多视频智能合并
批量上传视频，AI 视觉+声纹混合分组，避免同一人重复生成解说
VoxploreAI First-Person Video Narrator
批量上传视频 · AI 自动分组选段 · 一键生成电影感配音解说
Skip to content
第一人称片段提取
逐帧分析画面，Qwen2.5-VL 判断"我"的视角，提取情感峰值高光片段
情感峰值驱动选段
叙事完整优先 + 情感峰值加权，悬疑铺垫 → 剧情高潮 → 情感共鸣
模块化成品输出
合并版完整叙事 + 高光片段单独发布，最大化内容分发效率
7 种情感风格
治愈/悬疑/励志/怀旧/浪漫/幽默/纪录片 + 角色设定自定义
多格式导出
H.264/H.265 MP4 直出，或原生剪映草稿 JSON，无缝继续精剪
Qwen2.5-VL
DeepSeek-V3
SenseVoice
vs 传统视频解说
传统方式
Voxplore
制作时间
30–120 分钟
3–10 分钟
配音成本
¥50–500/分钟
<¥0.01/视频
技术门槛
专业剪辑 + 配音
上传视频，一键完成
隐私安全
上传第三方平台
视频永不上传云端
字幕同步
手动对齐，耗时费眼
TTS word-level，50ms 精度
导出格式
仅 MP4
MP4 + 剪映草稿 JSON
为什么选择 Voxplore
3 分钟完成解说
从上传视频到导出成品，全流程自动化。AI 自动分析、自动写稿、自动配音，无需手动剪辑。
不到一分钱一个视频
DeepSeek-V3 成本约 $0.1 / 1M tokens。处理一个 5 分钟视频成本不足 1 分钱。
视频永不上传云端
全部处理在本地完成。FFmpeg 本地合成，API 仅传输文字（解说稿），你的视频永远留在本机。
7 种情感风格
治愈 · 悬疑 · 励志 · 怀旧 · 浪漫 · 幽默 · 纪录片。AI 根据视频内容自动匹配最合适的解说语气。
4 步创作流程
1
上传视频
文件夹选择 / Ctrl 多选，自动扫描 mp4/mov/avi/webm
→
2
场景理解
Qwen2.5-VL 逐帧分析，提取"我"的主体视角高光片段
→
3
情感选段
叙事完整优先 + 情感峰值驱动，悬疑铺垫 → 高潮 → 共鸣
→
4
解说 + 导出
DeepSeek-V3 生成文案 + Edge-TTS 配音，MP4 / 剪映草稿输出
技术栈
模块
模型 / 技术
说明
分组
Qwen2.5-VL + 声纹视觉 0.7 + 音频 0.3 混合相似度
提取
Qwen2.5-VL逐帧分析，主体视角判断，9–60 秒片段
情感
视觉 + 音频双维度
画面信息密度 + 语调变化，综合评分排序
解说
DeepSeek-V3代入"我"视角，7 种预设风格 + 角色设定
配音
Edge-TTS · F5-TTSEdge 主流低延迟，F5 零样本音色克隆
导出
MP4 · 剪映草稿合并版 + 高光片段双输出
快速开始
v4.0.0
最新版本
|
MIT
开源协议
|
Python 3.10+
跨平台
|
PySide6
Qt 桌面端
|
<¥0.01
单视频成本