旅遊推廣片：AI 粵語旁白實戰（2026）

一句答你： 用 AI 做旅遊推廣片，粵語旁白唔難，難在你有冇一套「五段式腳本＋節奏控制＋失真位檢查」嘅方法——方法啱，一條片半日搞掂；方法唔啱，生成十次都係怪怪哋。

重點摘要 Key Takeaways

• 旅遊推廣片腳本用「五段式」：目的地 → 體驗 → 行程 → 價格 → CTA，每段一句核心訊息。
• 粵語旁白節奏要跟畫面走：地標鏡頭慢、體驗鏡頭快、價格段最慢最清楚。
• 五個常見失真位：地標樣貌、建築比例、人群密度、季節植被、招牌文字，逐個有檢查方法。
• 腳本要寫「口語粵語」，唔好直接用書面語，否則 TTS 讀出嚟似新聞報導。
• 生成前做好版本紀錄，方便話畀客戶知邊段係 AI 生成，符合透明標示要求。

旅遊推廣片點解要用粵語旁白

香港人睇旅遊片，最怕就係「普通話腔讀粵語」或者「書面語照讀」。一條推廣大阪嘅片，旁白講「請勿錯過環球影城」，香港人聽落就係電視購物；但如果旁白講「唔好錯過環球影城，記得早啲入場」，成個感覺即刻唔同。語感就係轉化率。

而家用 AI 生成影片同粵語語音，成本已經低到旅行社、民宿、甚至個人 KOL 都玩得起。根據公開規格（標觀察日期 2026-10-31），市面上影片生成工具已經支援文字、圖片、音頻多種輸入，例如 Seedance 2.5 支援單次最長 30 秒並可多輪延長（Seedance 官方頁， 2026），Kling 4.0 官方語言表亦列明支援粵語方言（Kling 官方指南， 2026）。文字轉視頻呢條技術路線，學界已經有系統綜述講清楚生成機制同限制（Text-to-Video 生成綜述， 2026），明白限制先可以避開失真位。

想深入了解配音流程，可以睇AI 粵語影片配音完整指南。

五段式腳本結構：旅遊片嘅骨

五段式腳本 係指將一條 30 至 60 秒嘅旅遊推廣片，拆做五個功能明確嘅段落，每段只講一件事。呢個結構嘅好處係：剪接有藍圖、旁白有節奏、觀眾有預期。

第一段：目的地（3 至 5 秒）

開場一句話講明「去邊」。唔好寫「日本關西地區擁有豐富旅遊資源」，要寫「大阪，三個鐘飛機就到」。地標鏡頭配一句短旁白，觀眾三秒內知你去邊，先會決定睇唔睇落去。

第二段：體驗（8 至 12 秒）

呢段係情感位。寫「食」、「玩」、「打卡」三選一，唔好貪心。例如推溫泉旅館，旁白就集中講「一邊浸溫泉一邊睇雪山」，唔好又講溫泉又講購物又講夜市。體驗段鏡頭多、剪得快，旁白要短促有力。

第三段：行程（8 至 10 秒）

講清楚幾多日、去邊幾個點。呢段最考粵語 TTS 嘅數字讀法，「三日兩夜」、「五個景點」呢啲要逐句試聽。可以參考粵語數字讀音處理嘅做法，確保金額同日子讀得自然。

第四段：價格（5 至 8 秒）

價格段係成條片最關鍵嘅轉化位。旁白節奏要最慢、最清楚，一個價講一次，唔好連珠炮讀三個價。例如「全程人均四千八，機票酒店全包」，一句搞掂。

第五段：CTA（3 至 5 秒）

Call to action 一句就夠：「想知詳細行程，留意下面連結」。粵語口吻要似朋友介紹，唔似推銷員。

旁白節奏：五段對五種速度

旁白節奏 係指每段旁白嘅語速、停頓同情緒起伏設定。旅遊片唔係紀錄片，節奏要跟畫面能量走。下表係我哋建議嘅對照：

實際操作上，粵語 TTS 嘅停頓可以用標點控制，具體技巧可以睇標點符號控制 TTS 停頓。另外，聲線揀選都好影響觀感，旅遊片多數適合中性偏暖嘅女聲或者輕鬆男聲，詳細準則可以參考TTS 聲線揀選指南同廣告旁白聲線實務。

五個失真位：生成前必查

AI 生成影片最常出事嘅位，就係「睇落啱、查落錯」。旅遊片因為有真實地標，觀眾一眼就睇得出假，所以失真位檢查比其他片種更重要。

失真位一：地標樣貌

AI 生成嘅地標經常「神似但唔係」。例如東京鐵塔嘅格仔結構、淺草寺嘅燈籠字樣，生成模型好易整錯細節。方法：凡係真實地標，優先用實拍素材或者授權圖片做參考輸入，AI 生成鏡頭留畀氛圍空鏡——海、街景、食物特寫。

失真位二：建築比例

生成嘅街道成日出現「樓太高、路太闊」或者「人細過門」嘅比例錯誤。方法：生成後逐個鏡頭用人眼對比真實街景相，比例唔啱就重新生成或者剪走。

失真位三：人群密度

旅行團旺季宣傳片畫面要「熱鬧」，但 AI 生成嘅人群好易出現重複面孔、動作機械、或者人數忽然增多減少。方法：人群鏡頭一律要逐幀睇有冇明顯重複臉；有懷疑就用淺景深特寫蓋過。

失真位四：季節植被

宣傳「秋季紅葉」但畫面啲樹係夏天綠色，呢種穿幫旅遊業者最尷尬。方法：提示詞明確寫季節，生成後對比該目的地當季實拍參考。

失真位五：招牌文字

AI 生成嘅日文、韓文、中文招牌好多時係「亂碼字」。旅遊片入面招牌係背景細節，但香港觀眾眼利，截圖一放大就穿。方法：招牌區域盡量用實拍，生成鏡頭用大光圈虛化處理。

如果條片有配樂，生成音樂嘅結構同功能分類，學界都有系統研究可以參考（音樂生成系統功能分類論文， 2026），揀啱音樂功能類型先夾到旁白節奏。

粵語旁白製作流程：由稿到聲

G2P 係 Grapheme-to-Phoneme 嘅縮寫，即係將文字轉做讀音嘅過程。粵語多音字多，G2P 係粵語 TTS 最易出錯嘅環節，所以腳本寫完之後，一定要逐句試聽，特別係地名同店名。呢個難點喺粵語語音研究入面係公認問題（Cantonese G2P 論文， 2026），詳情可以睇粵語多音字處理指南。

流程建議分四步：

1. 寫口語稿：用香港人日常講嘢嘅句式寫，寫完自己讀一次，讀到唔順就改。
2. 分段生成：按五段式逐段生成語音，方便逐段調節奏。
3. 試聽覆核：重點聽數字、地名、中英夾雜詞。中英夾雜係香港語言特色，例如「搭 MTR 去 check in」，TTS 讀唔讀得自然要試先知，相關討論可以睇粵語中英夾雜發音。
4. 對畫面剪接：旁白同鏡頭對齊，特別係價格段，旁白講價錢嗰刻畫面一定要同步出字幕。

剪接階段如果用 CapCut，可以參考CapCut 粵語旁白工作流。整體 AI 配音嘅入門方法，可以睇AI 配音完整指南。

【獨家觀察】

我哋睇過唔少 2026 年上半年出街嘅本地旅遊推廣片，發現一個規律：令觀眾覺得「假」嘅，通常唔係 AI 生成嘅畫面，而係旁白嘅語感。好多團隊花大量時間逐幀執地標，但旁白稿係直接由宣傳單張嘅書面語複製過嚟，TTS 讀出嚟四平八穩，成條片即刻變咗政府宣傳片。我哋嘅建議係：稿嘅打磨時間應該多過畫面生成時間。一句「落機先食碗拉麵定去溫泉？小孩先揀」永遠好過「抵埗後可享用地道美食」。

合規位：標示同授權

香港數字政策辦公室嘅生成式 AI 指引強調透明、問責同資料保障（數字政策辦公室， 2026），私隱專員公署亦有 AI 個人資料模範框架（私隱專員公署， 2026）。落實到旅遊片，有三件事要做：

• AI 生成內容喺片尾或描述清楚標示。
• 片中音樂、字體、logo、實拍素材全部要有授權紀錄。
• 如果用咗真人聲線做複製，必須有明確同意，相關權利事項可以睇AI 語音授權權利指南。

另外，部分生成圖片工具會自動加 C2PA 內容憑證同 SynthID 水印，例如 Gemini 圖像生成功能（Google 官方文件， 2026），做分發計劃時要預咗呢啲標記會唔會影響平台顯示。

常見問題 FAQ

問題一：五段式係咪條條片都要跟足？

唔一定。結構係骨架，唔係枷鎖。短過 15 秒嘅社交片，可以合併目的地同體驗；長過 90 秒嘅品牌片，可以喺體驗同行程之間加多一段「人」嘅故事。核心原則係：一段一個訊息，唔好一段講兩樣嘢。

問題二：粵語旁白腳本應該幾多字？

以一般旁白速度計，大約 240 字符等於一分鐘。一條 30 秒嘅推廣片，旁白大約 120 字符左右，仲要預停頓位，所以實際可能再少啲。寧願少字，唔好逼滿。相關換算細節可以睇粵語 TTS 定價與字符換算。

問題三：AI 生成地標鏡頭有法律風險嗎？

地標本身一般唔構成版權問題，但要留意兩樣：一，生成嘅地標如果明顯失真而用嚟做商業宣傳，可能構成誤導；二，畫面入面如果有可辨認嘅真人或者店舖招牌，要處理授權。穩陣做法係地標用實拍，生成鏡頭做空鏡。

問題四：旁白同字幕點樣同步？

建議用 SRT 工作流：語音生成同字幕生成分開做，再用剪接工具對齊。具體流程可以睇TTS 配 SRT 字幕工作流同SRT 同步剪輯技巧。

問題五：試玩粵語 TTS 要唔要付費？

唔使。港嘢登記送 2,000 字符（一次性），大約等於 8 分鐘旁白，足夠試一條 30 秒推廣片嘅完整五段稿仲有餘。想試就去 playground 打稿試聽。

問題六：人群鏡頭除咗重生成仲有咩辦法？

有。第一，用淺景深或者背光剪影，減低面孔辨認度；第二，將人群做背景虛化，前景放食物或者產品；第三，索性用實拍空鏡加 AI 旁白，成本仲低。

問題七：點樣同客戶交代邊啲係 AI 生成？

做一張簡單嘅鏡頭清單，每個鏡頭標明來源：實拍、AI 生成定授權素材。呢張清單既係內部 QC 工具，亦係對外交代嘅透明度紀錄，符合官方指引嘅透明原則。

方法行先，工具行後

旅遊推廣片用 AI 粵語旁白，競爭優勢唔在於用咩工具，而在於你嘅方法夠唔夠扎實：五段式腳本令訊息清晰，節奏表令旁白貼畫面，五個失真位檢查令條片企得住腳。工具年年換，方法可以用好耐。

[!CTA]

即刻去 Playground 試寫你嘅旅遊旁白

登記送 2,000 字符（一次性），五段稿即刻試聽——去 港嘢 playground 開始。

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）