AI 音效：短片五個用法（2026）

一句答你：AI 音效即係用生成式工具幫短片自動造聲，五大用法係轉場、動作、環境、UI 同情緒，關鍵在於生成流程做得穩，同埋避開五個常見混音陷阱。

重點摘要 Key Takeaways

• AI 音效五大用法：轉場、動作、環境、UI、情緒，每種有唔同寫 prompt 嘅諗法。
• 生成流程四步：拆需求、寫描述、批量生成、挑選入軌，唔好一次過攪掂。
• 五個混音陷阱：頻率撞車、電平爆表、延遲錯位、重複用同一條聲、忘記留靜音位。
• 音效同旁白係兩條軌，粵語旁白可以配 TTS，詳情可以睇我哋嘅廣東話配音教學。
• 生成內容記得標示 AI 來源，授權素材要清楚。

AI 音效係乜？短片創作者點解要識

AI 音效 係指用生成式人工智能工具，由文字描述自動產生音效檔案嘅技術。你打一句「金屬門關上，有迴響」，工具就出一條聲俾你。音樂生成研究早已將呢類系統功能分類，包括條件生成、風格轉移同音頻到音頻轉換（Audio Generation Systems Survey, 2026），AI 音效正正係「條件生成」入面最貼地嘅一支。

短片 係指一至幾分鐘、主要喺社交平台播放嘅豎屏或橫屏影片。呢類片製作週期短、數量大，手寫音效庫搵聲好嘥時間，AI 生成就能夠快速填窿。

例如你做一條香港茶餐廳宣傳片，畫面有沖奶茶、寫單、送餐三個鏡頭，以前要逐個音效去庫度搵，而家用 AI 描述「奶茶倒入杯，茶撞奶聲」就能夠生成幾個候選，揀最好嗰條就得。

點解粵語內容創作者特別需要睇呢篇？因為音效唔分語言，但粵語旁白同音效嘅配合有自己一套節奏，我哋喺廣東話旁白製作指南有詳細講解，呢篇集中講音效本身。

五個用法：逐個拆解

用法一：轉場音效

轉場即係兩個鏡頭之間嘅切換。AI 音效可以生成 whoosh、riser、impact 呢類聲，令畫面切換唔突兀。

寫描述嘅時候，要指明三樣嘢：材質（金屬、空氣、水）、長度（短促定係拖長）、方向（由左至右定係漸入漸出）。例如「短促空氣 whoosh，尾音帶輕微金屬感」，比單寫「whoosh」易出好聲。

例如做地產短片，由客廳 wide shot 切去窗景，配一條「空氣流動，漸開，尾段帶風聲」嘅轉場聲，畫面會順好多。

用法二：動作音效

動作音效係畫面入面人物或者物件郁動產生嘅聲：腳步、開門、倒水、打字。呢類聲要求同畫面精準同步，所以生成之後要逐條對時間軸。

寫描述要具體到材質同力度。「皮鞋行石板地，中等力度，單人」好過「腳步聲」。力度唔啱，成條片會假。

用法三：環境音效

環境音（ambience）係場景嘅底聲：街市、辦公室、海邊。環境音要長、要可以循環，唔搶旁白。

生成環境音嘅技巧係寫「層次」：前景有乜、背景有乜。例如「香港街市，前景有人聲交談同水聲，遠處有車聲，微雨」，分層描述會令生成結果更立體。

用法四：UI 音效

UI 音效係介面操作聲：叮一聲、按鈕 click、通知提示。呢類聲短、乾淨、音頭明顯。短片入面出現手機畫面、字幕 pop up、資料出現嘅時候，UI 音效可以提升節奏感。

描述例子：「電子提示音，兩個音高上行，乾淨無迴響」。呢類聲生成成功率高，因為結構簡單。

用法五：情緒音效

情緒音效係用聲音營造氣氛：心跳、低頻 drone、玻璃碎裂、風鈴。佢唔對應畫面動作，而係對應觀眾感受。

呢個用法同配樂界線最模糊。音樂生成研究已經發展到由影像直接生成配樂嘅方向（Vision-to-Music Generation Survey, 2026），即係話未來畫面自己「話俾機器聽」想要乜氣氛。而家你仍然可以用文字描述去做，例如「低沉持續緊張感，帶輕微脈動」。

五大用法一覽：

生成流程：四步走

第一步：拆需求

睇完成條片，逐個鏡頭問自己：呢個鏡頭需要邊類聲？開一個清單，每行寫「時間碼、用法類別、描述草稿」。呢步唔用工具，用腦。

第二步：寫描述

將清單入面每條描述打磨：加材質、加力度、加空間感（乾定有迴響）。描述越具體，生成命中率越高。同一條聲可以寫兩三個版本嘅描述，等下步有得揀。

第三步：批量生成

用工具逐條生成。每次生成兩三個候選，唔好指望一擊即中。生成完做簡單分類：可用、要重生成、放棄。

第四步：挑選入軌

將可用嘅聲入落剪接軌道，逐條對畫面。呢步先發現延遲、長度唔啱、頻率撞車等問題，所以我哋下一節講陷阱。

【獨家觀察】我哋審閱大量 2026 年香港短片工作流程分享之後發現，最常見嘅失敗唔係工具差，而係跳過第一步直接生成。創作者逐條片即興生成音效，結果風格唔統一，聽落好似五條片砌埋一齊。先寫聲音設計清單，再批量生成，係免費又最有效嘅一步。另外，粵語短片中英夾雜嘅口語節奏偏快，音效如果太密會同旁白打架，寧願刪三成音效，留返空間感。

五個混音陷阱

陷阱一：頻率撞車

音效同旁白、配樂全部堆喺同一頻段，成條片「泥搵搵」。解決方法：旁白通常喺中頻，音效就要讓位——環境音削走中頻，UI 音推高少少，動作音用均衡器收窄範圍。

陷阱二：電平爆表

音效一條疊一條，總輸出過零，出現失真。解決方法：每條音效先降電平至大約負十幾 dB，最後用總線壓縮控制，唔好逐條推到盡。

陷阱三：延遲錯位

動作音效同畫面差半秒，觀眾即刻覺得假。解決方法：動作音對準音頭，唔係對準波形開始，因為好多生成音效前面有一段靜音，要人手剪走先至對得準。

陷阱四：重複用同一條聲

同一條 whoosh 用五次，觀眾聽得出。解決方法：生成嗰陣每類聲備兩三條唔同版本，輪住用，再用音高微調同反轉製造變化。

陷阱五：忘記留靜音位

由頭到尾塞滿聲，觀眾耳仔攰。解決方法：每一至兩個音效之後留一至兩秒淨環境音，令重點聲有呼吸位。靜音係設計，唔係偷懶。

授權同合規

生成出嚟嘅音效都係內容，有授權問題。香港數字政策辦公室嘅生成式人工智能指引強調透明、問責同資料保障（數字政策辦公室, 2026），生成音效都應該喺片尾或描述標示 AI 來源。另外，部分生成工具會喺音頻加入水印技術標示來源（Google DeepMind Content Credentials, 2026），呢啲標記唔會影響音質，但係你要知佢存在。

如果條片有歌詞內容要讀出嚟，處理方法可以睇我哋嘅粵語歌詞朗讀指南。音樂、字體、音效素材全部要清授權先好用。

工具選擇嘅判斷準則

我哋唔逐個工具寫規格，只講揀選準則。第一，睇生成長度上限夠唔夠你嘅環境音需求；第二，睇輸出格式支援唔支援你嘅剪接軟件；第三，睇授權條款係咪准商用；第四，睇有冇批量生成，因為短片音效量大。

揀工具好似揀聲線一樣，準則可以參考我哋喺廣東話配音工作流程入面嘅評估方法：列需求、試樣本、先至承諾。

資料來源同方法說明

本文引用嘅論文同官方文件包括：音樂生成系統功能分類（Audio Generation Systems Survey, 2026）、影像生成音樂綜述（Vision-to-Music Survey, 2026）、香港數字政策辦公室指引（數字政策辦公室, 2026）。工具能力描述一律根據公開官方文件（觀察日期 2026-10-31），唔含內部測試數據。

常見問題 FAQ

問題一：AI 音效生成使唔使識音樂？

唔使。你要識嘅係描述能力：材質、力度、空間感。識少少混音概念（頻率、電平）有幫助，但入門門檻好低。

問題二：生成出嚟嘅音效可以直接商用嗎？

要睇工具授權條款。每個工具唔同，生成前一定要讀清楚條款，尤其係商用同獨家使用部分。有懷疑就問工具方或者法律意見。

問題三：音效同配樂有咩分別？

配樂 係有旋律節奏嘅音樂，音效 係環境同行為嘅聲。短片中兩者共存，但混音優先級通常係：旁白最高，配樂第二，音效鋪底。

問題四：一條一分鐘短片要幾多條音效？

冇標準答案。粗略分佈：一條環境音打底、三至五條動作音、兩三條轉場音、一兩條 UI 或情緒音。密度寧疏勿密，留返呼吸位。

問題五：粵語旁白同音效點夾先好聽？

粵語口語節奏快、語氣詞多，音效要避開旁白嘅中頻同重音位。實務做法係先搞定旁白軌，再逐條加音效，邊加邊聽整體。

問題六：生成嘅音效會唔會同人哋撞聲？

同一工具同一描述有機會出相似結果。所以每類聲生成多幾個版本，再用人手微調（音高、次序、剪裁），可以大幅減少撞聲感。

問題七：AI 音效要標示嗎？

按照香港生成式人工智能指引嘅透明原則，生成內容應該有清楚標示。喺片尾字幕或平台描述加一句「音效由 AI 生成」係穩陣做法。

[!CTA]

想幫你條片配返把廣東話聲？

去 港嘢 playground 試下生成粵語旁白，同你嘅 AI 音效砌成完整聲軌。

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）