 和 ffmpeg 在本机运行；使用百炼自动纠错时，转写文字会发给云服务。要全程离线，就手动改字幕，不运行百炼步骤。
工具和相关教程
- 剪映专业版：本文实测的 Mac 视频剪辑工具；功能、额度和协议以当前版本为准。
- FunASR：在本机识别语音；安装和模型下载见《本地语音转文字》。
- Qwen3.8 Max 官方文档：查看模型 ID、地域、接口和计费。
- 思源黑体：本地合成字幕需要的中文字体。
- 婚礼致辞和誓词怎么写：整理父母致辞，录音后再做字幕。
- 婚纱照风格预览：准备不同风格的婚纱照素材。
样例视频、照片、录音和音乐均为 AI 生成的虚构素材。剪映界面步骤实测于 2026-10-05；模型、会员、版权协议和 AI 标识规则可能变化，制作真实客户内容前请重新核对。