人对着镜头说话，不可避免地会卡壳、重复，「那个」「然后」「嗯啊」连成串。自己说的时候感觉不到，回看的时候每一处都很明显，观众几秒就划走。
好消息是，口播是所有视频类型里最好剪的一种——素材只有一个人和一段声音，你要做的事非常机械：把不要的部分切掉，剩下的接起来。不需要创意，只需要耐心。
第一类是停顿。说话中间明显的空白，尤其是想词儿时候那种两秒以上的静默，全部干掉。
第二类是重复。一句话说了一半重来，或者同一个词连着说了两遍，留说得最顺的那一次。
第三类是口头禅。「那个」「就是」「然后」「嗯」「啊」，这些词单独看无害，一段话里出现十几次，听起来就很业余。
在剪映或 CapCut 里，把录音拖到时间线上，先整体听一遍，听到要删的地方就按分割，把那一小段选中、删除，后面的素材自动往前接。
删完之后重点处理接缝。直接硬接会让说话听起来像机器人，两个字的气都连不上。处理办法有两个：一是在接缝处留极短的一小段呼吸声或环境音，两三帧就够；二是垫一条音量很低的背景音乐，把接缝盖住。
口播经常遇到一个问题：这一段话说得很好，但画面里表情不对，或者刚好眨眼、看错方向。
这时候不用重录。剪映和 CapCut 都支持把画面和声音分开处理，你可以保留这一段的声音，把画面换成另一个角度、一张图或者一段空镜。观众听到的是连贯的话，看到的是对的东西，这个手法叫声音铺画面，是口播剪辑里最常用的。
反过来也成立：声音里有明显的喷麦或者杂音，但画面很好，那就留画面、把声音换成后面补录的一句。
第一个坑是删得太狠。把该有的呼吸和节奏全删光，听起来像念稿，反而不自然，正常说话的节奏要保留。
第二个坑是只管声音不管画面。声音接上了，画面突然跳一下，人明显换了姿势，这种跳切很出戏。要么补一段空镜盖过去，要么接受声音连贯、画面允许跳。
第三个坑是字幕不跟着改。声音删了，字幕还是原来那一版，观众看到对不上立刻出戏。声音改完一定重新识别一遍字幕，再人工校一遍错别字。
拿一段你用手机随便录的三分钟说话，不做任何准备，把它删到一分半。全程只用分割和删除两个动作。
能删完，你就基本掌握口播剪辑这个活儿了。剩下的只是速度和手感。
本文由 俊杰教剪辑 整理，部分内容经 AI 辅助生成并已人工校对。数据与方法以文中标注的出处为准。