口播是什么
作者：夸父
一句话定义：口播是对着镜头或画外音直接"说话"的视频形态——知识讲解、带货推荐、观点输出都属此类。它制作门槛最低、信息密度最高，也是 AI 化生产最成熟的视频形态。
口播是对着镜头或画外音"直接说话"的视频形态——知识讲解、带货推荐、观点输出都属此类。它是所有视频形态里制作门槛最低、信息密度最高、也是被 AI 改造最彻底的形态。
口播的完整生产链路
一条口播 = 文案 → 分镜 → 画面 → 配音 → 合成。传统流程里这是 35 小时的人工；AI 切片制把它压到 3060 分钟：AI 扩写文案、按语义拆分镜、每镜生成画面（或数字人出镜）、TTS 配音、字幕按配音时长烧录、ffmpeg 本地合成。每个环节的产出你都能看到、能修改——改一段只重做一段。
不出镜的三条路线
纯画外音：AI 配音 + AI 画面——最快，适合知识/盘点类。数字人分身：自己的形象授权一次，之后"分身"出镜——有出镜的信任感，无出镜的成本（见数字人引擎）。真人出镜 + AI 后期：只录口播本体，画面、字幕、混音交给流水线。
口播的竞争力在哪
制作被 AI 解决后，竞争全部回到内容：选题眼光、观点增量、开头三秒。工具解决产能后，这些"内容能力"就是唯一的分水岭——文案结构见口播文案方案，完播的机制见完播率，变现路径见口播怎么赚钱。