Fliki：支持八十种语言配音的AI短视频生成平台

Fliki是一款以文本转语音起家的AI视频平台，把脚本、博客、PPT与产品页变成带配音、字幕和画面的短视频，主打八十多种语言配音与声音克隆，适合无露脸频道、播客切片与跨境营销。

一、该工具是什么

1.1 一句话定义

Fliki 是一个浏览器里的“文字进、视频出”平台，2021 年底以文本转语音工具起步，后来长成一条完整的短视频流水线。输入可以是一句想法、一段脚本、一个博客网址、一份 PPT、一个产品页；输出是分好场景、配好旁白、加好字幕与背景音乐的成片。

它和纯视频生成模型的差别在于重心。Fliki 不追求单帧画质，把力气放在“声音”与“流程”上：两千多个合成音色、八十多种语言、一百多种方言，加上声音克隆与数字分身，让一条内容能低成本变成十几个语种版本。画面则来自授权素材库、AI 生成图片与少量生成短片。

1.2 它解决了谁的什么问题

第一类是不想露脸的短视频账号。做知识、健康、历史、财经类内容，日更压力大，拍摄与剪辑都费时。Fliki 的路子是“写好稿、选好音色、让它配画面”，一条 60 秒片子从文案到导出可以压在一小时内。它解决的是“持续产出”，不是“拍得好看”。

第二类是播客与访谈创作者。一期一小时的节目，手动切片、加字幕、做封面要一整天。Fliki 能按文稿找可独立成段的片段，切成竖屏短片，配上逐词字幕，还能用克隆的声音补录开场。对靠播客做个人品牌的创作者，这是把一份内容拆成十份的捷径。

第三类是做跨境生意的小团队。同一款产品要投东南亚、中东、欧洲，分别找配音演员成本很高。Fliki 的翻译加配音能把一条成片换成多语版本，时间轴结构不变，只换声音与字幕。它给的是“能听懂的本地化”，不是“母语级的广告创意”。

第四类是课程与培训内容方。把讲义、PPT、操作文档变成带解说的视频，再用数字分身出镜，讲师的形象与声音可以复用到几十门课。对需要做多语培训的出海企业，这比每门课重录一遍现实得多。

它不适合两类需求：要有导演思维的镜头语言、要真实表演与实景质感的项目，素材拼贴做不出来；以及以中文口播为主、对语感要求高的内容，中文语音的停顿与重音仍带机器味，国内同类产品在这点上更贴。Fliki 的强项是“多语、快、便宜”，不是“好听、好看”。

二、基本信息

工具/平台名称	Fliki
官网网址	fliki.ai
上线时间	2021 年 12 月以文本转语音产品 Awedio 上线，其后更名 Fliki 并扩展为视频平台
产品功能	文本与脚本转视频、博客转视频、PPT 转视频、两千以上合成音色、八十多种语言配音、声音克隆、数字分身、多语翻译与配音、系列化排期、AI 图像与短片生成、逐词字幕、竖屏重构、封面生成、一键发布、接口调用
所属公司	Nine Thirty Five, Inc.，在美国特拉华州注册，团队主要在印度，由 Atul Yadav 与 Sabir Ahmed 于 2021 年创立，长期以自筹资金运营

运行形态是纯网页，没有桌面客户端，移动端可用浏览器操作。界面只有英文，帮助文档与客服也是英文。国内访问速度尚可，但上传大文件与生成高清成片时偶有等待；付费需要支持境外结算的信用卡或第三方支付渠道。

导出以 1080p 为主，官方不同页面曾提到更高分辨率，实际可用档位随套餐与项目设置变化。画幅支持横屏、竖屏与方形，短视频模板以 9:16 为默认。中文配音在支持语种之内，但官方没有单独披露中文音色的数量与质量分级。

三、主要功能

3.1 文本、博客与幻灯片转视频

主入口是粘贴文字。系统按段落切场景，为每个场景配一段素材或一张生成图，旁白直接读原文，字幕按句对齐。贴一个博客网址，它会抓正文、压缩成口播稿，再排片；上传 PPT，每页变一个场景，页面元素按顺序入场。

限制在“理解力”。它擅长把通顺的稿子念好，不擅长把结构松散的行业分析改成短视频脚本。抓网页时会略过图表与脚注，摘要偏平。想让成片有观点，脚本得自己写，或先改写成口播体再喂进来。

3.2 AI 配音：两千多个音色与八十多种语言

这是 Fliki 最早也最扎实的一块。音色按语言、性别、年龄感、风格分类，覆盖八十多种语言与一百多种方言，官方把其中一部分标为高保真档，付费档才能解锁。旁白支持调语速、停顿与重音，长文可以分段生成再拼接。

限制在语感的层级。英语、西班牙语、葡萄牙语这类大语种的自然度最好，小语种的语调会偏平，中文的轻声与儿化处理不够细。多音字、专有名词、缩写经常读错，需要在文本里改写或加注音替代。它不是录音棚替代品，是“能听、够用、批量”的方案。

3.3 声音克隆与数字分身

录一段样本，平台生成可复用的克隆声线，之后输入文字就用你的音色念，跨语言也能保持音色特征。数字分身更进一步：录一次本人出镜的素材，生成一个能开口说话的形象，同一张脸可以讲多种语言，口型按目标语言重算。

限制在授权与细节。克隆声音涉及本人同意，商用前要确认协议范围；样本质量差、背景有回声，克隆出来会带杂音。数字分身在正面中景稳定，侧脸、大幅度手势、快速转头会露馅，情绪表达偏平。它解决“不用反复出镜”，不解决“演得好”。

3.4 翻译配音与多语本地化

一条成片可以整条翻译：字幕换语种，旁白换成目标语言的音色，场景与时间轴保持原结构，不必重新排片。这对做多市场投放的团队是核心效率点——同一支广告出六个语种，从一周压到一天。

限制在“翻译质量”与“口型”。按句替换的翻译遇到长句、双关、本地梗会失真，需要人工润色；数字分身的口型按目标语言重算，但语速一快就对不上。文化适配也不在它的能力范围内，同一套画面在不同市场可能不合时宜，投放前要本地同事过一遍。

3.5 系列化排期生产

告诉它主题、风格与更新频率，平台会给出一组选题、脚本与排期，按周生成待发布的片子。对日更账号，这把“每天想选题”变成“每周审一批稿”。系列内的视觉风格、音色、字幕样式可以锁定，保持栏目感。

限制在选题质量。方向偏大众化，容易撞上同类账号都在做的题目，深度靠人补。排期只是建议，仍要人工确认。题材越垂直，它给的角度越泛，垂直账号更适合自己定选题、只让它做执行。

3.6 AI 画面：素材库、生成图像与短片

画面有三个来源：授权素材库的实拍镜头、按提示词生成的静态图、以及接入外部模型生成的短片段。官方在 2026 年把多家视频模型接进编辑器，支持首尾帧控制与参考图一致性，生成前可以在试验区试效果，不占项目额度。

限制在成本与统一性。生成短片按秒消耗额度，比素材镜头贵得多；同一项目里混用不同模型，质感和光线容易不统一。素材库匹配靠关键词，抽象概念常配出“对的但不贴切”的镜头。稳妥做法是素材打底、生成补关键几秒。

3.7 字幕、竖屏重构与一键发布

字幕支持逐词高亮、字体与描边自定义，可按品牌套件统一。横屏成片能重构成竖屏，画面跟随说话人移动，避免人物被裁掉半边脸。做好的片子可以直接推到视频平台，省去下载再上传的两步。

限制在平台规则。一键发布绑定的账号有限，标题、封面、话题仍要按各平台习惯单独填；竖屏重构对多人画面会来回摇，观感不如专门拍竖版。字幕的断句按标点走，遇到没有标点的口播稿会切得很碎。

3.8 团队、接口与批量交付

高档位支持品牌套件、多人协作与接口调用，接口可以把“文字进、成片出”接进自有系统，适合需要批量出片的平台方与代理商。企业档提供定制额度、发票、安全审查与专属客户经理，采购流程比自助订阅完整。

限制在门槛。接口需要开发对接，额度按项目规模谈；协作功能偏共享项目，没有细到镜头级的审片批注。企业档起订量不低，个人与小团队用不上，反而会被销售流程拖慢。

四、发展历程

Fliki 的时间线不算复杂，但有几个节点容易被误传。下表依据官方页面、创始人公开信息与第三方评测整理，用户规模取官方口径，具体以官网为准。

时间	事件	影响
2021 年 12 月	以 Awedio 之名上线，做文本转语音	积累语音合成与多语种能力，为后续视频化打底
2022 年	更名 Fliki，加入场景编排、素材匹配与字幕	从“配音工具”转为“文字转视频工具”
2023 年	借生成式 AI 热潮增长，博客转视频成为主要入口	用户规模进入百万级，靠自然增长与口碑传播
2024 年	补齐声音克隆、数字人、多语翻译与品牌套件	从个人创作者扩展到小团队与跨境营销
2025 年	推出系列化生产与封面生成，官方口径用户破千万	定位从“做一条”转向“持续做一个栏目”
2026 年	接入多家外部视频模型，增加试验台与首尾帧控制，强化直发	画面能力补强，但仍以配音与流程为核心卖点

从这条线能看出一个判断：它是“从声音往上长”的产品，不是“从画面往下长”。所以它的功能顺序是先有音色库、再多语翻译、最后才补生成画面。这个出身决定了它的气质——稳、便宜、语种多，但画面永远是“配得上旁白”的水平，而不是反过来。

第二个判断是它的组织形态。团队规模很小，长期靠订阅收入自筹运营，没有大额融资的动作。好处是产品决策快、价格压得住、不乱扩张；坏处是企业级能力来得慢，安全审查、权限体系、服务承诺这些大客户关心的东西，是这两三年才逐步补齐的。对采购方来说，这意味着它适合“业务部门自己买来用”，不太适合“走完整招标流程的核心系统”。

五、核心优势

5.1 语种覆盖是它最硬的一张牌

八十多种语言、一百多种方言、两千多个音色，这个组合在同类工具里属于第一梯队。对做多市场的内容团队，意味着不用为每个语种找配音、不用为每个版本重排时间轴，一条片子半天出六个语言版本。省下的是采购与协调，不只是制作时间。

它不擅长小语种的精细表达。大语种的自然度明显好于小语种，方言与口音的覆盖也有边界。所以对你意味着：主攻市场用大语种，长尾市场先试听再批量，别一次生成二十个语种再发现有一半不能用。

5.2 成本结构适合跑量

额度按成片分钟折算，一分钟大约一个额度，配音、字幕、素材都含在里面，只有生成短片与数字分身会额外吃额度。对日更账号，这让成本可以按“条数 × 时长”预估，不必担心某个功能突然加价。入门档的月费在同类里偏低。

它不擅长高精度制作。额度便宜的前提是画面来自素材库，想要每条都独特就得花额度生成，成本立刻上去。所以对你意味着：把它当批量生产线，重点片子单独投入。

5.3 配音与画面在同一个池子里

很多团队的痛点是“配音一个工具、剪辑一个工具、字幕又一个工具”，文件来回导，版本对不上。Fliki 把这几步放进一个编辑器，改一句台词，旁白、字幕、场景时长同时变，没有后期经验的人也能独立走完一条片子。

它不擅长复杂合成。多轨道、画中画、精细调色、音频降噪都给得很基础。所以对你意味着：信息型内容在它里面收尾，需要包装的片子仍要导出到剪辑软件。

5.4 系列化能力对准了日更的痛点

“想选题”比“做片子”更耗人。系列功能把选题、脚本、排期打包，一次设定产出一周的稿子，账号的更新节奏就稳了。对靠更新频率吃流量的账号，稳定比爆款重要，这个功能解决的正是稳定。

它不擅长垂直深度。选题偏大众，行业内的真问题它提不出来。所以对你意味着：用它做执行与排期，选题和观点自己给，别把内容方向交给它。

5.5 本地化链路短，适合跨境团队

翻译、配音、字幕、封面、发布连在一起，一条片子从中文到英西葡只需要改几个设置。对跨境电商与 App 出海团队，这比“翻译公司 + 配音演员 + 剪辑”三方协作快一个量级，成本也低一个量级。

它不擅长创意本地化。画面里的场景、手势、节日元素是否适合当地，它判断不了；文案的双关与幽默也译不出来。所以对你意味着：结构和配音交给它，创意与文化审校必须有人。

六、如何使用

从注册到导出第一条成片，Fliki 的路径是“注册、选入口、定语言与音色、审脚本、配画面、调字幕、导出”七步。全程在浏览器里完成，不需要安装软件，但界面只有英文，第一次用建议先把几个关键按钮认熟：场景列表、音色选择、字幕样式、导出。

注册并确认额度。用邮箱或谷歌账号登录，免费档每月只给个位数额度，导出 720p 且带平台标记，够试听音色与看流程，不够做正式内容。要商用直接看入门档，付费后去标记、1080p、可商用，这三项是分水岭。
选一个入口。工作台给出文字、博客网址、PPT、产品页、录音等入口。第一次建议选“文字”，变量最少。选网址看起来省事，但抓取与摘要的问题会混在一起，排查困难。
定语言、音色与画幅。先定旁白语言，再选音色，试听三句再决定，别只看名字里的风格词。画幅按平台选，短视频用 9:16，视频站用 16:9。音色一旦定下，整条片子最好不换，换了观众会觉得换了个人。
审脚本与分场。系统把文字切成场景，每场一到三句。检查三件事：每场是不是只讲一件事、句子能不能一口气念完、开场三秒有没有信息。场景切得太碎会把一句话拆到两场，听起来像卡带，需要手动合并。
配画面。自动匹配的素材先整体看一遍，把明显不相关的换掉。涉及产品、界面、数据的地方，上传自己的图或录屏，可信度立刻不同。生成画面留给抽象概念，一场最多两三秒，别整片都用。
调字幕与音乐。字幕选逐词高亮或整句，字号按平台调，竖屏字幕别压在底部安全区外。音乐音量压到不盖人声，口播类内容宁可不加音乐。
预览与导出。整片看一遍，重点听多音字、数字、专有名词，看字幕有没有错行。确认后导出 1080p，需要多语版本就复制项目、换语言、重新生成配音，场景不用重排。

最容易犯的错，是把中文长句直接丢进去。书面语一句话三四十字很常见，合成语音念到一半要换气，听感立刻假。先改成 20 字以内的短句，一句一个判断。第二个错是音色选得太“播音”，配知识内容显得用力过猛，中性声线更耐听。

七、使用教程

7.1 案例一：中文公众号文章改成 45 秒英文短片

目标。把一篇 1500 字的中文行业观察，改成 45 秒英文竖屏短片，投放到海外短视频平台，要求开头提出一个反常识判断、中段给两个数据、结尾留一个问题引导评论。

素材处理。不要直接翻译原文。中文的论证习惯是“背景—分析—结论”，短视频要反过来：“结论—证据—追问”。先用中文写一版 45 秒口播稿，约 110 个英文词，再译成英文，句子控制在 12 词以内，去掉所有从句。

提示词原文。贴进脚本框的口播稿如下，方括号内为平台音色与品牌设置。

Hook: Most teams measure video by views. That is the wrong number.
Point 1: A 40-second clip that answers one question beats a 3-minute overview.
Point 2: We tested 60 clips. The ones under 45 seconds held 2.3x more viewers.
Turn: Short is not lazy. Short means one idea, said once.
Question: What is the one question your last video answered?
Voice: [Ava - warm, conversational, US English]
Captions: word-by-word, white with dark outline
Music: none

参数设置。画幅 9:16，45 秒，语速中等偏快，字幕逐词高亮、每屏不超过 4 个词，素材以办公与手机竖屏实拍为主，结尾留 3 秒空镜放问题字幕。

结果评估。第一版常见问题：开场配了一段城市延时，与“别只看播放量”的判断无关；两个数据被念成“two point three times”含糊不清；结尾问题只停留 1.5 秒，观众还没读完就结束；全片 11 个场景，平均 4 秒一换，切得比语速快。

返工点。开场换成“后台数据面板”的录屏，让画面直接对应观点；数字改成“more than double”这类口语表达，配音更稳；结尾延长到 4 秒并加一行字幕；场景压到 8 个。整条约 50 分钟，每加一个语种约 6 分钟。

7.2 案例二：一小时播客拆成三条竖屏切片

目标。一期 58 分钟的两人对谈，拆成三条 60 秒竖屏短片，用于短视频引流，要求每条能独立看懂、有明确观点、保留原声的语气。

前置处理。先把音频上传做转写，通读文稿标出三处“有判断、有情绪、能独立成立”的段落。不要选需要上下文的段落，切片最怕“听不懂在说什么”。标好后一条一个项目，方便单独返工。

提示词原文。这是给切片环节的剪辑说明，写在项目备注里作为人工执行清单。

切片一：关于“不要先买设备”
- 起点：嘉宾说“我第一年只用了手机”
- 终点：他说“设备解决不了没选题”
- 必须保留：那句自嘲的笑声
- 字幕：中文原声转写，英文副字幕
- 开头加 2 秒标题卡：先别买相机

切片二：关于“更新频率”
- 起点：“日更三个月，我停了一周”
- 终点：“停更那一周，粉丝反而涨了”
- 画面：固定中景 + 关键句放大字卡
- 禁止：插入无关素材打断语气

切片三：关于“选题来源”
- 起点：“我的选题都来自评论区”
- 终点：“观众比你会出题”
- 结尾：留 3 秒引导关注

参数设置。画幅 9:16，60 秒，中文音色用克隆的本人声线补录开头两句，其余保留原声；字幕中文为主、英文副字幕字号小一档；画面以固定中景为主，每 8 到 10 秒插一张关键句字卡，不切无关素材。

结果评估。第一版常见问题：克隆声线与原声衔接处有细微差异，一听就出戏；三条切片用同一套字卡，放到一起像同一条；英文副字幕按中文语序直译，读着别扭；第一条开头两秒静音，观众划走。

返工点。克隆声线只用于片头与片尾各一句，中间全部原声，衔接处加 0.3 秒淡入；三条字卡换位置与颜色，保持栏目感但不雷同；英文副字幕改成意译，按英文语序重写；片头第一帧就上字幕，不留静音。三条切片从转写到导出约 3 小时，第二条起因为有模板，单条压到 40 分钟。

八、价格优惠

Fliki 采用“免费试用 + 订阅 + 企业定制”的结构，额度按成片分钟折算，配音、字幕、素材都含在额度里，生成短片与数字分身消耗更高。下表给的是量级与结构，实际价格、额度与折扣以官网实时价格为准。

套餐	价格	包含额度	适合谁
免费档	0 元	每月个位数额度，720p，带平台标记，单条时长很短	试听音色、看流程、判断口音是否可接受
入门档	每月二十余美元量级，年付约七五折	每年两千余额度、1080p、单条十几分钟、一个克隆声线、可商用	个人创作者、日更账号、单语种为主
高阶档	每月八十余美元量级，年付更低	每年七千余额度、单条四十分钟、多个克隆声线、品牌套件、接口	多语种团队、代运营、需要批量出片
企业档	按年报价	定制额度、发票、安全审查、专属客户经理	有采购流程的中大型组织

怎么买最省。一是年付，官方长期给年付折扣，幅度按档位不同，通常在两成上下；确定要用满一年就直接年付。二是把额度花在配音与版本上，而不是生成画面上：同样一分钟，素材场景约一个额度，生成短片可能贵十几倍。

三是按“语种数 × 条数 × 时长”估需求，而不是按“一个月做几条”估。做多语版本的团队最容易低估：一条 60 秒片子出六个语种，等于六分钟的额度消耗，还要留出重生成余量。四是关注免费档的额度刷新规则，额度不结转，用不完当月清零，别攒着。

按项目算更接近真实账单。一条 3 分钟的纯素材口播，通常消耗三到五个额度；叠数字分身出镜，消耗可能翻倍；再做五个语种版本，成本按版本数线性增加。预算紧张时优先砍语种，别砍配音质量——听不清的本地化等于没做。

九、最新动态

产品代际更新。2026 年官方把版本推进到第五代，重点不在画质，而在流程：更聪明的起点、脚本审阅、素材自动匹配改进、自动音效、系列化、低成本的人物一致性、情绪化声音、封面生成升级、试验台与视频平台直发。据官方更新说明，这一轮的目标是“把工具集合变成一条内容工作流”。

试验台与首尾帧。2026 年初上线的试验台允许在正式生成前对比不同图像与视频模型的效果，不占用项目额度；同期给部分高阶模型加了首尾帧控制，可以指定一段画面如何开始与结束。

数字分身与系列化。数字分身从“能说话的头像”扩到多语种口播，同一张脸可以讲八十多种语言；系列化则把选题、脚本与排期打包。两项功能都指向同一个方向：让一个人维持多个账号、多个语种的稳定更新。

规模口径。官方首页称全球用户超过一千四百万、累计生成视频超过一亿条，较早页面写的是千万级。这些数字来自官方自述，未见独立审计。同期官方强调付费企业客户数量，说明营收重心在从个人订阅往团队订阅移。

十、竞品对比

先做一个区分：Fliki 与 Pictory 都做“文字转视频”，但前者靠语音与多语种，后者靠长文理解与课件处理；InVideo 更偏提示词与模板；ElevenLabs 是纯语音工具，不产出成片。下表按公开资料整理，以各家官网为准。

维度	Fliki	Pictory	InVideo	ElevenLabs
核心定位	多语配音驱动的短视频	长文与课件转视频	提示词驱动的在线制作	语音合成与克隆
音色数量	两千以上	按档位分层，数量较少	较多，按档位限制	以音色库与克隆见长
语言覆盖	八十多种，一百多种方言	高档位覆盖较多	较多	数十种，质量优先
声音克隆	有，按档位限数量	有，需专业档	有限	核心能力
成片能力	完整，含字幕与发布	完整，偏课件	完整，偏模板	无，只出音频
中文界面	无	无	有	无
导出上限	主流档位 1080p	1080p	按档位可达 4K	音频文件

维度	Fliki	Synthesia	剪映
计费模式	订阅加额度	订阅，按成片分钟	免费加会员
入门成本	有免费档，付费二十余美元起	有试用，付费数十美元起	0 元可用
免费档限制	额度极少、720p、带标记	试用期限制	功能基本可用，部分素材与特效收费
强项场景	多语口播、播客切片、跨境投放	企业培训、数字人出镜	中文短视频剪辑与包装
中文体验	中，界面英文，中文配音一般	中，界面多语但不完全本地化	强，原生中文