视频 AI 配音：如何为短片配旁白

对于 AI 配音，将旁白写成适合画面的短句，用 AI 语音模型为每句配音，保留最佳版本并将其放在画面下方。

作者 Zoey Z.最后更新

温暖灰色背景上，一本打开的书上立着一个复古麦克风的墨水画

大多数 AI 配音工具将脚本转换为一个长音频文件，这适合解说视频，但会削弱故事性，因为在故事中，每句话必须落在正确的镜头上，并在下一个镜头前停止。影片的旁白更适合拆分为单独的句子，每句都为特定时刻而写并单独配音。我们以 Flick 团队 Zoey Zhang 制作的 1 分 38 秒动画短片《致我的奶奶》为例，整个故事由旁白者通过 6 句使用 Text to Voice 配音的台词讲述。本指南展示了如何分四步为视频制作 AI 配音，包含该影片中真实的台词、版本和时间节奏。

在 Flick 中为视频配旁白查看 4 个步骤

什么是视频 AI 配音？

AI 配音是由生成语音而非录制演员朗读的旁白，叠加在画面上，让观众听到旁白者而不是屏幕上的角色。
  • 在 Flick 中，Text to Voice 使用 Eleven v3、Eleven v4 或 Seed Audio 1.0 制作旁白，Video Editor 将其放在镜头下方。
  • 旁白是听到的，而非看到的：当角色需要在镜头前开口说话、嘴唇动作时，那是对话镜头，请参阅 AI 说话头像 指南。

真实短片如何使用 AI 旁白？

《致我的奶奶》通过 6 句简短的旁白在 1:38 的画面中讲述故事，其公开画布上为这些旁白生成了 10 个语音版本。
《致我的奶奶》的旁白，按每句在影片中的起始位置以及画布中保存的文字转语音版本数量
台词起始于版本数
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
  • 所有版本都使用 Eleven v3 制作，每句台词是一次生成，因此可以重做某一句而不影响其他部分。
  • 最后一句从"她"变为"你"，这是唯一直接对奶奶本人说的台词，正如标题所示。

如何逐步为视频添加 AI 配音？

为每个时刻写一句简短的旁白，在文字转语音中为每句配音，保留每句的最佳版本，然后将台词放置在对应的镜头下方，中间留出静音间隔。

  1. 第 1 步

    为镜头撰写台词

    为每个时刻写一两句话，让每句说出镜头无法展示的内容，因为仅仅描述画面的旁白只是重复画面。

    • 在奶奶站在阳台上的镜头中，旁白点明我们所见："独自站在阳台上，陷入沉思"。
    • 然后补充画面无法承载的内容："我有时会想，她是否在想念爷爷。"
    • 对照剪辑大声朗读台词，因为超出镜头时长的台词会导致后续所有台词延迟。
    Seen from behind, the grandmother stands alone on a wooden balcony over green fields as the narrator speaks00:09
    Zoey Z. 执导的《To My Grandma》 · 0:38

  2. 第 2 步

    为每句台词配音

    打开文字转语音,为旁白选择一个声音并每行输入一句话,这样每一行都会成为一个独立的音频片段,你可以移动、修剪或重做。

    • "我小时候,她总是紧紧牵着我的手,生怕我走丢。"这句话是一次 Eleven v3 生成的 4.6 秒音频,铺在三个镜头上。
    • 使用 Eleven v3 或 Eleven v4 的文字转语音功能在 Free 套餐中可用,每次生成消耗 8 积分。
    • 方括号中的提示,例如 [whispers] 或 [dramatic pause],用于指导该行的朗读方式。
    A small girl holds her grandmother's hand on a windy shore, then on a grassy hill, as the narrator speaks00:05
    Zoey Z. 执导的《To My Grandma》 · 0:48

  3. 第 3 步

    保留最佳录音

    当节奏或感觉不对时可以重新生成一行并并排比较录音,因为同样的词句每次可能会以更快、更慢或更温暖的方式呈现。

    • 结尾的这句话在画布上有两个录音版本,分别是 9.6 秒和 8.8 秒。
    • 开头的句子有三个版本,分别是 5.0 秒、5.6 秒和 6.0 秒。
    • 其他四句话中,塞食物那句有两个录音版本,其余的各有一个。
    A girl in a red hood holds her grandmother's hand in a meadow until the grandmother fades into light00:14
    Zoey Z. 执导的《To My Grandma》 · 1:19

  4. 第 4 步

    留出静默空间

    在视频编辑器中将每句话放在对应镜头下方,并留出没有旁白的片段,让画面和音乐承载台词之间的时刻。

    • 第一句话结束后,《致我的奶奶》有大约 16 秒没有台词,画面切换到祖母在厨房打盹等镜头。
    • 第二句话从 0:21 开始,画面切到她往女孩手里塞食物的场景。
    • 在视频编辑器中,音频位于音乐轨道上,每一行都有自己的音量和淡入淡出效果。

    打开《致我的奶奶》工作流

    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. 执导的《To My Grandma》 · 0:15
更多细节：我们如何解读这部影片

这些台词是从影片的音频以及其文本转语音片段中转录的，因为文本转语音片段的文本在公开画布上不显示。开始时间是每行文本转语音片段在 Flick TV 上发布的影片中所处的位置，通过将片段的声音与影片声音进行匹配，并对照影片字幕进行检查后确定，精确到秒。本页面播放的片段是从该影片中剪辑出来的，带有其声音。生成记录是在公开的 To My Grandma 画布上生成的文本转语音片段，读取于 2026-10-27，包括已归档的片段；上传的音频（如音乐）不计入其中。

什么让 AI 配音听起来恰到好处？

少量台词，每句都为一个时刻而写，单独配音，彼此之间留有静默，故事的转折留到最后。

  1. 1. 添加画面无法表达的内容

    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. 保持每句简短

    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. 用标点控制停顿

    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

    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. 让画面留有呼吸空间

    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. 将转折留到最后

    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.

关于视频 AI 配音的问题

什么是 AI 旁白？

AI 旁白是由生成语音朗读的解说，从文本生成而非录音制作。它作为叙述者的声音叠加在视频上，与角色在屏幕上说出的对话不同。

如何为视频添加 AI 旁白？

将解说写成简短的句子，用文本转语音模型生成每句话，然后在视频编辑器中将音频片段放置在镜头下方。在 Flick 中，文本转语音生成台词，视频编辑器的音乐轨道将它们放在画面下方。

有免费的视频 AI 旁白吗？

有的。Flick 中的文本转语音，使用 Eleven v3 或 Eleven v4，在 Free 计划中每次生成消耗 8 积分，新账户注册时可获得 100 积分。

我可以用自己的声音制作 AI 旁白吗？

可以。在 Flick 中，使用 Seed Audio 1.0 的文本转语音功能可接受最多三个语音片段作为参考，并用该声音朗读新台词。您也可以导入自己的录音作为音频并放置到时间轴上。请仅使用您有权使用的声音。

短片中的旁白应该多长？

越短越好：旁白最好是几句台词之间留有停顿，而非连续播放。在 Flick 中制作的短片《致我的祖母》用 6 句旁白在 1 分 38 秒的影片中讲述了完整故事。

AI 配音能表达情感吗？

可以。按照应该朗读的方式写台词，在语音应该停顿的地方加上标点符号，并在文本转语音中添加方括号提示，例如 [whispers] 或 [laughs]。生成几个版本，保留感觉最符合镜头的那个。

AI 配音能说其他语言吗？

可以。Eleven v4 支持 90 多种语言，文本转语音中的语音选择器可以按语言筛选语音。并非每个语音都支持所有语言，因此请先预览语音。

更多关于 Flick 中的声音与故事

查看全部

本页的影片

本页播放的片段来自完成的《致我的祖母》影片及其旁白，以及其公开画布中的素材和时间安排；均归功于其影片制作者。相关卡片展示了《致我的祖母》画布中的镜头以及 Jaime Yao 的《正式介绍》中的镜头。

为您的影片添加旁白

编写台词，在文本转语音中配音，然后将它们放置在镜头下方，全部在一个画布上完成。

在 Flick 中为视频配旁白

免费试用，无需信用卡。

让 AI 解读本页：ChatGPTPerplexityClaude