使用 AI 工具

点击左侧 AI 工具。当前有三项工具：AI 生图、音视频转写、文字配音。点击左上角标题或输入框底部的工具名都可以切换，下次进入会停在上次用的工具。右侧是历史记录，点右上角的侧栏按钮可以展开或收起。

这三项工具都可以直接使用，不需要连接 AI 助手。

先分清：哪些在本机运行，哪些走云端

• 本地模型第一次使用需要下载，之后完全在 Mac 上运行，素材不离开本机。下载和卸载在设置 → AI 与模型 → 本地模型统一管理。
• 云端服务需要你自己的 Key，在设置 → AI 与模型 → 云端服务填写。一个 Google Gemini Key 就能用于转写、生图、配音和背景音乐；生图和音乐不在 Gemini 免费额度内，需要先在 Google AI Studio 开通付费。配置方法见设置总览与 API Key。

0.9 起，AI 工具里的“音轨分离”“AI 音乐”和转写的“AI 纠错”已移除。背景音乐可以让你的 AI 助手用 Gemini 生成，字幕纠错交给 AI 助手完成，见交给 AI：模板视频、字幕与文案。

AI 生图

1. 切换到 AI 生图。
2. 在底部输入想要的画面，例如“桌面上一台银色笔记本电脑，柔和侧光，右上角留出标题空间”。
3. 选择模型、尺寸和张数。
4. 需要参考图时，点击输入框左侧的 ＋，或直接拖入、粘贴图片。
5. 点击发送，等待图片出现在上方图库。
6. 点击图片查看大图。可以直接拖到 Finder、项目或其它 App，也可以点右上角在 Finder 中打开。

用哪条线路生图： 填了“生图接口”就优先用它；没填时，如果配置了 Gemini Key，自动用 Gemini 生图。两者都没配置时，生成按钮会提示先去设置。

历史里的提示词可以一键回填，图库里的图片也可以拖回输入框当参考图。

音视频转写

1. 切换到音视频转写。正在看旧结果时，先点右上角新转写。
2. 点击输入框的 ＋ 选择文件，或直接拖入 MP4、MOV、WAV、MP3 或 FCPXML。
3. 在底部选择引擎：
   • Qwen3 本地（离线）：默认选项，准确度高，第一次需下载模型；
   • 苹果系统自带：不用下载，速度快，适合简单内容；
   • Gemini 3.5 云端：需要 Gemini Key，音频会上传到 Google 处理。
4. 设置语言（默认自动识别）、单人或多人、每行字数。
5. 点击发送开始转写。
6. 点击字幕跳到对应位置播放，校对人名、数字和专有名词。
7. 点击顶部导出，选择 SRT、VTT、TXT 或 FCPXML。

结果有分行、分段、全文三种视图：分行适合逐条改字幕，分段适合读口述内容，全文适合整理文字稿。顶部时间线可以展开波形和字幕轨。转写历史不限条数，不需要时在右侧逐条删除。

精修方法见精修转写与剪后字幕。

文字配音

1. 切换到文字配音，点击右上角新配音。
2. 在上方输入要念的完整稿件。
3. 在底部输入框描述音色、情绪和语速，例如“自然讲解，语速稍慢，数字读清楚”。
4. 在右上角选择提供方：本地模型、OpenAI 兼容 TTS、ElevenLabs、Deepgram 或 Google Gemini。
5. 选择模型和音色，点击生成配音。
6. 在右侧历史里试听。音频可以直接拖到 Finder、剪辑软件或其它 App。

本地配音：VoxCPM2 与 Kokoro

• VoxCPM2：中文首选，48kHz。三种模式：文字造音色（用一句话描述想要的声音）、参考音克隆（用一段参考音克隆音色）、高保真克隆（参考音加文字稿）。底部“步数”默认 10、“CFG”默认 2.0，一般不需要改。
• Kokoro：体积很小，50 多种预设音色、10 种语言，适合英文旁白，不支持克隆。

用自己的声音克隆

1. 选择 VoxCPM2 和“参考音克隆”，点击选择声源打开声源库。
2. 导入一段参考音，或现场录一段（15～30 秒）。
3. 试听并保存，选它作为本次声源。
4. 输入稿件并生成，重点听停顿、发音和音色。

参考音最好是单人、清晰、背景安静。需要时可以勾选提取人声或净化声源，两项默认关闭。右侧历史里的配音也可以存进声源库再用。

云端配音

服务地址和 Key 在设置里配置；模型和音色在配音页底部按每次任务选择。

下载模型与处理失败

本地模型没下载时，工具底部会直接显示“未下载 / 下载”，下载中依次显示连接、百分比和速度，失败可以原地重试。