识别画面中可触发音效的关键事件

打开跃问AI的时间线，将播放头停在第3秒的位置。仔细看：女生的指尖划过书页边缘，同时窗外刚好有一辆车驶过。这两个动作就是天然的音效锚点。

将时间线放大到帧级别（使用快捷键Ctrl+滚轮），观察波形突变的地方——书页翻动对应的是0.1秒内的高频瞬态，车流过境则是低频持续衰减。这些并非可以随便忽视的背景噪音，而是必须严格对齐的物理事件信号。

不要依赖自动分析功能，手动操作：右键点击时间轴，选择“添加事件标记”，分别命名为“翻页”和“车流”。请记住，跃问AI不会替你识别画面，它完全依赖你的指示来执行。

从跃问内置音效库精准匹配

点击顶部菜单中的“音效→场景库”，此时切勿直接用搜索框搜索“咖啡馆”——这个词太宽泛，系统会返回37条结果，其中22条是纯背景白噪音，根本用不上。

正确的做法是采用三层筛选法：先选择“室内”→再选“生活场景”→最后点开“纸质书翻动”这个子类。你会发现，这条路径下只有4条音效，每条都带有实测帧对齐参数标注，比如“起始瞬态误差±2帧”。

试听第二条，音效描述为“精装书慢速翻页，纸张厚实微哑，无胶装撕裂声”。这与画面中那本硬壳《霍乱时期的爱情》完全匹配——如果画面换成平装小说，这条就需要替换。

将音效拖入时间线后，它会自动吸附到你标记的“翻页”位置。但如果发现声音比动作早了3帧，直接拖拽音效波形左端，对齐书页抬起的最高帧——即肉眼能看到纸张弯曲弧度最大的那一帧。

用文本生成补足缺失的定制音效

然而很多时候，内置库也无法找到所需声音。比如画面里咖啡杯放在木桌上那声“咚”，跃问音效库里就没有“陶瓷杯底接触胡桃木桌面”这么细分的条目。

有两种解决办法。方法一：在音效面板点击“AI生成”，输入提示词：“白瓷咖啡杯轻放于老胡桃木桌面，短促闷响带木质共振余韵，0.8秒，单声道WAV”。千万要写明材质组合，否则AI默认会生成塑料杯的声音。

方法二更准、更快：复制画面中桌面的纹理截图，粘贴到跃问AI“音效生成”窗口右上角的“参考图”区域。系统会提取木纹密度与反光度，自动生成匹配共振频谱的音频。

生成完成后，下载WAV文件，拖入时间线。右键点击音轨，选择“波形对齐”中的“峰值对齐”，系统会自动将音效最大振幅点锁定在杯子触桌瞬间的视频帧上。

批量校验与微调同步精度

第一步：关闭所有音效轨道，单独播放原视频，用耳机仔细听清每一个动作发生的时刻——翻页、放杯、呼吸、窗外车流。

第二步：逐个开启音效轨道，对比播放。尤其注意“车流”音效：如果听到声音时窗外路灯还没亮，说明音效提前了。此时放大时间线，将音效起始点向右拖动，直到对齐第一盏路灯亮起的帧。

第三步：导出前做最终验证。按住Shift键选中所有音效轨道→右键→“同步校验”。跃问AI会扫描所有音效起始帧与画面事件标记的偏差值，将偏差大于5帧的条目标红。

第四步：对红色条目执行“帧级偏移”。输入-7表示整体后移7帧，输入+3表示前移3帧。数值直接生效，无需再手动拖拽。