AI 背景音樂：短片配樂五個原則（2026）

一句答你：AI 背景音樂（ai bgm）已經可以喺幾分鐘內生成分鐘級嘅粵語短片配樂，但要用好佢，關鍵唔係「生成就得」，而係跟住五個原則——情緒一致、留白、唔蓋人聲、循環位、授權——再配啱工具類型。

重點摘要 Key Takeaways

• ai bgm 嘅核心唔係「有音樂就算」，而係音樂要服務旁白同節奏，唔可以搶戲。
• 五個原則：情緒一致、留白、唔蓋人聲、循環位、授權；逐條都有可執行嘅檢查步驟。
• 粵語內容特別要注意人聲頻段：旁白、對白一旦被背景音樂蓋住，觀眾第一時間撳走。
• AI 音樂生成工具分五類：純音樂生成、影片轉音樂、剪接軟件內置曲庫、客製化音效庫、聲軌生成平台；各有適用場景。
• 授權係底線：音樂、水印、標示，全部要有據可查，唔好靠「應該冇事」。
• 配好 BGM 之後，記得檢查人聲質素同字幕同步，成條片先算完整。

點解 ai bgm 係 2026 粵語短片的必修課

以前配樂係最貴嗰環：買版權曲、搵作曲人、等混音。而家 AI 音樂生成已經成熟到可以「提示詞入、音樂出」，學界早喺幾年前就將音樂生成系統分成旋律、和聲、編曲、表演等多個功能層面（音樂生成系統功能分類論文, 2026），而影片轉音樂（vision-to-music）呢條線亦有專門綜述整理（Vision-to-Music Generation 綜述, 2026）。

對香港創作者嚟講，呢個轉變意思好簡單：配樂唔再係預算問題，而係品味問題。AI 可以幫你生成一百段音樂，但揀邊段、點剪、點同人聲配合，仍然係你嘅判斷。呢篇就係將呢個判斷拆成五個原則。

AI BGM 係用 AI 模型根據文字提示、影片畫面或者情緒標籤，自動生成背景音樂聲軌嘅做法。佢同「用 AI 配音」唔同：配音係內容本身，BGM 係氛圍層。

原則一：情緒一致——音樂要講同一個故事

短片嘅情緒係由畫面、旁白、音樂三層疊出嚟。三層唔一致，觀眾會隱約覺得「怪」，但講唔出點解。

點樣判斷情緒一致

寫提示詞之前，先填一個簡單嘅三欄表：

例如一條教人開線上小店嘅粵語教學片，開場用急促電子樂、講步驟時突然轉成史詩式管弦樂，觀眾會覺得唔知邊度出事——音樂話畀佢聽「有大件事」，但旁白只係教你開商店。情緒一致唔係要音樂同旁白完全同調，而係唔可以互相矛盾。

實務上，將成條片拆成三至五個情緒段落，每段各自生成一段 BGM，好過一段音樂由頭鋪到落尾。AI 生成嘅優勢正正係「段落級」可以唔慳：一段唔啱，再生成一次，成本接近零。

原則二：留白——唔係每一秒都要有音樂

新手最常犯嘅錯，係將 BGM 當牆紙，由第一格鋪到最後一格。有經驗嘅剪接會話你知：靜音位先係最強嘅音樂工具。

留白嘅三個黃金位

• 鉤子之前：片頭頭兩三秒留淨畫面聲（或者完全靜），等觀眾注意力集中，然後音樂同旁白一齊入，衝擊力大好多。
• 重點句之前：講到最重要嗰句前，音樂突然抽走或者收細，等嗰句「彈」出嚟。
• 情緒轉折位：由開心轉去感性嗰下，一秒靜音加音樂轉換，效果勝過任何轉場特效。

例如一條長者友善嘅藥物提醒資訊片，中段講副作用嗰幾句抽走音樂，只淨旁白同環境聲，莊重感即刻出嚟——呢啲位用滿鋪 BGM 做唔到。

留白仲有一個實際好處：粵語旁白嘅資訊密度高，有時一句有七至八個音節。持續 BGM 會令聽覺疲勞，靜位係畀聽眾「唞氣」。

原則三：唔蓋人聲——粵語內容嘅生死線

呢條原則對粵語短片係「生死線」級別。粵語係聲調語言，六個聲調（教學常用講法係九聲六調）直接改變字義，「糖」同「堂」差一個音高。背景音樂如果佔據咗中頻同人聲打交，觀眾聽錯字、聽漏字，條片即刻失效。

人聲頻段 係大約 300 Hz 至 3 kHz 嗰段頻譜，語音嘅清晰度主要靠呢一段。BGM 揀曲嗰陣，要避開呢段太滿嘅編曲——例如冇人聲主唱、冇密集鋼琴中音、冇搶耳結他 riff 嘅純音樂版本。

三個混音習慣

1. 旁白完稿先做 BGM。旁白未定稿就配樂，等於倒模做鞋。建議先用 TTS 或者真人錄好聲軌，先決定音樂進出位。點樣整聲軌，可以睇我哋嘅 AI 配音完整指南。
2. 音樂音量壓到旁白嘅明顯之下。一個易記嘅比例概念：旁白係主角，BGM 係布景。布景比主角搶眼，就係失敗。用耳機同手機喇叭各聽一次——手機喇叭係大部分觀眾嘅真實環境。
3. 人聲出現嗰段，BGM 自動降（ducking）。剪接軟件基本都有呢個功能，設一個旁白聲軌做 trigger，音樂自動收細，人聲停就返嚟。唔識設，最笨但最穩嘅方法係手動 keyframe。

如果你條片係粵語配音而唔係旁白，人聲密度更高，原則三更加要嚴格執行。詳細流程可以參考 粵語影片配音工作流。

原則四：循環位——音樂要有「接駁口」

短片節奏快，成日要剪、要延長、要改順序。BGM 如果冇清晰嘅循環位（loop point），一改剪，音樂接位就「叮」一聲穿煲。

循環位 係音樂入面適合無縫重複或者切換嘅節拍點，通常係小節頭。揀 AI 生成曲嗰陣，重點唔係聽佢幾好聽，而係聽佢「邊度可以斷」。

揾循環位嘅實操步驟

1. 播放 BGM，用腳打拍子，搵出穩定節拍（多數 AI 生成曲係四拍小節）。
2. 記低每一個小節頭嘅時間碼。
3. 剪接時，所有音樂進出、淡入淡出，都對齊呢啲時間碼。
4. 情緒段落之間嘅切換，揀喺小節頭做，配零點三至零點五秒交叉淡化。

例如一條 90 秒嘅產品介紹片，你後期發現中段講規格嗰 20 秒要刪走，如果 BGM 對齊咗小節頭，直接剪走嗰段畫面、音樂循環向前補位，觀眾根本聽唔出剪過。

【獨家觀察】我哋睇過唔少香港創作者嘅重剪案例，發現一個規律：返工重剪最多嘅位，唔係內容錯，而係 BGM 接位穿煲。內容錯觀眾未必知，音樂「跳」一下，觀眾即刻知道條片剪過、覺得唔專業。所以循環位呢個原則，係「重剪保險」，前期花五分鐘對拍，後期慳幾個鐘。

原則五：授權——AI 音樂都要問「呢段嘢邊個嘅」

好多人以為「AI 生成」等於「冇版權問題」，係誤解。AI 音樂起碼有三層要查：

1. 平台授權條款：你用嗰個 AI 音樂工具，生成出嚟嘅音樂商業使用權係點？免費層同付費層權利唔同，要用之前逐條睇清楚官方條款。
2. 訓練資料爭議風險：生成式音樂模型嘅訓練資料授權係業界持續討論嘅議題，正式商業項目要揀授權條款清晰嘅平台。
3. 生成內容標示：香港數字政策辦公室嘅生成式 AI 指引強調透明同問責（香港生成式人工智能技術及應用指引, 2026），AI 生成內容應該有清楚標示；私隱方面可參考私隱專員公署嘅 AI 個人資料保障框架（PCD AI 模範框架, 2026）。部分平台生成嘅內容會帶 C2PA 或者水印標記，唔好刻意移除。

授權檢查清單

• 音樂生成平台嘅商用授權條款已讀並截圖存檔
• 生成日期同提示詞紀錄存檔（可追溯）
• 條片描述或者標示清楚 AI 生成成分
• 冇將生成音樂同取樣自受版權保護歌曲嘅素材混合
• 團隊內部有一份「邊個工具、邊個授權層」嘅清單

如果 BGM 入面有歌詞或者人聲樣本，仲要加倍小心——涉及聲音複製就要有明確同意，呢個同配音 clone 嘅道理一樣，可參考 AI 聲音複製同意指南。

五種 AI 音樂工具類型：邊種啱你？

ai bgm 工具可以按「輸入什麼、輸出什麼」分成五類。以下只講類別層面嘅定位，唔列具體規格，用之前請查各平台官方文件嘅最新資料。

點揀？一個簡單決策法：

• 教學、資訊型短片 → 純音樂生成或者剪接軟件內置曲庫，簡單、易控音量。
• 品牌、情緒型短片 → 影片轉音樂，等音樂跟畫面呼吸。
• 廣告、活動主題曲 → 聲軌生成平台做出記憶點，但要用 instrumental 版本做 BGM，人聲版只做主題曲位。
• 快剪社交片 → 剪接軟件一站式最快，唔好為配樂花超過條片製作時間嘅一成。

ai bgm 同粵語人聲嘅配合流程（完整步驟）

將五個原則串成一條可執行嘅工作流：

1. 定稿旁白文字：口語化、短句，標明邊句係重點（用嚟設計留白位）。
2. 生成聲軌：用 TTS 生成粵語旁白，或者錄真人聲。挑選聲線嘅方法見 TTS 聲線挑選指南。
3. 切情緒段落：將時間軸分成三至五段，每段標情緒。
4. 逐段生成 BGM：用上面五類工具，提示詞寫情緒＋樂器＋「no vocals」。
5. 對循環位剪接：全部進出位對小節頭。
6. 混音：BGM 按原則三壓音量、設 ducking。
7. 三設備覆聽：耳機、手機喇叭、桌面喇叭各一次，專注聽「有冇字聽唔清」。
8. 加字幕、標示 AI 成分、存授權紀錄，然後出片。

呢條流程入面，旁白文字點寫先啱 TTS 讀，可以參考 TTS 旁白稿寫作指南；如果想喺音樂入面用粵語歌詞，粵語字嘅讀音處理有專文討論：粵語歌詞朗讀指南。

【獨家觀察】粵語短片配樂嘅三個常見死因

根據我哋對香港創作者社群嘅持續觀察（2026-10-31），ai bgm 失敗案例大致歸三類：

死因一：音樂風格「普通話感」太重。唔少 AI 音樂生成模型預設偏普通話流行曲美學，生成出嚟嘅旋律走向同粵語旁白嘅語感唔夾。解法係提示詞寫具體樂器同節奏（例如「lo-fi、鋼琴、無鼓點、80 BPM」），而唔係寫「中國風」「港式」呢啲含糊詞。

死因二：音量全程一樣。冇動態、冇進出，等於將音樂變成冷氣機噪音。起碼要有一個淡入、一個中段變化、一個淡出。

死因三：忽略手機單聲道。好多立體聲編曲嘅闊度單聲道播出嚟會糊成一團，人聲更易被蓋。混音最後一步，記得切單聲道聽一次。

呢三個死因冇一個係技術問題，全部係聆聽判斷問題。AI 畀咗你無限音樂，但耳朵冇得外判。

工具速查同下一步

好咗，五個原則＋五類工具你都掌握咗。執行優先次序建議：先做原則三（人聲清晰），再做原則一（情緒一致），然後原則二同四（留白同循環位），原則五（授權）貫穿全程。人聲清晰係底線，其他係加分。

常見問題 FAQ

AI 生成嘅 BGM 可以用喺商業影片嗎？

可以，但前提係你用嗰個平台嘅授權條款容許商業使用，而且你保存咗生成紀錄。唔同平台嘅免費層同付費層權利差異好大，用之前一定要睇官方條款，唔好靠二次傳聞。

ai bgm 會唔會同人聲打架？點解決？

會，尤其粵語係聲調語言，中頻一糊就聽錯字。解決三步：揀無人聲編曲、BGM 音量壓到旁白之下、人聲段落設 ducking 自動收細音樂。

一條片應該用幾多段 BGM？

一般三至五段，跟情緒段落切。太長一條會悶，太碎會亂。教學短片有時一段極簡音樂加留白位已經夠。

提示詞應該點寫先出好嘅 BGM？

寫具體：情緒、樂器、節奏速度、有冇鼓點、有冇人聲（多數情況寫「instrumental」「no vocals」）。避免「好聽」「港風」呢類主觀詞，模型對佢哋冇共識。

循環位唔知點搵，有冇快捷方法？

用腳打拍或者用剪接軟件嘅節拍標記功能，由音樂開頭數小節頭，全部打點。之後所有剪接對點做，交叉淡化零點三至零點五秒。

AI 音樂需唔需要喺影片標明係 AI 生成？

建議標。香港官方對生成式 AI 嘅指引強調透明同問責，平台亦可能自動加水印標記。標示係保護你自己嘅品牌信任，唔係負擔。

BGM 同配音邊個先做？

配音（或者 TTS 聲軌）先做，BGM 後配。因為音樂嘅進出位要同人聲嘅停頓、重點句對齊，次序倒轉會導致大量返工。

[!CTA]

想配埋粵語旁白？即刻免費試

去 港嘢 playground，登記送 2,000 字符（一次性），第一條片嘅粵語聲軌幾分鐘搞掂。

關於港嘢：我哋專做香港廣東話語音。有查詢可以聯絡我們，或者睇關於港嘢。

本文由港嘢內容團隊撰寫，經編輯覆核（2026-10-31）。