新通过声音和唇动识别说话人

AI 智能重构画面 ,镜头跟着说话的人走

播客和访谈的横屏画面放不进手机屏幕。Podsqueeze 听声音、看唇动,把竖屏画框平稳地移到正在说话的人身上,一个镜头接一个镜头。

上传
★70K+ 创作者的信赖之选✓免费套餐✓无需信用卡✓9:16、1:1 和 16:9
Speaker 1Speaker 2
TrackingvoicelipsSteady framing
Sowheredid

全球播客主、播客网络和媒体都在用

  • Podnews
  • Transistor
  • The Podcast Host
  • School of Podcasting
  • Semrush
  • Business Insider
  • Observador
  • Expresso
  • ECO
  • Renascença
  • Business RadioX
  • Rich Roll

自动重构画面如何运作

从横屏全景到竖屏片段,全自动完成

无需关键帧,也不用在整段视频里拖动裁剪框。

MP4ep-42-final.mp458:12
1

上传横屏视频

以 16:9 拍摄的播客、访谈或圆桌讨论。

Nobodygaveus
0:41
Sometimesleavingis
0:34
Onerulein
0:31
2

AI 找出说话人

通过观察唇动,把每个声音对应到一张脸。

Where crunk really started

↓ DownloadSchedule
✓Scheduled · YouTube Shorts · Tue 9:00
3 MP4s downloaded
3

获得适合手机的片段

画框跟随说话的人移动,9:16 或 1:1。

AI 智能体

要片段,拿到的就已重构好画面

可以让它找出节目中的精彩时刻,也可以让它修改构图。智能体两件事都能做,并展示每处改动。

帮你找片段

送到手上就已适配手机的片段

“嘉宾最精彩的回答,一分钟以内。”片段以竖屏返回,嘉宾就在画面中。

Find the moments most likely to work on TikTok and Reels. Under 45 seconds.
Ask for anything… ↑

它来调整

一句话修改构图

要分屏、硬切或更大的字幕都可以。改动会被列出,一键即可撤销。

Itoldmy
0:41
Captions in yellow, add a lower third with his name and a calm track
Ask for anything… ↑

看得出谁在说话

声音与唇动结合判断。

随时可改

每次重构都可以修改。

不限口语语言

取景依据声音和唇动,而不是字词。

手动控制

把画框放在你想要的位置

如果 AI 选错了人脸,把说话人标记拖到正确的脸上即可。可选择平滑平移、硬切,或让所有人都在画面内。

滑动查看完整编辑器 →

1说话人标记

把标记拖到脸上即可修正。

2平移或切换

在说话人之间平稳移动或干净切换。

3全员入镜

需要时让每个人都留在画面中。

4任意画幅

9:16、1:1 或原始 16:9。

字幕

字幕位于画框中的人脸下方

每个重构后的片段都配有逐字动画字幕,放在说话人下方,绝不遮挡面部。

  • 六种字幕样式
  • 你的颜色和字体
  • 可拖到任意位置
“Weird Al” YankovicThe Blocks Podcast
Andhesaid

Caption presets

重构画面实况

同一个全景镜头,两种构图方式

跟随当前说话人,或让两位说话人同时出镜。请看下方的真实画面。

声音在哪里,画框就在哪里

Podsqueeze 通过声音和唇动识别每位说话人,并让竖屏画框始终对准正在说话的人。对话转向谁,画框就跟到谁。

Speaker 1Speaker 2
Trackingvoicelips

回答需要反应来衬托时,让两人同时出镜

把片段切换为分屏,每位说话人各占画面一半,并以其面部为中心。

Auto cameraSplit screen
Itriedmaking

编辑文字

剪短片段,画框依然跟得上

在文字稿里删掉一句话,片段就变短;画框仍然跟着正确的人。

  • 删除文字,视频随之改变
  • 修正听错的词
  • 提前或延后一句话

“Weird Al” Yankovic 12:44

✦ Cut the “um”s

So, um, I talked to him on the phone and I said, listen, I'd like to do a parody of your song. You know, and he said, oh, is it gonna be a song about food? This was the first time Nirvana played Saturday Night Live.

So,um,I
0:24

导出

适合各大信息流的竖屏片段

将重构后的片段下载为 MP4,用于 TikTok、Reels 和 LinkedIn,或定时发布到 YouTube Shorts。

  • 重构好的 9:16 MP4
  • 适合信息流的方形版本
  • 定时发布到 YouTube Shorts

YouTube Shorts

Off the Record · connected

This week

Mon

+

Tue

+

Wed

+

Thu

+

Fri

+
Scheduling… 0 of 5
MP4↓ Download

细节

尊重原画面的重构

品牌元素叠加其上

标志、下方字幕条和字幕保持原位。

三种画幅

一个素材输出 9:16、1:1 和 16:9。

背景音乐

人声下方铺垫免版税音乐。

画面上的名字

为每位说话人添加姓名条。

为什么选择 Podsqueeze

AI 智能重构画面 vs 手动裁剪

功能Podsqueeze手动裁剪
找出当前说话人手动
利用声音和唇动
平滑平移或硬切关键帧
双人分屏自己搭建
拖动一次即可修正说话人

深受节目创作者喜爱

Loading...

什么是 AI 智能重构画面?

AI 智能重构画面,也叫自动重构画面,会把 16:9 横屏视频裁成可自动移动的 9:16 竖屏或 1:1 方形画框。对于播客和访谈,画框需要跟随正在说话的人,这比跟随人脸更难:画面里有两三个人,但只有一个人在说话。

Podsqueeze 如何决定显示谁

  1. 它会听。 音频被区分为不同的说话人。
  2. 它会看唇动。 每个声音出现时,检查每张脸是否有唇动。
  3. 它把声音对应到人脸。 这样就知道哪张脸属于哪个声音。
  4. 它移动画框。 竖屏画框跟随声音,采用平滑平移或硬切。
  5. 它允许你修正。 万一认错了脸,把标记拖到正确的脸上即可。

什么时候改用分屏

对准一位说话人的重构适合回答和讲故事。当反应和话语同样重要时,比如辩论、笑点落地或快速来回的访谈,用分屏让两个人同时出镜。

让视频更好重构的小技巧

  • 拍摄时取景要够宽,让每位说话人的脸周围都留有空间。
  • 尽量给每位说话人配一支麦克风;干净的音频让说话人检测更容易。
  • 避免有人在对话中走出画面。

为什么用 Podsqueeze 重构画面

大多数自动重构画面工具跟随的是人脸。Podsqueeze 跟随的是声音和唇动,这才是对话所需要的,而且分屏、字幕和片段都在同一个地方完成。在你的下一期节目上免费试试吧。

常见问题

关于 AI 智能重构画面的问答

没找到想要的答案?我们的团队会在一天内回复。

联系我们 →

什么是 AI 智能重构画面?

AI 智能重构画面会把横屏视频裁成竖屏或方形画框,并自动移动画框去跟随重点,在这里就是正在说话的人。

Podsqueeze 怎么知道谁在说话?

它把音频中的声音与视频中每张脸的唇动结合起来,所以画框跟随的是真正在说话的人,而不只是画面中最大的那张脸。

如果跟错了人怎么办?

在编辑器中把说话人标记拖到正确的脸上,切换为分屏,或让助手来修改。

我能选择镜头的移动方式吗?

可以。在说话人之间选择平滑平移或硬切,或让所有人都在画面内。

可以导出哪些格式?

9:16 适用于 TikTok、Reels 和 Shorts,1:1 适用于信息流,也可保留原始 16:9。

你的横屏画面,随时可以变成竖屏

上传一期播客或访谈,获得跟随对话的片段。

上传

免费套餐 · 无需信用卡 · 9:16、1:1 和 16:9