# 华南理工分享 · 从一份大纲到一门视频课 · 讲课稿 v1

> 总时长：约 17.5 分钟（约 4400 字，250 字/分钟基准）｜ 共 16 页课件
> 受众：华南理工大学工商管理学院教师与学生（约 20 人）｜ 讲者：赵磊
> 音色：C1 复刻音色，裸参数合成（语速与自然感全部由文本承载，禁用合成参数）

---

## 第 1 页：封面 【约 0.5 分钟】

各位老师好，我是赵磊。今天不讲课，先坦白一件事：这门课本身，就是待会儿要讲的这套流程做出来的。包括你们等会儿可能听到的，我的声音。咱们开始。

---

## 第 2 页：目录 【约 0.5 分钟】

今天二十分钟，就四件事。先把"做课件"这个事重新定义一下，然后看一条完整的流水线，再一段一段拆开看，最后放视频，眼见为实。重点在最后。

---

## 第 3 页：备一章课要多久 【约 1.5 分钟】

先问个扎心的问题。一位老师，备一门新课的一章，要多久？我自己踩过这个坑。查资料定大纲，两到四个小时。做课件，这一步最狠，四到八个小时，一页一页排。写讲稿，两三个小时。如果这门课要上网课，还得录音、剪辑、上字幕，又是两三个小时起步。加一下，一章课，顺利的话一个通宵，不顺利的话两天。一学期十六章是什么概念，二十多个通宵，这还只是一门课，在座有老师带三门课的，可以自己算算。最气人的是什么？这些活干完，产出是一次性的。课件做完，其实只走完了备课的一半。真正能反复用的部分，全在后半段，而后半段恰恰最花时间。

---

## 第 4 页：都卡在同一步 【约 1 分钟】

所以这两年很多老师开始用 AI 做课件，但用过的人基本都卡在同一步。AI 确实能生成 PPT，你给它一个题目，它哗哗给你二十页。然后呢？版式漂移，你得逐页手修。讲稿它不管，还得自己写。想录成网课，从头再来。下学期再开这门课，从零开始。它给你的是一次性成品。我们真正想要的，是一份能反复用的资产。所以差别就在这一句：缺的不是一个会画 PPT 的 AI，是一条从大纲一路走到成片的流水线。

---

## 第 5 页：重新定义"课件" 【约 1 分钟】

所以今天我想把"课件"这个词，重新定义一下。课件不是一个 PPT 文件。一份大纲，或者说一篇现成的文字稿，丢进流水线，出来的是五件套：能继续改的课件，字体保真的 PDF 讲义，按语速配平的逐页讲稿，词级对轴的字幕文件，还有一支带字幕的高清成片。一次制作，反复使用。翻转课堂、慕课、教学成果申报，吃的都是这套资产。输入是一份大纲，输出是一门课的数字资产，这是我今天最想让大家带走的一句话。

---

## 第 6 页：SOP 全流程图 【约 1.5 分钟】

流水线长什么样？大家看这张图，先记住颜色就行。绿色的，是机器干的活，一共四段：生成课件，生成讲稿，配音，合成烧字幕。这四段由 skill 自动执行，skill 就是提前写好的标准操作流程，AI 照着做，不许发挥。橙色虚线的，是人守的卡点，一共六个：需求澄清，打磨导出，逐页定稿，成片方式，挑音色，预览验收。每个卡点都是要你本人拍板的决策，机器不越权。一会儿我会一段一段拆开讲这张图，现在只要记住一个分工：机器干体力活，人握判断权。

---

## 第 7 页：AI 没有权力替你做任何判断 【约 1.5 分钟】

这页我想多说两句，因为我知道在座各位最关心的其实是这个：AI 生成的内容，能信吗？我把答案直接设计在了流程里。你看，四个机器段，干的都是体力活，套模板，数字数，合成音频，烧字幕，快，稳，不知疲倦，但它不负责判断。六个卡点，全是判断：这门课给谁上，这页内容对不对，这个案例合不合适，这个声音像不像你，全都是人来定。每一页内容，都必须经过教师之手，才能进课堂。这不是我给 AI 上保险，这是设计。判断权和责任，始终在老师手里。所以这套流程里，AI 没有权力替你做任何判断，这句话我敢直接写在标题上。

---

## 第 8 页：输入门槛 【约 1 分钟】

那门槛高不高？不高。起步只需要一样东西，你已经有的那份大纲。有现成文字稿最好，论文，讲义，博客，甚至一次讲课的录音转写，机器先蒸馏出大纲再进流水线。只有大纲也行，章节知识点列个清单，直接就能生成课件初稿。给大家一个体量公式：五六千字的文字稿，约等于一讲十五到十八分钟，大概十五页课件。就这么多，这就是全部门槛。

---

## 第 9 页：Stage 1 大纲变课件 【约 2 分钟】

下面逐段拆。第一段，大纲变课件。左边，你给一份课程大纲，章节知识点，加一段教学目标。中间，Stage 1 逐页生成。这里有个关键设计：先写一份排版规范，把色板，字号，每种页型的坐标全部锁死，AI 照着规范逐页产出。为什么要这么干？因为大模型画 PPT 最大的毛病就是漂。第一页一个样，第八页另一个样，你修版式的时间比写内容还长。规范锁死之后，十六页出来，格式零漂移。然后是卡点 B，机器停下来，把文件交给你。你在 PowerPoint 里手动打磨，想改哪页改哪页，改完用 PowerPoint 本体导出 PDF。为什么必须本体导出？字体保真。别的工具转一遍，字体就糊了。现场我可以直接演示：你们现在看的这份课件，就是 Stage 1 按同一份排版规范生成的。随便抽两页出来对比，格式完全一致。这就是证据。

---

## 第 10 页：Stage 2 讲稿配平 【约 2 分钟】

第二段，课件变讲稿。这一段解决一个很实际的问题：一页 PPT 讲多久，心里没数。Stage 2 按页生成讲稿，配平到一个固定的语速基准，每分钟两百五十字左右。什么意思？写完这一页的稿子，它告诉你这页三百字，那就是一分多钟。全稿四千五，成片就是十八分钟上下。字数和时长直接挂钩，写多少字，就知道这节课讲多久。讲稿还有几条硬规矩。口语化，书面词自动转成说的词。规避数字串，比如"三到五份"，不能写成阿拉伯数字加横线，机器配音读出来，字幕对轴会错位，这种坑都是真踩出来的。然后卡点 C，逐页过稿。机器把讲稿一页一页贴在对话里给你看，你逐页确认，确认完再来一轮冗余压缩，把"这个""那个""进行一个"这类垫词删掉，内容一个字不动。今天这场分享的讲稿，就是我现在嘴里说的这份，也是这么过出来的。

---

## 第 11 页：卡点 D 自录还是 TTS 【约 2 分钟】

第三段，配音。这里是全流程最关键的一次选择，卡点 D：自录，还是 TTS？两条路都通。左边自录，适合已经习惯对着麦克风讲的老师，机器提前交付定稿讲稿加课件，你录完，音频回流，字幕照样烧好。右边 TTS，我个人推荐这条路。TTS 说白了就是文字转语音，机器念稿子，你打字，它出声音，就这么简单。几十种系统音色，即选即用。但真正的杀手锏是这个：声音复刻。你只需要录十五秒干净的人声，就能复刻出你自己的音色。复刻一次，之后你所有的课，都自动用你的声音讲。讲稿改了？改完重新合成一遍就行，不用再进录音棚。给大家现场听一下。（播放复刻样音）听出来了吗？这不是我录的。今天你们听到我的声音，其实可以不是我。这件事的意义在于，课程资产化之后，声音也成了资产，可复制，可迭代。

---

## 第 12 页：Stage 4 合成烧字幕 【约 1 分钟】

第四段，合成成片，这一段人基本不碰。PDF 高保真渲染，配音按页对齐。然后是字幕，用语音识别的词级时间戳，跟声音逐字咬合。语音识别就是 ASR，可以理解为机器的耳朵，它听一遍音频，就知道每个字是在哪一秒说出来的。识别错的字，用讲稿原文校正。最后一遍，字幕直接烧进画面。卡点 F 是预览确认，拖一遍进度条，验收四条：成片时长等于音频总时长，抽帧核字幕不溢出，品牌口径零残留，五件套归档齐全。四条都过，这支片子才算完。

---

## 第 13 页：元演示 【约 1.5 分钟】

好，到了验货环节。今天这场分享，我留了个底。你们正在看的这份课件，是 Stage 1 的产物。我手里这份讲稿，是 Stage 2 的产物。接下来要放的这支视频，是 Stage 3 加 Stage 4 的产物。同一个大纲，同一条流水线，提前真跑出来的。现在放给大家看。（播放视频，拖动演示）大家重点看三个地方。听声音，是不是我。看字幕，跟语音是不是逐字咬合。随便拖到哪个时间点，画面，字幕，讲述，都是齐的。完整的片子挺长，会后我把链接发群里，大家慢慢看。

---

## 第 14 页：五件套归档 【约 1 分钟】

跑完一遍，你手里落下的不是一支视频，是五件套：成片，字幕，讲稿，课件，讲义。这五样各自都有用武之地。PDF 直接发学生，讲稿给助教，字幕传平台，视频进网课。更值钱的是迭代逻辑：明年这门课重开，你改一页大纲，重跑流水线，只有被改到的那一页要重新生成，其余自动跟上。课越教越省力。这就是我说的，会增值的资产包。

---

## 第 15 页：场景与边界 【约 1.5 分钟】

那哪些课最适合先跑起来？我给四个场景。新开课建课，大纲变初稿，起步不再是空白页。混合式教学，把讲授段落变成视频，课堂时间留给讨论。精品课和教学成果申报，一门课一套完整素材。还有研究生组会，学生汇报前先对稿练时长，导师省心。但有三条边界，我必须主动说清楚。第一，学术判断，重难点把握，案例取舍，必须由教师完成，机器给不了。第二，AI 生成的每一页内容，必经人工复核，才能进课堂。第三，引用的事实和文献，逐条核验出处。AI 是会编参考文献的，这是用它做教学工作最大的坑。把边界说清楚，这个工具才敢放心用。

---

## 第 16 页：结尾 【约 0.5 分钟】

最后送大家一句话：备课的尽头不是 PPT，是一门自己会生长的课。今晚回去，把下学期某一章的大纲丢进来，跑出你的第一个五件套。接下来，把时间交给侯亮博士，他会拆解一个真实课程的完整落地案例。谢谢大家。
