直接将宽屏视频裁剪成竖屏，往往只保留画面中间部分——桌子、麦克风、某人的肩膀，而真正在说话的人却被裁到画面外。如果缩小显示整个画面，所有人又会变得很小。你真正需要的是一个能随对话内容移动的画面，而在剪辑软件里手动完成这件事要花上好几个小时。
上传一段最长10分钟的视频——采访、播客、演讲或镜头前的对话都可以。ElevenLabs Scribe会转录语音并标注说话人，随后AI在画面中识别人脸，并将其与声音一一对应。在“自动”模式下，正在说话的人会填满画面；两人同时说话时则以分屏方式呈现；全景镜头和幻灯片则以模糊背景衬托、完整显示原画面。如果说话人的脸被麦克风遮挡，或无法确定声音对应的人物，系统同样会完整显示画面，确保没有人被裁掉。你也可以手动选择模式：始终跟随说话人、双人分屏，或保留完整画面。
字幕只需一键开启：5种样式可选，文字会随语音同步出现。最终生成一个1080×1920的MP4文件，保留原声，可直接用于Reels、YouTube Shorts和TikTok。
该工具支持网页端和手机App使用。如果处理失败，消耗的积分会自动退还。如果你想从一段长视频中截取多个片段，请使用AI剪辑生成器（AI Clip Maker）。