AI 預告片配音：粵語 45 秒結構（2026）

一句答你：粵語 45 秒預告片嘅核心，係用「懸念—世界—衝突—高潮—片名」五段結構去控制節奏，配聲線要貼角色年紀同理tone，混音就最緊要避開人聲俾背景音樂食咗嘅五大陷阱。

重點摘要 Key Takeaways

• 45 秒預告拆做五段：懸念（約 5 秒）、世界（約 10 秒）、衝突（約 12 秒）、高潮（約 12 秒）、片名（約 6 秒），每段一句旁白就夠。
• 聲線選擇跟角色設定行：性別、年紀、語氣三樣夾埋先至揀，唔好淨係睇「把聲好唔好聽」。
• 五個混音陷阱：旁白俾BGM蓋過、段落之間冇喘氣位、音效同語音撞頻、片名句讀太快、匯出電平過大。
• 用 TTS 生成粵語旁白，記得分段提交，每段獨立校準語速同情緒。
• 港嘢登記送 2,000 字符（一次性），夠試成條 45 秒預告嘅旁白初稿。

點解 45 秒係粵語預告嘅甜蜜點

預告片唔係縮短版正片，係一個獨立嘅說服機器。45 秒呢個長度，喺社交平台同短視頻生態入面，係「用家肯睇完」同「講得完一個鈎」之間嘅平衡位。粵語語速大約每分鐘 240 字符左右（換算基準約 240 字符／分鐘），即係 45 秒大約 180 字符嘅旁白量——好少，所以每個字都要有戲。

懸念鈎 係預告開頭嗰一句令觀眾唔想㩒走嘅設計，通常係一個問句、一句反常嘅對白，或者一個未解釋嘅畫面。例如開場畫面係空無一人嘅茶餐廳，旁白一句：「如果嗰晚你冇走，你會唔會救到佢？」——呢句就係鈎。

文字轉影片生成技術近年發展好快，學界已經有系統性綜述梳理呢個領域嘅能力同限制（Text-to-Video 生成綜述， 2026）。預告片製作正正係最食呢啲能力嘅場景：短、密、每個鏡頭都要有張力。另一篇由 Sora 現象延伸嘅分析，進一步討論咗生成影片喺時間一致性同敘事控制上嘅挑戰（Text-to-Video 綜述：從 Sora 睇到啲乜， 2026）。對做預告嘅人嚟講，啟示好簡單：畫面可以生成，但節奏同敘事邏輯，仍然要靠人手用結構去釘死。

五段結構逐段拆

第一段：懸念（約 5 秒）

頭五秒決定流失率。呢段唔好解釋任何嘢，只係丟一個問號出嚟。旁白一句之內，唔好多過 20 字符。粵語口語寫法比書面語好，例如「你信唔信，有啲嘢走咗就返唔到轉頭？」比「你可曾想過，有些事物一去不返」更貼觀眾耳仔。

第二段：世界（約 10 秒）

世界建立 係用兩三個鏡頭交代故事發生嘅時空、氛圍同理tone嘅手法。呢段旁白功能係「報時報地」，例如：「二〇二六年，香港，一單冇人敢接嘅案。」十秒大約 40 字符，一句長句或者兩句短句。

第三段：衝突（約 12 秒）

呢段係預告嘅脊柱。要出現「對立面」：主角想要乜，乜嘢阻住佢。粵語對白可以開始加入情緒粒度，例如激動、壓抑、冷笑。旁白同角色對白可以交替，令聲音層次豐富啲。

第四段：高潮（約 12 秒）

快剪、音樂推到頂、旁白轉短促。呢段嘅語速可以比之前快少少，但唔好犧牲咬字。粵語六聲，一句入面聲調落差大嘅字（例如「殺」「絕」「爆」呢類入聲字）天然有頓挫感，放喺句尾效果好。

第五段：片名（約 6 秒）

片名句要留白。旁白唸完片名之後，至少留一秒半淨音樂，先至出上映日期。好多人敗喺呢度：旁白一完就即刻彈資訊卡，成條片嘅餘韻即刻冇咗。

聲線點揀：三步揀聲法

聲線配置 係按段落功能分配唔同聲線（或同一聲線嘅唔同演繹）嘅決策過程。唔係條條預告都一把聲講晒，尤其係微短劇同動畫類，成日會用「旁白一把聲＋角色對白各自一把聲」。

三步揀聲法：

1. 定角色底：年紀、性別、身份。中年刑警同後生駭客，把聲嘅質地完全唔同。用 design 模式生成嗰陣，性別同年齡組別係基本參數，先定呢兩樣。
2. 定語氣：同一段結構，冷靜版同熱血版係兩條片。粵語預告常見三種主tone——懸疑冷、熱血燃、溫情暖。揀錯tone，畫面幾靚都冇用。
3. 定層次：旁白同對白要唔要分聲？片名句要唔要用返旁白把聲做「收結」？呢個決定影響成條片嘅聽感統一性。

例如做一條港產懸疑短劇預告：旁白用中年男聲、低沉、慢；女主角對白用年輕女聲、快、帶抖；片名句返旁白。三把聲，三個功能，觀眾耳仔一聽就分到。

有關短片劇集成個生產流程，可以睇埋AI 短劇粵語製作全流程；動畫類項目嘅聲線策略，參考AI 動畫粵語配音指南。

五個混音陷阱（真係個個中）

陷阱一：人聲俾 BGM 蓋過

最常見。背景音樂一開已經好大聲，旁白一入就「浸死」喺音樂入面。做法：BGM 先做 ducking（人聲出現時自動壓低），粵語旁白頻段集中喺中頻，揀BGM嗰陣避開中頻太厚嘅編曲。

陷阱二：段落之間冇喘氣位

五段結構嘅魔力喺「呼吸」。每段之間留半秒到一秒淨環境音，觀眾先感受到節奏轉換。全片密不透風，反而冇張力。

陷阱三：音效同語音撞頻

爆炸、槍聲、玻璃碎呢類高能量音效，同人聲同時出現就會互搶。原則：語音句唔好同大音效重疊，或者音效喺語音句嘅句尾先至爆。

陷阱四：片名句讀得太快

TTS 生成嘅片名句，好容易因為字符短而讀得太急。片名係成條片唯一觀眾一定要記住嘅資訊，呢句要明確減速，句同句之間加停頓。想深入控制停頓，可以睇TTS 標點與停頓控制指南。

陷阱五：匯出電平過大

預告片要去多個平台，電平過大會喺平台端被壓縮，動態全冇。匯出前用響度錶check一次，寧可細聲少少，都唔好俾平台壓爆。

【獨家觀察】

我哋睇過大量 2026 年香港同大灣區嘅短劇預告，發現一個共通規律：衰嘅預告通常唔係畫面衰，係「旁白稿寫得太滿」。45 秒其實只容納到百幾二百字符，但好多團隊將正片對白直接剪入去，資訊過載，觀眾五秒就走。反而係嗰啲敢於留白、成條片得五句旁白嘅預告，完播率同轉化明顯較好。粵語本身就係充滿語氣詞嘅語言——喇、囉、咩——呢啲字用得準，一句等於書面語三句。所以粵語預告嘅稿，應該「減字加工夫」，唔係「加字加資訊」。另外一個觀察：本地觀眾對「旁白有港式懶音但唔過分」接受度其實幾高，反而全稿書面語腔會令人覺得離地——呢個同粵語懶音與發音標準入面討論嘅現象一致。如果想睇埋語氣詞點用，粵語語氣詞清單有齊常用字表。

用 TTS 出旁白嘅工作流

而家出粵語旁白，主流做法係 TTS 分段生成，再入剪接軌道對畫面。流程：

1. 按五段結構寫稿，每段獨立一個文本檔。
2. 分段提交生成，單次提交文字有字符上限，長稿要拆件；港嘢 API 單次 text 上限係 500 字符，超過會直接被拒，所以拆段本身就好合理。
3. 每段揀聲線、校語速。同一把聲要喺五段之間保持一致，記低聲線 slug 再重用。
4. 生成後入剪接軟件做 ducking、加音效、校電平。
5. 匯出前做一次「電視機test」：用平凡喇叭聽一次，唔好用監聽耳機。平凡喇叭先係大部分觀眾嘅收聽環境。

有關對嘴同角色聲畫配合，可以睇粵語對嘴製作指南；漫畫劇類項目嘅聲線玩法，睇AI 漫畫劇粵語配音。對外平台方面，HeyGen 官方列明支援 175+ 語言同方言、包括香港同澳門口音（HeyGen 粵語TTS官方頁， 2026）；CapCut 官方 TTS 工具列明 200+ AI 聲、多語言支援並可匯出多種音頻格式（CapCut 文字轉語音官方頁， 2026）。香港數字政策辦公室嘅生成式 AI 指引亦要求 AI 內容保持透明同清楚標示（香港數字政策辦公室， 2026）——AI 配音嘅預告片，記得留意標示責任。

常見問題 FAQ

問題一：45 秒預告旁白應該寫幾多字？

大約 150 至 200 字符，即係每秒約四個字符左右。寫多咗就會讀得急，或者要刪段。寧願畫面講嘢，都唔好逼旁白講晒。

問題二：五段結構係咪死規定？

唔係，係預設骨架。懸疑片可以世界先行、懸念後置；喜劇可以高潮段插gag位。但初學者跟足呢個次序，出錯率最低。

問題三：一把聲定多把聲好？

睇片種。懸疑、文藝向：一把旁白聲統一收結。群像劇、動作向：多把聲輪流，層次豐富。原則係「功能分明」，唔好為多而多。

問題四：TTS 讀片名讀得怪，點算？

片名多數係自創詞，容易出錯音。兩個方法：一，片名句獨立生成，用音標或同音字校準；二，片名唔用旁白讀，純音樂加字卡，得口號句用旁白。

問題五：預告要唔要字幕？

要。好多觀眾靜音睇片，尤其社交平台。字幕同旁白同步出，係基本盤。有關字幕製作可以睇TTS 與 SRT 字幕工作流。

問題六：粵語預告用書面語定口語稿？

口語稿。預告係鈎，唔係文書。書面語腔喺香港觀眾耳中好容易「離地」。可以參考口語轉書面語處理指南了解兩者差異，再倒轉用——寫嘅時候直接用口語。

問題七：試做一條預告要幾多字符額度？

一條 45 秒預告嘅旁白大約 200 字符以內，連埋改稿重生成三五次，都係千幾字符嘅事。港嘢登記送 2,000 字符（一次性），試一條完整預告初稿夠用。

開始整你條粵語預告

[!CTA]

五段結構寫好稿，就去 playground 出聲

將你嘅 45 秒預告旁白分段貼入港嘢 playground，揀聲線、校語速，即刻聽到效果。

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）