闪剪

定义

闪剪是一款基于人工智能技术的视频剪辑与生成工具，由深圳市趣推科技有限公司开发，产品定位为面向企业及个人的短视频营销创作平台。早期公开资料把它概括为集成了图像、语音、文字领域 AI 能力，并以图文快剪、直播快剪、视频订阅号、数字人定制等模块组合成完整的短视频生产流程。

从产品形态看，闪剪同时提供网页端创作工具、iOS 与 Android 移动应用，以及面向开发者的接口服务，接口侧主要输出数字人克隆、声音克隆、智能剪辑和视频合成等能力。它与传统非线性剪辑软件的差别在于流程组织方式：传统软件以用户逐条处理素材为中心，闪剪则把文案、数字人形象、配音与素材包装串成一条自动化的成片流水线^[2]。

原理

闪剪的口播成片能力以 2D 真人口播数字人技术为基础，研发方称该路线用于降低短视频创作与运营所需的人力与时间投入^[1]。用户上传符合要求的人像视频或单张照片后，系统对人物的面部口型、神态与音色进行建模，形成可复用的数字人形象与声音模型；此后输入新的文本，模型按语音节奏驱动口型与表情，生成人物“说话”的画面^[2]。官方说明要求形象克隆基于已获授权的人像素材创建^[2]。

生成之后的环节是包装与混剪。系统把标题、字幕、素材、背景音乐和关键词视作可独立排布的画面图层，按模板把数字人口播、插入素材、花字与转场组合为成片；对真人拍摄的口播素材，还可识别口头禅、停顿与无声片段并自动剔除^[3]。官方在接口层面区分“无包装”的纯净口播视频与“混剪包装”的成片，前者留给需要二次创作的专业用户，后者面向希望直接发布的使用者^[3]。

整个流程可以概括为文本到语音、语音驱动形象、模板驱动包装的顺序：$V = P(T(S(x)))$，其中 $x$ 为输入文案，$S$ 为语音合成，$T$ 为口型与表情驱动，$P$ 为模板化包装，$V$ 为输出的成片^[3]。

发展历程

闪剪的运营主体为深圳市趣推科技有限公司，其官网将品牌前身追溯至 2013 年成立的团队，2015 年获得创新工场 A 轮投资，此后陆续推出逗拍、趣推、字说等消费级视频工具^[4]。闪剪被定位为该公司面向企业市场的 AI 短视频营销创作平台，是其在既有短视频工具基础上向数字人方向延伸的产物^[1]。

关于闪剪应用的上线时间，公开资料存在差异：苹果应用商店的发布信息显示其于 2021 年 10 月上架^[5]，第三方监测数据记录的应用上线时间为 2022 年 7 月 23 日^[6]，公司自述则在 2022 年推出闪剪应用^[7]。2022 年 7 月，闪剪对外发布图文快剪、数字克隆人、直播快剪与视频订阅号四项功能^[8]。

2023 年 1 月 17 日，中国信息通信研究院在元宇宙创新探索论坛上公布数字人产品评测结果，闪剪通过数字人系统基础能力评测^[1]。2023 年云栖大会期间，公司发布 AI 开放平台，向企业输出数字人形象克隆、视频生成接口与智能剪辑方案。

此后产品能力向智能体方向扩展。2025 年 12 月 23 日，公司在深圳总部发布闪剪“AI Team”智能体，将内容生成从单条视频扩展到短视频、图文、文章与播客等多种物料。2026 年 5 月，公司在第二十二届中国（深圳）国际文化产业博览交易会期间与每经数智（成都）科技有限公司就 AI 视频方向达成战略合作意向。

应用

闪剪的典型使用方式是“文案进、成片出”。用户输入一段文字并选定数字人形象与音色，系统即生成口播视频，因此适合需要持续更新、以讲解为主的知识口播、企业宣传、产品介绍和课程培训类内容^[2]。评测方公布的信息显示，其早期落地行业集中在广告投放和教育培训^[1]。

直播切片是另一个主要场景。使用者导入直播间链接后，系统实时录制并对直播流做切分，挑出片段配上字幕、花字、音效与转场，再输出为可发布的短视频，使直播内容在播出期间即可转化为多条短片^[9]。面向本地生活商家，这类批量短视频常用于门店与产品展示；面向管理多个账号的团队，则用于同一文案的多版本测试^[2]。

在个人用户之外，闪剪通过接口向其他产品输出能力。公开资料提到，办公软件与搜索类产品曾基于其开放平台实现演示文稿转视频、数字人讲解等功能，使不具备视频团队的机构也能生成播报类内容^[7]。

局限

闪剪的能力边界首先体现在素材依赖上。数字人形象与音色的还原度取决于训练素材的拍摄与收音质量，素材存在遮挡、侧脸角度过大或环境噪声时，生成效果会受影响；已训练完成的数字人也不能直接更换服装与场景，若需多套造型须重新采集素材训练。不同版本在训练时长、分辨率与抠像换背景等参数上亦有差别，功能可用范围受订阅等级限制。

其次是场景适配的局限。产品的自动化围绕口播与模板包装设计，适合结构清晰、以讲述为主的短视频，而对于需要复杂运镜、多机位调度或精细调色的内容，仍需依赖专业剪辑软件完成^[3]。模板化包装也意味着画面结构较大程度由模板决定，成片风格的可变性弱于自由剪辑^[3]。

数字人技术本身还牵涉合规与权属问题。形象克隆须基于取得授权的人像素材，声音克隆同样涉及真人音色的使用许可^[2]。中国信息通信研究院的数字人系统评测从基础技术能力、基础工程化能力与基础安全保障能力 3 个维度展开，其中包括形象版权保障、内容追溯和内容风险控制等指标，这类指标反映的正是深度合成类工具在实际使用中需要面对的约束^[1]。

参见

• 数字人 —— 以计算机图形与语音合成技术构建的虚拟人物形象，是闪剪口播视频的核心载体。

• 声音克隆 —— 依据声音样本复刻音色的语音合成技术，闪剪用于生成多语种配音。

• 深度合成 —— 利用生成式人工智能合成文本、图像、音频、视频的技术类别，涉及闪剪这类工具的内容合规问题。

• 文字转语音 —— 把文本转换为语音的技术，是数字人口播流程的前置环节。

• 直播切片 —— 从直播流中截取精彩片段再加工为短视频的做法，属于闪剪的主要功能之一。

• 剪映 —— 面向自由剪辑的视频编辑软件，与闪剪的模板化自动成片路线形成对照。