影片 AI 旁白：如何為短片配音

製作 AI 旁白時，將旁白撰寫成符合鏡頭的短句，使用 AI 語音模型為每句配音，保留最佳版本並將其放在畫面下方。

作者 Zoey Z.最後更新

溫暖灰色背景上，一支復古麥克風立於翻開書本上的水墨畫

大多數 AI 旁白工具會將腳本轉換成一個長音訊檔案，這適合解說影片，但會削弱故事性，因為在故事中，每句話必須對應正確的鏡頭，並在下一個鏡頭前結束。影片旁白以獨立句子的形式效果更好，每句都為特定時刻撰寫並單獨配音。我們以 Flick 團隊成員 Zoey Zhang 製作的 1:38 動畫短片《To My Grandma》為例，整個故事由旁白者透過 Text to Voice 配音的 6 句話講述。本指南將展示如何以四個步驟製作影片 AI 旁白，並使用該影片的實際台詞、版本和時間點。

在 Flick 中為您的影片配音查看 4 個步驟

什麼是影片 AI 旁白？

AI 旁白是由生成語音而非真人演員錄製的旁白，疊加在畫面上，讓觀眾聽到的是旁白者而非螢幕上的角色。
  • 在 Flick 中，Text to Voice 使用 Eleven v3、Eleven v4 或 Seed Audio 1.0 製作旁白，而 Video Editor 則將其放在鏡頭下方。
  • 旁白是用聽的，而非用看的：當角色必須在鏡頭前開口說話並嘴型對應時，那是說話鏡頭，請參閱 AI 說話頭像指南。

真實短片如何使用 AI 旁白？

《致我的奶奶》透過 1 分 38 秒的畫面中 6 段簡短的旁白來講述故事，並在其公開畫布上為這些旁白生成了 10 次語音版本。
《致我的奶奶》的旁白，依照每行在影片中的開始位置，以及畫布中為其保留的文字轉語音版本數量
行數開始於版本數
My grandma, when I think of her, somehow I always remember her from behind.0:003
She would always secretly tuck food into my hands.0:212
I remember seeing her standing alone on the balcony, lost in thought. I sometimes wonder if she was thinking of grandpa.0:381
When I was little, she would always hold my hand tightly, afraid that I might get lost.0:481
But as I grew older, our hands slowly let go of each other.0:561
But I wish I could go back to when I was little, when you held my hand so tightly. Now, when I reach out to hold yours again, there's nothing left for me to hold.1:192
  • 每個版本都使用 Eleven v3 製作，每行是一次生成，因此可以重做某一行而不影響其他部分。
  • 最後一行從「她」轉為「你」，這是唯一直接對奶奶說的話，就如同標題一樣。

如何逐步為影片添加 AI 旁白？

將旁白寫成每個時刻一段簡短的行，在文字轉語音中為每行配音，保留每行的最佳版本，然後將這些行放在對應的鏡頭下方，行與行之間留有靜音。

  1. 第 1 步

    為鏡頭撰寫旁白

    為每個時刻寫一到兩句話，讓每句話說出鏡頭無法展現的內容，因為只是描述畫面的旁白會顯得重複。

    • 在奶奶站在陽台上的畫面中，旁白說出我們看到的內容：「獨自站在陽台上，若有所思」。
    • 接著補充畫面無法呈現的內容：「我有時會想，她是否在想念爺爺。」
    • 對照剪輯大聲朗讀這些行，因為超出鏡頭長度的旁白會讓後續所有旁白都延遲。
    Seen from behind, the grandmother stands alone on a wooden balcony over green fields as the narrator speaks00:09
    Zoey Z. 執導的《To My Grandma》 · 0:38

  2. 第 2 步

    為每行配音

    開啟文字轉語音，為旁白選擇一個聲音，並為每次生成輸入一行文字，這樣每一行都會成為獨立的音訊片段，你可以移動、修剪或重新生成。

    • 「小時候，她總是緊緊牽著我的手，生怕我走丟了。」這一行是一次 Eleven v3 生成，長度為 4.6 秒，橫跨三個鏡頭。
    • 使用 Eleven v3 或 Eleven v4 的文字轉語音功能在 Free 方案中提供，每次生成需要 8 點數。
    • 方括號中的提示，例如 [whispers] 或 [dramatic pause]，用於指導朗讀的方式。
    A small girl holds her grandmother's hand on a windy shore, then on a grassy hill, as the narrator speaks00:05
    Zoey Z. 執導的《To My Grandma》 · 0:48

  3. 第 3 步

    保留最佳版本

    當節奏或感覺不對時，重新生成一次，並並排比較不同版本，因為相同的文字每次可能會以更快、更慢或更溫暖的方式呈現。

    • 結尾的這一行在畫布上有兩個版本，分別為 9.6 秒和 8.8 秒。
    • 開頭的這一行有三個版本，分別為 5.0 秒、5.6 秒和 6.0 秒。
    • 在其他四行中，塞食物那一行有兩個版本，其餘每行各有一個版本。
    A girl in a red hood holds her grandmother's hand in a meadow until the grandmother fades into light00:14
    Zoey Z. 執導的《To My Grandma》 · 1:19

  4. 第 4 步

    留出靜默空間

    在影片編輯器中將每一行放置在其對應鏡頭下方，並留出沒有旁白的段落，讓畫面和音樂在台詞之間承載情感。

    • 第一行結束後，《致我的奶奶》在沒有任何台詞的情況下持續約 16 秒，畫面是奶奶在廚房打盹等鏡頭。
    • 第二行從 0:21 開始，畫面切換到她往女孩手中塞食物。
    • 在影片編輯器中，音訊位於音樂軌道上，每一行都有各自的音量和淡入淡出效果。

    開啟《致我的奶奶》工作流程

    The grandmother dozes at her kitchen table in silence, then tucks food into a girl's hands as the next line begins00:10
    Zoey Z. 執導的《To My Grandma》 · 0:15
更多細節：我們如何解讀這部影片

這些台詞是從影片的音訊和文字轉語音片段中轉錄而來，因為文字轉語音片段的文字不會顯示在公開畫布上。開始時間是每行文字轉語音片段在 Flick TV 上發布的影片中所在的位置，透過將片段的聲音與影片的聲音進行比對，並根據影片的字幕進行檢查，四捨五入到秒。本頁面播放的片段是從該影片及其聲音中剪輯而來。生成次數是在公開的 To My Grandma 畫布上生成的文字轉語音片段，讀取於 2026-10-27，包括已封存的片段；上傳的音訊（例如音樂）不計算在內。

什麼讓 AI 旁白聽起來自然？

少量的台詞，每句都為一個時刻而寫並單獨配音，之間留有靜默，故事的轉折留到最後。

  1. 1. 增添畫面無法呈現的內容

    Use the narration for thought, memory and feeling, as To My Grandma wonders whether the grandmother "was thinking of grandpa" over a shot of her back.

  2. 2. 保持每句台詞簡短

    Write lines a listener takes in at once, as the 6 lines of To My Grandma do, the longest of them two sentences.

  3. 3. 用標點符號標示停頓

    Put a comma or a full stop where the voice should breathe, because the voice model pauses at punctuation rather than at line breaks you imagine.

  4. 4. 每次生成一句台詞

    Voice each line on its own, so a weak read is redone alone and every line can be moved to fit the cut.

  5. 5. 讓畫面留有呼吸空間

    Leave whole shots without narration, as the film does for about 16 seconds after its opening line, so the voice never sounds like a running commentary.

  6. 6. 將轉折留到最後

    Keep the change in the narrator's voice for the last line, as To My Grandma shifts from "she" to "you" in the line where the narrator reaches for her grandmother's hand.

關於影片 AI 旁白的常見問題

什麼是 AI 旁白？

AI 旁白是由生成語音朗讀的旁白，由文字生成而非錄音製作。它會疊加在影片上作為旁白者的聲音，與角色在螢幕上說話的對話不同。

如何為影片添加 AI 旁白？

將旁白寫成簡短的句子，使用文字轉語音模型生成每句台詞，然後在影片編輯器中將音訊片段放置在鏡頭下方。在 Flick 中，文字轉語音功能可生成台詞，影片編輯器的音樂軌道則可將它們放在畫面下方。

有免費的 AI 影片旁白嗎？

有的。Flick 的文字轉語音功能，使用 Eleven v3 或 Eleven v4，在 Free 方案中每次生成需 8 點數，新帳號註冊時會獲得 100 點數。

我可以用自己的聲音製作 AI 旁白嗎？

可以。在 Flick 中,Text to Voice with Seed Audio 1.0 最多可使用三個您附加作為參考的語音片段,並以該聲音說出新的台詞。您也可以匯入自己的錄音作為音訊並將其放置在時間軸上。僅使用您有權使用的聲音。

短片中的旁白應該多長?

越短越好,以故事允許的長度為準:旁白最好是幾句台詞之間留有靜默,而非連續不斷的音軌。在 Flick 中製作的短片《To My Grandma》用 6 句旁白在 1:38 的影片中講述了它的故事。

AI 配音能聽起來有情感嗎?

可以。按照應該說出的方式寫下台詞,在聲音應該停頓的地方加上標點符號,並在 Text to Voice 中以方括號添加提示,例如 [whispers] 或 [laughs]。生成幾個版本,保留感覺最符合鏡頭的那個。

AI 配音能說其他語言嗎?

可以。Eleven v4 支援 90 多種語言,Text to Voice 中的聲音選擇器可依語言篩選聲音。並非每個聲音都支援每種語言,因此請先預覽聲音。

更多關於 Flick 中聲音與故事的內容

查看全部

本頁面的影片

本頁面播放的片段來自完成的影片《To My Grandma》及其旁白,以及其公開畫布中的版本和時間安排;兩者均歸功於其影片製作者。相關卡片展示了《To My Grandma》畫布中的鏡頭,以及 Jaime Yao 的《A Proper Introduction》中的鏡頭。

為您的影片添加旁白

撰寫台詞,在 Text to Voice 中配音並將其放置在您的鏡頭下方,全都在一個畫布上完成。

在 Flick 中為您的影片配音

免費試用，無需信用卡。

讓 AI 解讀本頁：ChatGPTPerplexityClaude