AI MV 製作全攻略：粵語歌配 AI 畫面（2026 實戰指南）

一句答你：AI MV 唔係「一句 prompt 生齣戲」，而係「揀啱路線、逐個分鏡對拍、再避開五個同步陷阱」嘅系統工程——做啱流程，獨立音樂人都可以用有限預算出一條有質素嘅粵語歌 MV。

重點摘要 Key Takeaways

• AI MV 有三條路：實拍＋AI 後期、全 AI 生成、混合製作，各有成本同風險。
• 分鏡表係整條 MV 嘅骨幹：先定場景、再定鏡頭、最後先郁手生成。
• 對拍（分鏡對音樂節拍）係粵語歌 MV 最花時間嘅一步，唔好跳過。
• 五大同步陷阱：嘴型、節拍、色調、角色一致性、歌詞字幕。
• 粵語旁白同歌詞朗讀，可以用 AI 語音工具先做 demo，慳錄音室時間。
• 生成內容要有清楚標示，聲音同肖像授權要處理好，先合規。

AI MV 係乜嘢嚟

AI MV 係 指用人工智能工具輔助或主導製作嘅音樂影片，包括 AI 生成畫面、AI 對嘴、AI 配音同 AI 剪接。唔一定成條片都係 AI——好多專業製作其實係「實拍加 AI 後期」混合。

講 AI MV 之前，先搞清楚幾個術語：

分鏡（Storyboard）係 逐個鏡頭畫出嚟嘅藍圖，講明每個 shot 嘅景別、內容同時長。MV 製作入面，分鏡係 AI 生成嘅依據，無分鏡就好似無地基起樓。

對嘴（Lip Sync）係 令畫面入面角色個嘴型同歌聲對得準嘅技術。粵語有六個聲調、收音快，對嘴難度比英文同普通話更高。

聲調係 用音高變化嚟分辨意思嘅語言特徵，粵語常用教學講九聲六調。歌詞入面每個字嘅音高走向都影響聽感，所以 MV 嘅畫面節奏要跟音樂行，唔係跟字幕行。

根據 Text-to-Video 生成技術綜述（arXiv:2403.05131），影片生成模型喺短片段已經有唔錯效果，但長片連貫性仍然係難點。呢個正正解釋咗點解 AI MV 要逐個分鏡拍，唔可以一口氣生晒。

三條路：AI MV 製作路線點揀

路線一：實拍＋AI 後期

歌手、樂隊實地拍攝，AI 負責生成插入畫面、調色、去背、擴展場景。呢條路最穩陣，因為主體畫面可控，AI 只係配角。

適合：有預算請攝影團隊，但想慳美術同場景成本。例如獨立樂隊影咗一個排練室 session，再用 AI 生成超現實背景畫面插入副歌位，成條 MV 立刻有故事感。

優點：真實感強、歌手演出自然。缺點：要有實拍資源，AI 部分同實拍部分嘅色調要後期統一。

路線二：全 AI 生成

由分鏡到畫面全部 AI 生成，音樂以外唔影一格。獨立音樂人零預算出 MV，多數行呢條路。

適合：電子音樂、概念性作品、動畫風 MV。例如一首講城市孤獨嘅粵語慢歌，用 AI 生成雨天街道、空蕩地鐵站嘅連續鏡頭，配虛構角色行嚟行去，唔需要演員。

優點：成本最低、畫風自由。缺點：角色一致性同長鏡頭連貫性係大關口，生成唔多次數都可能對唔齊。

要留意官方能力限制：根據 Seedance 官方文件（Seedance 2.5, 2026），單次生成最長 30 秒，可以多輪延長；Kling 4.0 就支援 3–30 秒、最高 4K（Kling 4.0 使用指南, 2026）。即係話一首三分鐘嘅歌，你要拆做六至十幾個片段逐段生成，再剪埋一齊——呢個就係點解分鏡表咁重要。

路線三：混合製作

部分鏡頭實拍、部分 AI 生成，或者用 AI 對嘴技術令實拍畫面唱歌口型更準。呢條路係 2026 年 MV 製作嘅主流方向。

例如：主歌用 AI 生成夢境畫面，副歌切實拍歌手演出，橋段用 AI 對嘴將歌手個嘴型對準快段rap歌詞。三種質感交替，節奏感反而更強。

三條路比較

分鏡對拍：AI MV 嘅核心工序

第一步：聽歌拆結構

先將首歌拆做：前奏、主歌 A、副歌、主歌 B、橋段、outro。每段大概幾多秒，每秒配乜嘢畫面。呢個表就係你嘅作戰地圖。

粵語歌有個特別位：廣東話歌詞字字有調，填詞本身已經跟咗旋律，所以畫面情緒可以直接跟歌詞字面行，唔使估。呢點比做外語歌 MV 更着數。

第二步：寫分鏡表

一個實用嘅分鏡表格式：

每行對應一個生成任務。生成 AI 片段嗰陣，逐行照 prompt 執行，唔好臨場加戲。

第三步：逐個鏡頭生成

AI 生成 MV 最大嘅技術難點係角色一致性。同一路人馬，第二個鏡頭可能變咗另一張臉。應對方法：

1. 用參考圖功能：例如 Nano Banana 2 Pro 官方講明可以保持最多 5 個角色、14 件物件嘅一致性（Gemini 圖像生成文件, 2026），先用佢生成角色定裝照，再逐個鏡頭引用。
2. 固定角色描述文字：每個 prompt 用完全一樣嘅角色描述，一句都唔准改。
3. 寧願多生成幾個版本揀最似嗰個，都唔好將就。

根據 Text-to-Video 綜述（arXiv:2405.10674），長片一致性仍然係生成模型嘅核心挑戰，逐鏡頭拆細係目前最可靠嘅工作流。

第四步：對拍

將生成好嘅片段排入時間線，對準節拍、切歌詞氣口。幾個實用技巧：

• 副歌第一拍必定切鏡頭，觀眾先會覺得「合拍」。
• 長鏡頭擺前奏或橋段，短切鏡頭擺副歌。
• 每個鏡頭入場前一格，先聽一次歌詞邊個字落重音，畫面跟重音入。

五個同步陷阱

陷阱一：對嘴唔準

AI 對嘴工具對粵語嘅支援參差。粵語入聲收尾快（-p、-t、-k）、聲調多，嘴型變化比英文密。根據 Kling 官方 Lip Sync 文件（Kling Lip Sync, 2026），用 TTS 或上載聲軌都得，但角色要正面、嘴部清楚，聲軌長過影片要剪短。

避坑法：對嘴前先確認音軌乾淨，伴奏同人聲分離；實拍鏡頭對唔準，寧願剪做唔露嘴嘅鏡頭。

陷阱二：節拍錯位

生成片段時長唔一定啱你分鏡表。硬拗節奏會令 MV「甩拍」。

避坑法：生成時 prompt 指定目標時長，用變速同插幀微調，唔好成段拉長。

陷阱三：色調唔統一

唔同工具生成嘅片段色溫唔同，剪出嚟一忽紅一忽藍。

避坑法：每個 prompt 尾二加同一句色調描述，例如「冷藍調、低飽和、電影感」；剪接時再做一層統一調色。

陷阱四：角色走樣

上面講過，一致性係全 AI MV 最大死穴。

避坑法：角色聖經要寫死——髮型、衫、體態、年紀，每個 prompt 照抄。更換工具嗰陣要重新驗證角色定裝照。

陷阱五：歌詞字幕唔齊

粵語歌詞多口語字（嘅、咗、喺、嚟），字幕軌要逐字對時間。快歌尤其容易甩。

避坑法：用 SRT 格式管理歌詞時間軸，逐句核對氣口位；生成 MV 加字幕可以一步到位，例如用支援 SRT 輸出嘅語音工具同步處理 demo 聲軌同字幕（睇 TTS SRT 字幕工作流）。

【獨家觀察】

根據港嘢團隊 2026 年陪客戶做 MV 同短劇項目嘅觀察：最常見嘅失敗唔係 AI 生成質素，而係「無分鏡就開工」。團隊攞住首歌直接 prompt，生成幾十條片段，最後剪埋一齊發現角色唔同臉、色調唔同調，成個項目重做。相反，先花一日寫分鏡表、定角色聖經嘅項目，生成階段幾乎冇走樣。另一個觀察：粵語歌 MV 嘅畫面情緒貼歌詞字面，觀眾共鳴明顯強過純視覺氛圍流——廣東話歌詞本身就係劇本，唔好浪費。

粵語聲音部分點處理

MV 唔淨止畫面，聲音 demo 同旁白都好重要：

• Demo 聲軌：未入錄音室之前，用 AI 粵語 TTS 先做歌詞朗讀版，俾導演同分鏡師「聽住做」。粵語朗讀處理可以參考 AI 動畫粵語配音指南。
• 旁白 MV：敘事型 MV 有旁白位，用聲線 slug 控制聲音風格，例如 slug sum（心妍）做溫柔女聲旁白。唔知點揀聲音，睇 TTS 聲線揀選指南。
• 情緒控制：旁白想有戲味，可以調情緒預設，方法見 TTS 情緒控制指南。
• 短劇式 MV：有劇情嘅 MV 製作流程同短劇好近，可以借鑑 AI 粵語短劇製作流程 同 AI 漫畫劇粵語配音 嘅做法。

合規同授權：唔好踩界

做 AI MV 有幾樣嘢要跟規矩：

1. 生成內容標示：根據數字政策辦公室《香港生成式人工智能技術及應用指引》（數字政策辦公室, 2026），生成式 AI 內容應該有清楚標示。MV 簡介寫明「本片部分畫面由 AI 生成」係基本禮儀。
2. 聲音同肖像授權：AI 對嘴如果用咗真人歌手樣同聲，必須取得本人明確同意。私隱專員公署嘅《人工智能 (AI)：個人資料保障模範框架》（私隱專員公署, 2026）講明處理 AI 同個人資料要有保障措施。
3. 音樂版權：自己作品冇問題；改編、sampling 就要清授權。
4. 水印：部分平台生成嘅內容會自動加 C2PA 或 SynthID 標記，唔好刻意移除。

常見問題 FAQ

一首三分鐘嘅歌，全 AI 生成要幾多個片段？

睇你分鏡。主流影片生成工具單次生成約 4 至 30 秒，三分鐘大概要 8 至 20 個片段，視乎剪接節奏。快歌片段細啲、多啲；慢歌可以長啲。

AI 對嘴對粵語歌準唔準？

粵語聲調多、入聲短促，對嘴難度比英文高，效果因工具同畫面質素而異。官方文件一般要求角色正面、嘴部清晰。建議先用十幾秒副歌片段測試，啱先成條做。

零預算可以出到 AI MV 嗎？

可以，行全 AI 路線。分鏡表用免費工具做、角色定裝用支援參考圖嘅生成工具、demo 聲軌用 AI 粵語 TTS（港嘢登記送 2,000 字符，一次性，約夠 8 分鐘音頻做 demo）。最大成本係你嘅時間。

用 AI 生成嘅 MV 可以放上 YouTube 賺錢嗎？

平台一般容許 AI 內容，但要求標示合成內容。詳細 monetization 政策各平台唔同，發佈前自己睇最新官方說明。音樂版權要清楚，唔可以用未授權翻唱。

AI MV 仲需要搵真人歌手出鏡嗎？

睇定位。想建立歌手個人形象，實拍或混合係必要嘅——觀眾想見到真人。純概念作品、動畫團體，全 AI 都得。

分鏡表有現成模板嗎？

上面嗰個六欄格式（鏡頭、時間碼、景別、內容、生成方式、備註）已經夠用。想深啲，可以參考 AI 粵語分鏡指南。

剪接用咩工具？

基本剪接、調色、字幕任何主流剪接軟件都得；AI 片段同實拍混剪冇特殊工具要求，重點係時間線管理同統一調色。

結語：流程贏過工具

AI MV 呢場遊戲，贏家唔係用最新模型嗰個，而係流程最清晰嗰個。揀啱三條路其中一條，花時間寫分鏡、定角色聖經，逐個鏡頭對拍，最後避開五個同步陷阱——一首有質素嘅粵語歌 MV，獨立音樂人都出到。畫面搞掂之後，記得處理聲音同授權，先叫完成。

[!CTA]

即刻去港嘢 Playground 試粵語配音

用 AI 粵語聲軌做 MV demo 同旁白，登記送 2,000 字符（一次性），即刻試。

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）。