Genspark Media Studio 能把片段、字幕和配乐生成出来，但它交付的是“素材”，不是“成片”。片段之间的接点、字幕的断行、人声与配乐的电平关系，都属于剪辑层面的判断，工具通常按单条素材各自生成，没有全局上下文，所以接不上、断行难看、配乐盖人声这类问题几乎必然出现。可行的做法是：把生成结果先当粗剪素材收下，再按固定顺序过一遍收尾清单，逐项在时间线上确认后才导出。

生成之后至少还有五件事要自己做：核对片段首尾帧的拼接点、按语义重排字幕断句、先定人声电平再压配乐、统一色调与画幅、按投放平台核对导出参数。这五步都能用抽帧截图、ffprobe 读参数、两版试听来验证，不需要凭感觉。适用场景是拿生成素材直接拼成一条可发布的短片；风险边界是如果片段本身语义就不连贯，收尾只能修接点，修不了内容，需要重新生成缺失镜头。

逐段核对每个片段的首帧和尾帧

拼接处跳不跳，只看首帧和尾帧就够了。按片段编号把首帧、尾帧各抽一张图，命名成 clip03_in.png / clip03_out.png，按时间线顺序并排看：上一段的尾帧和下一段的首帧如果主体位置、镜头方向、光线方向差得明显，成片里就会“跳”。

# 抽首帧
ffmpeg -i clip03.mp4 -frames:v 1 clip03_in.png
# 抽尾帧（取最后 0.1 秒）
ffmpeg -sseof -0.1 -i clip03.mp4 -frames:v 1 clip03_out.png

问题片段要当场记下来，不要靠记忆。建议用一张简单表格管理，字段包括：片段编号、时间码、现象（跳轴／主体错位／画面已入字幕安全区／首帧黑场）、处理动作（重生成／裁掉头尾／加转场／调换顺序）、是否已修。收尾阶段只处理表里登记过的片段，避免反复全片重看。

按语义重新断句排字幕

生成字幕常见的两种毛病：一行太长、断在词中间。前者在手机竖屏上会被裁边或字号被迫缩小，后者读起来要回读。断句规则可以先按这个来：中文单行建议控制在 14~18 字（含标点），英文一行不超过 40 字符左右；一条字幕尽量容纳一个完整语义单元（一个短句或一个分句），不要把“因为……所以……”拆到两条里；每条字幕的停留时间按每秒 4~5 个汉字的节奏估，语速快的地方宁可变短句、多切一条。

断句前后对照示例

• 修改前：这个方案的核心优势在于它能够在不改变原有流程的前提下完成迁移（27 字，一行放不下）
• 修改后：这个方案的核心优势 / 是在不改动原有流程的前提下 / 完成迁移（三条，每条一个语义单元）
• 断在词中间的例子：……完成迁 / 移工作，应合并或改切为 ……完成迁移工作。

校对时建议开着原声逐条对听，重点看三类：专有名词和数字有没有被改写、标点是否被吃掉、每条字幕的入出点是否压到了换气处。字幕文件导出后，再用播放器整体过一遍，确认无重叠、无空条目。

先调人声电平再压配乐

顺序错了就很难救：如果先把配乐压下来再调人声，人声一提升，配乐又回到偏响的位置。稳妥的处理顺序是——先对人声做降噪和去齿音，再把人声电平拉到目标响度并做轻度压缩，让人声的起伏变稳；然后才动配乐，用配乐整体降电平或者用侧链压缩让人声出现时配乐自动让位；最后在总线上做限幅，防止叠加后削波。

# 配乐跟随人声做侧链压缩，人声出现时配乐自动让位
ffmpeg -i voice.wav -i music.wav -filter_complex "[1:a][0:a]sidechaincompress=threshold=0.05:ratio=4:attack=20:release=300[ducked]" -map "[ducked]" music_ducked.wav

两版试听对比是判断依据：A 版只做音轨叠加、不做任何电平处理，B 版按上面的顺序处理。同一副耳机、同一播放器音量，各听一遍人声密集段和纯配乐段；再切到手机外放听一遍。外放能听清每个字，基本就够用；外放听不清而耳机清楚，说明人声还需要再往上一点或者配乐再让一点。

统一各片段的色调与画幅

分段生成最容易出现的就是段落之间跳色、跳幅。需要逐项统一的参数清单：分辨率与像素宽高比、帧率、色彩空间与传递函数、白平衡与色温倾向、黑位与高光、锐度与降噪强度、缩放与裁切的取景方式（是补边还是裁切）、以及字幕安全区和主体安全边距。前四项在拼接前统一，后几项在同一批次素材内尽量保持一致。

对比截图的做法：在每段里挑一张构图接近的帧（有肤色或中性灰参照物最好），拼成一张对照图看色偏；再挑一段最亮和一段最暗的画面，确认黑位没有一段发灰、一段死黑。画幅用 ffprobe 逐条读，不要靠播放器窗口目测。

ffprobe -v error -select_streams v:0 \
  -show_entries stream=width,height,r_frame_rate,pix_fmt,color_space \
  -of default=noprint_wrappers=1 clip03.mp4

导出前按投放平台要求核对画幅、时长、文件大小

上传被退回，多半是导出参数和平台要求对不上。核对表可以固定成下面几项，每项都用命令或页面属性确认一遍，而不是凭印象勾选。

• 画幅与分辨率：确认成片分辨率与目标一致（如竖屏 1080×1920），不是靠播放器拉伸显示。确认方式：ffprobe 读 width/height。
• 时长：确认总时长在平台允许区间内，片尾有无多余空白。确认方式：ffprobe -show_entries format=duration，再对照播放器时间轴。
• 文件大小与码率：确认文件大小没超过上传上限。确认方式：看文件属性并结合码率估算，必要时下调码率重导。
• 帧率与音轨：确认帧率与音频采样率、声道数与平台匹配。确认方式：ffprobe -show_streams 看两条流。
• 字幕：确认字幕是烧录进画面还是外挂文件，与投放方式一致；烧录后要检查底部安全区没被平台 UI 遮挡。
• 片头片尾黑场与静音：确认没有意外黑帧、没有超出预期的静音开头。

ffprobe -v error -show_entries format=duration,size,bit_rate \
  -show_entries stream=codec_type,codec_name,width,height,r_frame_rate,sample_rate,channels \
  -of default=noprint_wrappers=1 final.mp4

这份核对表建议直接存成文本放在导出目录旁边，每次导出逐条勾选。五项里最容易漏的是时长和字幕烧录状态，优先确认这两项，能省掉大部分返工。