Kickart
火山引擎面向电商与品牌营销推出的一站式 AI 短视频生产平台
Captions.ai 是一款移动端优先的 AI 口播短视频编辑器，以”上传/录制口播素材 → AI 自动剪辑（切镜头、B-roll、音乐、转场）+ 100+ 潮流字幕样式 + AI 眼神校正 + 一键去填充词/静音 + 降噪 + 100+ 语言字幕翻译 + AI 配音(Lipdub) + AI Twin 数字分身 + 对话式编辑“为核心能力。
Captions.ai 是”把口播短视频的后期制作完全 AI 化，并且移动端体验做到极致”——它不是传统多轨时间线编辑器，而是“AI 像专业剪辑师一样一次性编辑整个视频”，创作者只需上传素材、选择一个风格，AI 自动完成全部包装。代价是：生成式 AI 功能消耗额度快、Max $24.99/月才解锁核心 AI 能力、桌面/安卓端体验弱于 iOS、长视频导出有稳定性争议。
💡 一句话理解 Captions.ai：它是 Mirage 公司（原 Captions Inc.）的移动端 AI 口播短视频编辑器，AI 覆盖自动剪辑/字幕/眼神校正/填充词移除/降噪/100+语言翻译/AI Lipdub/AI Twin 数字分身/对话式编辑——以”AI Edit 一次性自动剪辑 + 100+ 字幕样式 + AI 眼神校正（招牌功能）+ AI Twin 数字分身 + Free 基础编辑无水印 / Lite $4.99(安卓) / Basic $9.99 / Max $24.99 / Scale $69.99“为核心；与 Submagic 的”字幕精修”、开拍的”口播全链路”、剪映的”免费全能”路线均不重叠。Captions.ai 的差异化在于”移动端优先 + AI 像剪辑师一样自动编辑整个视频 + AI 眼神校正招牌能力“——但代价是生成式 AI 吃额度、Max 才解锁核心能力、桌面/安卓体验弱于 iOS。
产品概述
Captions.ai 于 2021 年作为简单的自动字幕工具上线，2026 年已演进为一个完整的 AI 视频生成与编辑平台，母公司 Mirage 已将原 Mirage Studio 合并进 Captions。官方数据显示其拥有 2000 万用户、支持 100+ 语言、100+ 字幕样式。
核心工作流（”上传 → AI 编辑 → 导出”三步走）：
- 拍摄或上传：在手机上直接用 Captions 相机录制，或上传已有口播素材
- AI 编辑：选择一种编辑风格（Elevate / Paper / Prime 等），AI 一次性完成——自动切镜头、叠加 B-roll、添加音乐与转场、生成字幕
- 精修（可选）：通过对话式编辑器（Chat to Edit）用自然语言指令调整细节
- 增强：AI 眼神校正、降噪、去填充词/静音、字幕翻译
- 导出发布：1080p 导出，直接发布到 TikTok / Instagram / YouTube 等平台
视频编辑核心规格：
| 规格 | Captions.ai 数值 |
|---|---|
| 平台 | iOS（功能最完整）/ Android（Lite 版）/ Web 端 |
| 最高导出分辨率 | 1080p |
| AI 自动编辑 | ✅ 选择风格后 AI 一次性剪辑整个视频 |
| AI 字幕 | ✅ 100+ 样式，100+ 语言，逐词高亮动画 |
| AI 眼神校正 | ✅ 招牌功能，数字调整视线朝镜头 |
| AI 填充词/静音移除 | ✅ 一键删除”um/uh”、长停顿 |
| AI 降噪 | ✅ 一键去除环境噪音 |
| AI Lipdub 翻译 | ✅ 30+ 语言配音 + 唇形同步 |
| AI Twin 数字分身 | ✅ Max 及以上，单张照片或短视频生成数字人 |
| AI 演员库 | ✅ Mirage-generated actors |
| 对话式编辑 | ✅ Chat to Edit，自然语言指令调整视频 |
| AI 音乐/音效/图像/视频 | ✅ 内置生成（消耗额度） |
| 水印 | 免费版导出无水印 |
入口矩阵：
| 入口 | 功能完整度 |
|---|---|
| iOS App | ⭐⭐⭐⭐⭐ 功能最完整，主力平台 |
| Web 端 | ⭐⭐⭐ 功能可用，但稳定性和功能完整度弱于 iOS |
| Android App | ⭐⭐ 仅 Lite 版（$4.99/月），手动编辑为主 |
核心能力
1. AI Edit（AI 一次性自动剪辑）
- 上传原始素材，选择一种编辑风格
- AI 自动切镜头、叠加 B-roll、添加音乐与转场、生成字幕
- 一次处理整个视频，无需手动在时间线上操作
- 提供 Elevate / Paper / Prime / Bloom / Prism Pro 等多种风格
2. 对话式编辑（Chat to Edit）
- 用自然语言指令调整视频：”把这段语速加快”、”在这里插入 B-roll”
- 每次消息消耗 2 额度，每个动作消耗 1 额度 + 生成式 AI 请求额度
3. AI 字幕（招牌能力之一）
- 100+ 潮流样式，逐词高亮动画
- 转写准确率高，对快语速、口音、专业词汇表现优异
- 100+ 语言字幕翻译，一键生成多语言版本
4. AI 眼神校正（差异化招牌）
- 数字调整视线朝向镜头，即使拍摄时在看提词器
- 这是 Captions.ai 最具差异化的功能，市场上同类工具极少具备
- 在光线良好、头部移动适中时效果自然；快速移动或暗光下可能出现伪影
5. AI 音频增强
- 降噪：一键去除环境噪音，达到录音棚效果
- 填充词移除：自动检测并删除”um/uh”及长停顿
- AI 声音克隆：克隆用户声音用于配音
6. AI 翻译与 Lipdub
- AI Translate：100+ 语言字幕翻译
- AI Lipdub：30+ 语言配音 + 唇形同步，让数字人/真人”说外语”
- 适合出海创作者做本地化
7. AI Twin 数字分身
- 通过单张照片或一段短视频生成个性化数字人
- 可让 AI Twin 用任何语言说话，唇形同步
- Max 及以上套餐可用，是跨语言内容生产的利器
8. Prompt to Video（文本生成视频）
- 输入脚本 → AI 生成完整口播视频
- 可选择内置演员或 AI Twin 出演
- 16 额度/6 秒视频，消耗较快
9. 传统编辑工具
- 提词器、修剪、缩放、转场、改尺寸、关键帧、字幕样式调整
- 这些基础功能在免费版即可使用
收费模式
Captions.ai 采用“免费 + Lite + Basic + Max + Scale（1x/2x/4x）”五级订阅制，按”月度额度（credits）”计费生成式 AI 功能。
官方定价（美元，2026 年 7 月最新）
| 套餐 | 月费 | 月度额度 | 核心权益 |
|---|---|---|---|
| Free | $0 | 60-200（一次性，不刷新） | 基础编辑（修剪/缩放/转场/改尺寸/字幕）+ 无水印导出；使用任何 AI 功能需升级 |
| Lite | $4.99/月 | 无 | 仅 Android；手动编辑工具 + 导入/翻译字幕 + AI 眼神校正 + 降噪 + 生成音效 |
| Basic（原 Pro） | $9.99/月 | 200（月度刷新） | 无水印；Reddit to Video 脚本生成器；相机&提词器；字幕&Dub；AI 编辑工具（眼神校正/降噪/审查/缩放/配音/标题卡/文本/修剪） |
| Max | $24.99/月 | 500（月度刷新） | Basic 全部 + Chat to Edit + AI Edit + Mirage 演员 + 最多 30 个 AI Twin + 并发视频生成（最多 2 个）+ AI Creator |
| Scale | $69.99/月 | 1400（月度刷新） | Max 全部 + 3 倍 AI 用量（可升级 2x/4x）+ 更快的视频生成速度 |
| Scale 2x | $139.99/月 | 2800 | Scale 双倍额度 |
| Scale 4x | $279.99/月 | 5600 | Scale 四倍额度 |
💡 额度消耗示例（部分）：
- Prompt to Video：每 6 秒消耗 16 额度
- AI Edit：每次 10-40 额度（取决于视频时长）
- Chat to Edit：每条用户消息 2 额度 + 每个动作 1 额度
- Google Veo 3 视频生成：4 秒消耗 64 额度
- Kling 2.1 视频生成：消耗 140 额度
- AI 眼神校正、降噪等基础 AI 功能不单独扣额度（包含在套餐内）
💡 额度滚动：Basic 及以上套餐未使用的额度可累积到次月，上限为月度额度的 3 倍（当月 + 累积最多 2 倍）
💡 年付优惠：官方定价页显示年付有折扣，具体以结账时显示为准。
免费版能用到什么程度
- ✅ 基础手动编辑（修剪/缩放/转场/改尺寸/字幕样式）
- ✅ 无水印导出
- ✅ 60-200 一次性额度（用完需升级）
- ❌ 无 AI Edit、无 AI Twin、无 Chat to Edit、无生成式 AI 功能
优势亮点
1. AI 眼神校正——市场稀缺能力
- 数字调整视线朝镜头，解决”看提词器导致眼神飘忽”的痛点
- 这是 Captions.ai 最具差异化的招牌功能，Descript 和剪映均无此能力
2. 移动端体验极致
- iOS App 被认为是 AI 视频编辑领域最精致的移动应用之一
- 完整的拍摄→编辑→发布工作流可在手机上完成
- 适合短视频创作者”随时随地出片”
3. AI 一次性编辑整个视频
- 不像传统剪辑软件需要手动在时间线上精修
- 选择风格 → AI 自动完成切镜头、B-roll、音乐、转场、字幕
- 大幅降低口播视频的后期门槛
4. AI Twin 数字分身
- 单张照片即可生成个性化数字人
- 可让数字人以任何语言说话（Lipdub）
- 跨语言内容生产的革命性能力
5. 字幕质量业界领先
- 100+ 潮流样式，逐词高亮动画
- 转写准确率高达 93-99%，对快语速、口音、专业词汇表现优异
- 100+ 语言翻译
6. 对话式编辑（Chat to Edit）
- 用自然语言指令调整视频，无需学习复杂的时间线操作
- 降低创作者的技术门槛
7. 免费版无水印
- 不同于许多竞品（如早期 Submagic），Captions.ai 免费版导出不带水印
- 但免费版额度仅 60-200 且一次性不刷新
局限性
| 方面 | 说明 |
|---|---|
| Max 才解锁核心 AI 能力 | Basic $9.99/月仅含传统编辑+基础 AI 工具；AI Edit/AI Twin/Chat to Edit 等需 Max $24.99/月 |
| 生成式 AI 额度消耗快 | Prompt to Video 16 额度/6 秒；Google Veo 3 视频 64 额度/4 秒；Max 500 额度重度使用撑不了几天 |
| iOS 优先，跨平台体验不均 | iOS 功能最完整；Android 仅 Lite 手动编辑；Web 端稳定性和功能弱于 iOS |
| 不是完整时间线编辑器 | 复杂多轨剪辑仍需 Premiere/剪映；Captions.ai 聚焦口播短视频 |
| 眼神校正边缘情况有伪影 | 快速头部移动或暗光环境下，AI 眼神校正可能出现明显伪影 |
| AI B-roll 命中率一般 | 自动推荐的 B-roll 常常是通用素材，未必精准匹配脚本内容 |
| 长视频导出稳定性争议 | 用户报告长视频（>30 分钟）导出时可能出现音视频不同步、崩溃等问题 |
| 客服响应慢 | Trustpilot 评分 1.6/5，用户广泛反映技术支持无响应 |
| Lipdub 长视频合成感强 | 短片段唇形同步效果自然，长视频明显合成感 |
