让 Muse 把幻灯片和配音合成视频，先核对一个 35 秒小样

01｜有录音和课件，还差一张切页表

做长课件视频，最费时间的往往是翻页。录音已经讲到第二页，画面却还停在第一页，整段看起来就像配错了。先把什么时候换页写清楚，后面的合成才有可核对的答案。

TheNextAlan 在 10 月 1 日发帖说，他在让 Muse 把讲课音频和 PowerPoint 合成 MP4。他希望它从已有视频里学出切页规律，但随后也说任务能否在额度用完前结束还待观察。我读了这段讨论和原图，没有把它当作已经成功的长视频教程。下面改用我们自己的三页小样，先固定时间，再检查文件。

Meta 的设计说明确认 Muse 有电脑、文件和终端操作能力。你自己的任务里仍要先问它能读哪些文件、有没有可用的合成工具。读不到 PPT 或不能导出视频时，让它交付资料清单和时间表，后续在你自己的工具里完成。

02｜先交一份能明确核对的材料包

复制一份可授权处理的课件和短录音到单独目录，保留原文件。第一轮用自己制作的三页内容就够了。课程里的学生信息、客户名称、未公开图片先去掉；录音和课件都要适合交给当前服务处理。

在清单里写每页的编号、标题、实际图片文件和音频文件名。文件名用 slide-01.png、slide-02.png、slide-03.png，避开大小写不一致和排序混乱。让 Muse 先返回它确实读到的文件及页数，核对后再继续。

如果走静态图片合成，三张图先统一尺寸，例如 1920×1080。打开每张图看看字有没有缺、比例有没有拉伸。动画、逐项出现的文字和嵌入视频会在静态图里丢失，这种课件应回到 PowerPoint 的录制或视频导出流程，别靠一张截图替代。

03｜把开始时间和持续时间分开

这个合成练习约定音频正好 35 秒。第一页从 0 秒到 12 秒，第二页从 12 秒到 27 秒，第三页从 27 秒到 35 秒，对应停留 12、15、8 秒。起点是累计时间，duration 是这页停多久。把 27 误写成第二页持续时间，后面就会整体错位。

时间表再加一列切页附近实际说出的词，方便回听。第一句前有两秒静音，就把它留在时间里，别悄悄剪掉再沿用旧表。口头提到下一页标题也不一定意味着马上切页，讲者可能提前预告；最终按你希望观众看到的画面确认。

检查三段有没有重叠或空隙，末页结束是否等于实际音频长度。实际文件有 35.4 秒，就先确认多出的内容要保留还是裁掉，再统一时间表。这里的 35 秒只是已知答案的练习值。

04｜先让 Muse 给计划，再做短样本

可以复制这段要求。“只处理附件中的三页图片和一份练习音频。先列出实际文件、图片尺寸、音频时长和当前可用工具。按附表在 0、12、27 秒开始对应页面，第三页到 35 秒结束。保留音频内容，不生成新声音、不改文字、不加音乐。输出一个新文件，不覆盖原稿。先给合成方案和缺失项，等我确认后再执行。”

材料能读、时间能算清、工具可用，再批准一次小样。拿到真实文件后再下载检查。若任务只有一段“已完成”的文字，让它给出文件位置、实际大小和可下载入口；没有文件就还没交付。

如果只需要一段演讲保留原动画，Windows 桌面 PowerPoint 可录制解说与时间，再用 File、Export、Create a Video 导出。选择录制时间和解说时，它会采用已有记录；没录制时可能使用每页默认停留值。已有的整段外部音频仍需检查插入、跨页播放和页时长，不能以为点导出就自动对齐。

05｜有 FFmpeg 时，用一个可读的合成清单

走图片加音频路线时，可以让 Muse 生成 slides.ffconcat。清单逐行写 ffconcat version 1.0、file slide-01.png、duration 12、file slide-02.png、duration 15、file slide-03.png、duration 8，最后再写一行 file slide-03.png，为末页结束提供后续时间点。保存为纯文本，首行前不要有 BOM 或多余字符。

这个示例让清单、三张同尺寸 PNG 和 narration.wav 放在同一目录，用简单相对文件名并保留 concat 的安全路径检查。请先确认音频正好 35 秒，以及当前 FFmpeg 有 libx264 和 AAC 编码器。参考命令如下，生成新文件时遇到同名文件会停止。

ffmpeg -n -f concat -safe 1 -i slides.ffconcat -i narration.wav -map 0:v:0 -map 1:a:0 -vf "fps=25,format=yuv420p" -c:v libx264 -c:a aac -t 35 output-first.mp4

这是供当前环境核对的参考方案，本站没有用 Muse 账号运行这条任务。它只适用于本例的素材和时长；真实视频要把清单与结束时间一起改。不要随手加 -shortest 来掩盖末页太短的问题，它会按更早结束的输出流停下，可能把录音尾部一起切掉。

06｜回听切页前后，再查最后一句

打开下载后的 MP4，先听开头确认没有新加的静音或音量突变。然后从 10 秒开始看，12 秒附近应切到第二页；从 25 秒开始看，27 秒附近应切到第三页。两次都带声音回听，别只拖进度条看一张静态画面。

末页应停留到 35 秒，最后一句要完整。画面在 27 秒闪一下就结束，先查末页 duration 和清单末行；音频比画面长，查实际录音长度和输出限制；所有页都晚两秒，先找是不是音频开头静音被处理过。不要一边改语速、一边改页码和时间表。

环境有 ffprobe 时，可以用 ffprobe -v error -show_entries format=duration:stream=codec_type,codec_name,width,height -of json output-first.mp4 查看时长、视频与音频流及尺寸。文件信息不能代替回听，但能查出只有画面、没有音轨或分辨率不合要求这类问题。

07｜要自动猜切页，先把候选时间交给你

短样本通过后，再给一个有代表性的已完成片段作为参考。让 Muse 对新录音列出候选切页时间、附近原话、对应页标题和不确定项。重复标题、提前预告、跳页和离题段落都可能误配，不要让它把每个相似词都当切页信号。

转写记录可以帮忙定位，但仍要回听真实音频。尤其是模型提供的近似时间位置，不能直接当精准字幕或已审核的切页点。先人工确认几段候选，再生成下一份小样，逐步扩大到整节课。

把你确认的规则保存到任务材料里，例如“标题被首次正式讲解时切页，提前提一句先不切”。保留原样本和修正记录，方便下一次复用；这不表示在训练或微调 Muse 的底层模型，也不保证它已经永久学会。

08｜完整成片检查完，才分享给别人

长视频按章节分批做，保留课件、原音、时间表和最终文件的版本对应关系。每批检查首尾、所有切页点、字体、数字和声音；最后完整播放一遍，确认中间没有漏页和黑屏。

分享前在实际手机和电脑播放器里打开。MP4 是容器，里面的编码也要与目标播放器兼容。字体小到手机看不清，就回课件改字号，不靠视频放大补救。只把审核过的文件交给读者，外部公开上传单独确认范围。

如果需要准备音频转写，可接着看短音频 API 核对教程。要做新的动画镜头，则看分镜短片教程。这篇保留已有课件和原声，重点在时间对齐与成片检查。