AI 產品片五步出片：2026 電商影片製作攻略

一句答你：AI 產品片嘅生產流程，2026 年已經可以壓縮成五步——賣點、腳本、畫面、聲軌、字幕——每步有明確交付物，半日出到一條可以上架嘅電商產品片。

重點摘要 Key Takeaways

• 五步流程：賣點定位 → 腳本分鏡 → 畫面生成 → 粵語聲軌 → 字幕匯出，每步有清楚交付物同驗收標準。
• 五個轉換位（hook、痛點、示範、社會證明、行動呼籲）決定條片係咪「有人睇完兼落單」，唔係畫面靚唔靚。
• 五個常見錯誤：賣點過多、腳本冇口語化、畫面同聲軌分頭做、字幕唔對時間、忘記授權同標示。
• 廣東話聲軌要處理多音字、口語字同中英夾雜，先出到自然效果。
• 免責聲明：本文只講方法，唔保證任何工具效果；所有工具能力以官方文件為準（觀察日期 2026-10-31）。

AI 產品片五步流程總覽

「AI 產品片」即係用 AI 工具鏈生產、以賣貨為目標嘅短影片，通常 15 至 60 秒，擺喺產品頁、社交平台或者廣告位。同傳統拍攝唔同，AI 流程嘅核心係「先定文案、再生畫面、最後合成聲軌」，每一步都可以獨立重做，唔使成條片重嚟。

五步對應五個交付物：

呢個流程嘅好處係分工清楚。聲軌出咗問題，只要重做第四步；畫面唔啱，重做第三步。傳統拍攝係「一鑊熟」，AI 流程係「模組式」。

第一步：賣點定位——一句講晒先開工

賣點定位 係指喺寫任何腳本之前，先決定「條片只講一個乜嘢好處」。電商產品片最常見死因，就係想一條片講晒十個功能。觀眾睇 15 秒，最多記得一個訊息。

揀主賣點有三個準則：

• 痛點強度：個問題幾令客人覺得煩？例如「煮嘢食嗰陣成日搵唔到計時器」就係高頻痛點。
• 差異化：呢個好處係咪你獨有，定係個個對手都有？
• 可示範性：呢個好處可唔可以喺畫面度「睇得到」？例如「快三分一」可以畀個計時器對比畫面，但「用心製作」就示範唔到。

例如賣一個保溫杯，主賣點可以係「十二個鐘仲係熱」，唔好同一時間講埋「輕身」、「防漏」、「環保」。其他賣點留返俾第二條片。呢個就係「產品片矩陣」思維：一條片一個賣點，一個產品出三五條片，各自測邊條轉換好。

賣點句式模板

寫低一句價值主張，格式係「對象＋痛點＋解法＋結果」。例如「返工族想要咖啡保溫，呢個杯十二個鐘鎖住熱度，下晝飲仲係燙口」。呢一句就係成條片嘅北極星，之後每個鏡頭都要服務佢。

第二步：腳本同分鏡——逐鏡頭一句旁白

分鏡腳本 係將條片拆成一個個鏡頭，每個鏡頭標明「畫面內容＋旁白一句＋秒數」。建議 15 秒片拆五至六個鏡頭，每鏡頭兩至三秒。

寫廣東話旁白有兩個位要留意：

第一，寫口語，唔好寫書面語。旁白係畀人聽，唔係畀人睇。書面語「此產品非常實用」讀出嚟好生硬；口語「呢個真係好用過你諗」先似人講嘢。常見口語字——嘅、咗、喺、嚟、唔、咩、喇——係令旁白自然嘅關鍵，詳情可以睇我哋篇廣東話口語字同語氣詞指南。

第二，數字同單位要寫清楚。腳本寫「12 小時」，配音可能讀「十二小時」，但如果你想佢讀「半日」，就要直接寫「半日」。廣東話讀數仲有梯度變調問題，可以參考廣東話數字讀法。

分鏡時間表示範

用一個簡單 markdown 表格管理分鏡：

腳本寫好之後，好多人會直接跳去生成畫面。唔好。先將腳本大聲讀一次，讀到唔順嘅句子即刻改——呢個係最平嘅品質檢查。想深入了解腳本寫法，可以睇旁白腳本撰寫指南。

第三步：畫面——生成素材定執實拍

畫面生成 係用 AI 影片工具或者產品圖生成工具，將每個鏡頭變成實際片段。2026 年主流路線有兩條：

路線一係「實拍圖＋AI 加工」：你影好產品白底圖，用圖像生成工具轉場景、加光影。呢條路產品還原度最高，因為底圖係真嘢。路線二係「純生成」：由文字描述生成畫面，彈性大但要花時間校對產品細節一致性。

揀邊條路，睇你產品嘅「細節敏感度」。珠寶、電子產品呢啲細節敏感嘅嘢，實拍圖打底穩陣；生活場景類（例如擺設、包裝盒）純生成空間大。角色一致性同多鏡頭連戲，可以參考AI 影片角色一致性同粵語對白提示詞寫法。

生成式影片技術近年發展快，學界都有系統梳理（Text-to-Video 生成綜述， 2024），想了解原理嘅可以由呢度入手。實際操作上，電商片唔使追最新最強模型——夠用、出得快、成本可控，先係重點。

畫面驗收清單

• 每個鏡頭有冇對應腳本畫面？
• 產品 logo、顏色、比例全片一致？
• 轉場有冇突兀跳 cut？
• 解像度同平台要求夾唔夾？

第四步：粵語聲軌——廣東話旁白生成

聲軌合成 係將腳本文字變成一條完整嘅廣東話旁白音頻。呢步係香港電商片最易出事嘅一環，因為粵語 TTS 要過三關：

1. 多音字：粵語多音字多，文字轉拼音容易錯。例如「重」可以讀「重要」嘅「重」，又可以讀「重複」嘅「重」。詳見粵語多音字指南。
2. 口語字：嘅、咗、喺呢啲字，部分引擎讀唔準或者直接跳過。
3. 中英夾雜：香港人講嘢成日夾英文——「check 嚇」、「免運費 promo code」。引擎識唔識處理 code-switching，好影響自然度，可以睇粵語中英夾雜 TTS。

廣東話之所以難做，資源係根本原因。研究指出全球約有八千四百九十萬粵語母語者，但高質素標註語料長期不足（WenetSpeech-Yue 論文， 2026）；而多音字處理亦被學界確認係粵語 TTS 核心難點（Cantonese G2P 論文， 2026）。所以揀粵語聲軌工具時，第一步係睇官方文件有冇明確列粵語支援——例如 HeyGen 官方粵語頁列明支援香港、澳門、廣東口音（HeyGen 粵語頁， 2026）；CapCut 官方 TTS 頁列咗二百幾把 AI 聲同多語言，但冇逐個方言列明粵語（CapCut TTS, 2026）。工具揀選方法可以參考粵語配音製作指南同廣東話配音員對比。

【獨家觀察】我哋睇過唔少香港電商團隊嘅工作流程，發現一個反直覺現象：出問題最多嘅唔係畫面生成，而係第四步聲軌。原因係畫面生成有明顯視覺反饋，靚唔靚一眼睇到；但聲軌嘅「讀音啱唔啱」要識粵語嘅人逐句聽。好多團隊用普通話同事做最後 QC，結果錯讀上埋架。建議粵語聲軌一定要由粵語母語同事做最後一關，而且要聽足全程，唔好抽聽。

聲軌品質檢查五問

• 數字、日期、金額讀法啱唔啱？
• 專有名詞、品牌名讀音自然？
• 語速配合鏡頭節奏？
• 中英夾雜位有冇怪音？
• 句尾語氣詞（喇、囉、咋）有冇讀出嚟？

第五步：字幕——對時間先係真功夫

字幕同步 係將旁白文字逐句對齊聲軌時間點，輸出 SRT 檔或者直接燒落條片度。好多平台靜音播放，字幕其實係「第二條聲軌」，重要性唔低過旁白。

實務上最穩陣嘅做法，係由最終聲軌反轉生成字幕，而唔係用腳本直接上字。因為合成出嚟嘅讀音可能同你心目中有出入，用 ASR 聽返條聲軌轉文字，再人手執，字幕先至一定同步。呢個「聲→字→對時」流程可以睇粵語字幕同 ASR 分工同SRT 字幕工作流。

字幕仲有一個好處：佢係 searchable 文本。落關鍵詞入字幕，有助平台搜尋同埋廣東話內容嘅 AI 搜尋優化。

五個轉換位：條片有冇人落單睇呢度

條片靚唔等於賣到嘢。以下五個位置係數據上最影響轉換嘅「決策位」，逐個檢查：

1. 前 3 秒 hook：觀眾一掃而過，前 3 秒唔止住佢，就冇然後。用痛點問題或者強對比畫面開場。
2. 痛點共鳴位：令觀眾覺得「係喎我都係咁」。痛點越具體越好，例如「夜晚落單，第二朝先送到」好過「送貨慢」。
3. 產品示範位：睇到產品點樣解決問題。呢度係「可示範性」賣點嘅主場。
4. 社會證明位：評價、銷量、使用人數。哪怕一句「已經賣咗幾千件」，都有作用。
5. 行動呼籲位：清楚講下一步——「而家落單」、「限今日」。唔好假設觀眾知要做乜。

五個位唔一定要五條片先做到，一條 30 秒片可以全部落齊，關鍵係每個位都有意識咁設計，唔係順其自然。

五個常見錯誤逐個數

錯誤一：一條片塞十個賣點。 結果觀眾一個都記唔住。解法：回到第一步，揀一個主賣點，其他講唔到嘅留返下次。

錯誤二：腳本書面語。 讀出嚟似新聞報告，冇人想聽。解法：寫完大聲讀一次，所有讀得拗口嘅字都改。

錯誤三：畫面同聲軌分頭做。 畫面組出咗 28 秒，聲軌組出咗 34 秒，之後剪到死人。解法：以聲軌長度做「時間軸事實」，畫面就聲軌，唔好掉轉。

錯誤四：字幕靠腳本直接上。 合成讀音同腳本有出入，字幕同聲唔夾。解法：由最終聲軌反轉生成字幕。

錯誤五：授權同標示甩漏。 用咗人哋條背景音、clone 咗人把聲冇同意、AI 內容冇標示——呢啲唔係品質問題，係合規問題。香港數字政策辦公室嘅生成式 AI 指引強調透明度同問責（數字政策辦公室， 2026），聲音複製必須有明確同意。詳情可以睇語音授權權利指南。

測試方法：點樣驗證條片得唔得

我哋建議每條產品片上線前做一個小型驗證，步驟如下：

1. 內部五秒測試：搵三個冇參與製作嘅同事，只睇前五秒，然後問「呢條片賣乜」。答唔出即係 hook 失敗。
2. 靜音測試：關咗聲睇一次——淨係睇字幕同畫面，明唔明個賣點。
3. 粵語母語終審：由粵語母語同事全程聽一次聲軌，標記所有錯讀。
4. 小流量投放：出兩個版本（唔同 hook 或者唔同主賣點），細額投放對比數據，先用數據決定邊條加碼。

呢套方法成本低，但可以喺花大錢推廣之前捉到問題。

常見問題 FAQ

問題：AI 產品片完全唔使影相咩？

唔一定。產品細節敏感嘅品類（珠寶、電子產品），最好實拍白底圖打底，再用 AI 加工場景。純生成適合場景類內容。兩條路都係「AI 五步」入面第三步嘅唔同做法。

問題：廣東話旁白同普通話旁白，製作上差喺邊？

差喺三關：多音字、口語字、中英夾雜。粵語腳本要口語化，聲軌要由粵語母語同事終審。普通話工具直接套粵語腳本，好易出錯讀。

問題：五步流程做一條 30 秒片，實際要幾耐？

視乎熟練度。熟悉流程嘅人，腳本同分鏡係大頭，畫面生成要逐鏡頭校，聲軌同字幕相對快。半日到一日出一條係合理預期，重點係每步交付物清晰，可以並行做。

問題：條片出咗好多版本，點揀邊條上架？

用小流量投放對比。同一產品出兩三個版本（唔同 hook 或主賣點），細額投放，睇完成率同點擊率，用數據揀，唔好用主觀感覺揀。

問題：AI 生成嘅產品片，平台會唔會要求標示？

趨勢係會。香港官方指引強調生成式 AI 內容透明度，部分生成工具亦會自動加內容憑證水印。穩陣做法係喺片尾或描述注明 AI 生成元素。

問題：背景音樂用 AI 生成，版權點計？

AI 生成音樂嘅功能分類同版權問題學界都有研究（音樂生成系統功能分類論文， 2026），但實際授權睇個別工具條款。商業用途一定要睇清楚工具嘅授權條文，唔好假設「生成出嚟就任用」。

想即刻試粵語 AI 產品片聲軌？

[!CTA]

免費試港嘢粵語語音 Playground

登記送 2,000 字符（一次性），即場試你嘅產品片旁白腳本。

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）