前两天帮朋友剪一条探店视频，素材里人声和背景音乐混在一起，说话声听不清。原本想用手机自带的剪辑软件直接调音量，结果越调越乱。后来换了个思路：用AI先把人声分离出来，再单独降噪，最后补一段合适的背景乐。前后花了一个晚上，效果比之前好不少。这里把过程整理成步骤，用的都是能免费上手的东西，你跟着做就行。
配音：剪映里那个“文本朗读”别忽略
很多人在剪视频时，需要加一段解说词，但又不想自己录。手机版剪映和电脑版剪映都有“文本朗读”功能，位置在编辑面板的“文字”菜单下。操作路径是：新建文本 → 输入想说的话 → 点“文本朗读” → 选一个音色 → 生成后拖到时间轴。
我常用的音色是“解说男声”和“温柔女声”，听起来比较自然。注意选音色时，下面的语速和语调参数是可以调的。语速建议从1.0开始，根据视频节奏微调。如果你发现生成的声音有机械感，试着把“语调”调高0.2到0.3，听起来会好一点。
另一个办法是用在线TTS工具，比如Edge浏览器的“大声朗读”功能，它内置了多种神经网络语音，比部分软件自带的声音更自然。使用方法：在Edge浏览器打开任意网页，按Ctrl+Shift+U，调出朗读面板，选好声音后，复制文本进去就能听到效果。要导出音频，可以用系统录音功能或者“Audacity”的内录。
降噪：Audacity做三步，消除底噪和电流声
视频里最烦人的是电流声、空调声、路边的车流声。如果人声和这些噪音混在一起，直接剪音量是没用的，因为噪音和人声在同一轨道。这时需要先做降噪。
Audacity是一款免费开源的音频编辑软件，Windows、Mac、Linux都能用。它的降噪分三步：
- 选一段没有人声的纯噪音片段（比如视频开头1秒），点击“效果→降噪”，先点“获取噪声特征”。
- 选中整段音频，再次打开“降噪”，把降噪强度设在10到15之间，点“确定”。
- 如果觉得降噪后声音有点闷，用“效果→均衡器”稍微提升2kHz到4kHz的频段，让人声更清晰。
如果你想更省事，可以用在线工具Adobe Podcast增强语音。它专门处理人声，官网直接上传音频，几分钟后返回一个干净版本。免费账号有使用时长限制，但处理短音频够用。它的原理是分离人声和噪音，不是简单滤波，所以效果比本地降噪好一些。适合急用时使用，处理完记得下载下来。
音乐：Suno生成无版权背景乐
背景乐翻车是另一个常见坑。很多新手直接搜“免费背景音乐”，下载来的要么带水印，要么版权不明。用AI生成可以绕开版权问题。Suno是一个音乐生成工具，网页版和手机App都有。输入描述词，比如“轻快的电子节拍，时长两分钟，无人声”，它就会生成两段旋律供选择。
具体操作：打开Suno，登录后点击“创建”，在输入框里写你想要的风格、乐器、情感。生成后试听，选一段合适的，点下载即可拿到MP3。注意Suno默认生成的音乐可能包含人声，如果你只需要纯音乐，在描述里写“无歌词”、“纯器乐”。另外，生成出的音乐时长通常较短，如果视频有3分钟，可以选“循环”功能，或者把音乐在剪辑软件里复制一段，接在结尾处。
如果你不想用生成音乐，也可以从剪辑软件自带的音乐库找。剪映的“音频→音乐”里有分类，选择“纯音乐”再加“BPM”筛选，能找到不少适合做底噪的曲子。但注意这些音乐在导出时一般会标明用途，商用前要确认授权范围。
同步音量：让配音和音乐不打架
很多视频的问题不是没有音乐，而是音乐开太大，把说话声盖住了。这里用剪映的“混音”功能就够。选中音乐轨道，点“音量”旁边的“淡入淡出”和“自动闪避”。自动闪避的意思是，当检测到有人声时，音乐自动降低音量。剪映的自动闪避强度可以调节，我一般设在30%到40%，这样说话时音乐退到背景，间隙时音乐又恢复。
如果用的是其他剪辑软件，可能没有自动闪避，那就手动调音量包络线。在Audacity里先导入人声和音乐两条轨道，用“包络工具”在人声位置的音乐轨道上加节点，把音量拉低6到10分贝。方法虽然麻烦，效果更可控。
常见问题：为什么我生成的声音对不上口型？
如果你已经在视频里录了原声，只想替换其中一部分，直接用文本朗读会前后不搭。正确做法是用剪辑软件的“分割”功能，把需要替换的那段原声静音，再把AI配音放到那个位置。但要注意口型，如果画面里人说话的口型和音频对不上，看起来会很怪。这种情况建议保留原声，只把AI音频用于画外音解说，或者用“变速”工具稍微调整AI音频的长度来匹配画面。
另一种情况是视频里有多人说话，AI很难分清楚谁是谁。目前剪映的“录音”功能只能录单轨，处理多人的办法是分开录，每一条单独降噪，再混合。复杂场景就别指望一键搞定。
下一步：检查你做的音频文件格式
导出音频时，看看格式是不是WAV或MP3。WAV是无损的，文件大；MP3是压缩的，体积小。剪辑视频的最终导出一般用MP3就够。如果你上传到某些平台，它们有音频格式要求，先看平台帮助文档再导。
做完以上几步，你的视频声音应该比之前干净不少。现在就可以打开剪映，找一段10秒的素材，按照“文字朗读→降噪→音乐→自动闪避”的顺序试一遍。头部次做可能要多花点时间，但一两次之后就会熟练。
这套方法不需要花钱买软件，电脑配置一般也能跑得动。遇到效果不好时，优先检查是不是降噪过头，或者音乐音量压过了人声。调整参数时一次只改一个变量，方便判断问题出在哪。