很多人第一次录课时会遇到同一个诉求:除了录下屏幕上的 PPT 或代码,还想把讲课的人也放进视频里——在画面角落露个脸,让内容有讲解者、更像一堂课而不是一段无声演示。这个技术在音视频领域有个专门的名字:画中画(Picture-in-Picture,简称 PiP)。本文从合成原理讲到具体参数,把录课画中画这件事的技术细节讲透。一、什么是录课画中画:两路视频源的实时合成画中画的本质是两路视频源合成到一路输出。录课场景里,这两路源分别是:主画面源(背景层):屏幕录制或指定选区,也就是你的 PPT、浏览器、IDE、白板等演示内容。摄像头源(叠加层):一路来自 USB / 内置摄像头的实时视频流,通常就是讲课人的头像。录屏软件在采集这两路源之后,会在渲染阶段把摄像头画面作为一个小窗(overlay)叠放在主画面之上,按设定的位置、大小、形状做裁剪与缩放,最后编码成一路视频。所谓人像小窗就是这个叠加层。整个过程是实时合成的——录制时看到什么样,导出的 MP4 就是什么样,不需要后期再叠一层。从数据流角度看,可以理解为:屏幕帧 与 摄像头帧 在同一时间轴上对齐,逐帧做 alpha 合成(叠加层带遮罩),再送入编码器。理解这一点很关键,因为很多参数(位置、形状、镜像)本质上都是在描述叠加层这一帧怎么裁、怎么放。二、为什么系统自带录屏往往做不了摄像头叠加不少人先尝试用系统自带工具,结果发现只能录屏、录不进人像。原因就在于合成能力:macOS 的 Shift Command 5 截屏工具栏,默认只采集屏幕这一路源,不提供摄像头叠加通道。Windows 的 Xbox Game Bar(Win G)主要面向游戏窗口录制,同样不做摄像头画中画合成。它们缺的不是摄像头驱动,而是多源实时合成这一步。要实现录课画中画,通常需要具备双源采集与合成能力的专门工具:一类是 OBS 这样的专业推流/录制软件,通过来源叠加图层手动搭出画中画;另一类是把画中画做成开箱即用选项的录课工具,勾一下摄像头、选好位置就能录。前者灵活但配置门槛高,后者省事、适合快速出片。录制前的摄像头与录制配置选项录制前先在配置里确认摄像头源、麦克风与画中画开关三、人像小窗的核心参数:位置、大小、形状、镜像画中画好不好看、会不会挡内容,几乎全取决于叠加层这几个参数。逐个拆解。1. 位置(Position)最常用的是右下角或左下角。选择原则只有一条:避开主画面的内容区。PPT 的正文、代码的关键行、图表的坐标轴,都不该被小窗压住。多数演示模板正文偏上偏中,所以底部两角最安全。如果你的内容左侧有目录/大纲,就把人放右下;反之放左下。2. 大小(Size)小窗尺寸建议控制在整个画面短边的 1/5 到 1/4 之间。太大喧宾夺主、遮挡内容;太小则看不清表情、失去有人在讲的意义。以 1080p(1920×1080)输出为例,人像小窗宽度大致在 300~480 像素区间比较自然。3. 形状(Shape)常见两种:圆形和圆角矩形。圆形只保留头肩、视觉更聚焦人脸,适合口播感强的课程;圆角矩形保留完整取景、信息量更大,适合需要展示手势或实物的场景。形状本质上是给叠加层套一个遮罩(mask),圆形就是圆形 alpha 遮罩。人像小窗形状参数:圆形与圆角矩形形状参数:圆形聚焦人脸,圆角矩形保留完整取景4. 镜像(Mirror)与边框镜像决定摄像头画面是否左右翻转。自拍视角习惯看镜像的自己,但如果画面里出现文字(比如你举起一张纸、或背景有招牌),镜像会让文字反过来,这时应关闭镜像。边框是给小窗加一圈描边,在浅色 PPT 上能让人像与背景区分得更清楚,深色背景则可加可不加。四、输出编码参数:分辨率、封装与兼容性合成之后就是编码导出。录课这类以清晰度和兼容性为先的场景,推荐这样一组参数:参数 推荐值 说明分辨率 1080p(1920×1080) 文字、代码清晰,文件体积可控;屏幕更大时可上 1440p帧率 25~30 fps 讲课以静态内容为主,30fps 足够;高帧率徒增体积视频编码 H.264 兼容性最好,几乎所有平台与设备可直接播放封装格式 MP4 通用容器,上传各平台无需转码为什么强调 H.264 MP4?因为它是目前跨平台兼容性最稳的组合——本地播放器、各视频平台、微信/企业微信、在线课程系统基本都能直接吃。H.265(HEVC)体积更小,但部分老设备和网页播放器解码有坑,除非你确定播放环境,否则录课首选 H.264。摄像头画中画合成效果合成效果:人像小窗叠在演示画面右下角,内容不被遮挡五、录制前的实操建议:让画中画更专业参数之外,现场条件对成片质量影响很大。几条经验:别背光:光源要在你脸的前方(比如面对窗户或补光灯),背后有强光会让人脸变黑成剪影。背景干净:小窗范围内尽量简洁,杂乱的背景会分散注意力。没有条件收拾,就把小窗做小一点、少露背景。小窗别太大:再说一遍,它是配角,内容才是主角。能实时预览再录:选支持实时预览画中画位置的工具,录之前就把小窗对齐到不挡内容的位置,避免录完才发现压住了关键行、只能重录。摄像头位置与视线:尽量把摄像头放在接近你视线高度的地方,俯拍会有压迫感,视线也不自然。六、从录制到成片:少倒腾的一体化思路如果按专业软件手动搭图层 剪辑软件后期 转码工具导出这条链路走,一堂课要在三四个工具间来回倒腾,画中画对齐、字幕、去卡顿都得分开做,效率很低。对多数录课需求来说,更省事的是用一体化工具把这些步骤合到一处。以讲笔为例,它把画中画做成了录制时的直接选项:录屏或选区的同时开摄像头画中画,现场就能选人像的形状与大小、把小窗放到不挡内容的角落;录制中还能实时标注、局部放大、切白板。录完不用换软件——本地用 whisper 生成字幕、一键去静音去口头语做智能剪辑,还能加片头,最后直接导出 MP4。支持 macOS 12.3 与 Windows 10。整条链路在一个工具里走完,对齐一次、导出一次,少了大量中间环节。人像小窗大小参数选项录制时直接调小窗大小,实时预览对齐位置七、小结录课画中画的技术内核并不神秘:它是屏幕源与摄像头源的实时合成,人像作为带遮罩的叠加层放在主画面之上。做得专业,靠的是把位置、大小、形状、镜像这几个叠加层参数调对,再用 1080p / H.264 / MP4 这套兼容性最好的编码组合导出。想把讲课的人自然地放进视频,理解 PiP 的合成逻辑,比记住某个软件的按钮更重要。常见问答(FAQ)Q1:录课画中画和后期用剪辑软件叠人像有什么区别?画中画是录制时两路源实时合成、一次成片,所见即所得;后期叠加则是先分别录屏和录人像、再在剪辑软件里对齐叠层。前者省事、不易出音画不同步问题,后者更灵活但工序多。日常录课推荐实时画中画。Q2:为什么我用 Mac 自带截屏 / Windows Game Bar 录不进摄像头?因为这两个系统工具默认只采集屏幕这一路源,不提供摄像头叠加合成通道。要实现摄像头画中画,需要用具备双源采集与合成能力的专门录课或推流工具。Q3:人像小窗放哪个角、做多大合适?放右下或左下角、避开正文内容区即可,哪边内容少放哪边。大小控制在画面短边的 1/5~1/4,1080p 下宽度约 300~480 像素比较自然,既看得清人又不挡内容。Q4:导出用什么格式兼容性最好?首选 H.264 编码 MP4 封装 1080p 分辨率。这套组合在各视频平台、聊天软件、课程系统和大多数设备上都能直接播放,无需转码;H.265 体积更小但部分环境解码有兼容性风险,录课不建议优先用。