粵語配音場景範本庫：實用對白模板一次睇晒

一句答你： 粵語配音場景範本庫係一組按用途分類嘅現成稿本同框架，幫你由零起步快速產出地道廣東話配音——YouTube 旁白、短片、廣告、課程、Podcast、IVR 等場景都有對應範本可以直接拎去用。

Key Takeaways

• 場景範本庫按配音用途分門別類，每類都有結構化嘅稿本框架
• 範本只係起點，實際生成仲要按品牌調性、目標觀眾調整
• 用範本可以慳起稿時間，但唔代表唔使做語音測試
• 同一個範本可以衍生出多個版本，配合情緒控制同演繹風格做差異化
• 批量生成場景配音要留意 API 嘅在途任務上限同字符限制
• 範本庫同 API 字符配額共用，用量要預留

點解要用「場景範本」做粵語配音

寫配音稿最花時間嘅唔係打字，而係諗「呢段嘢應該點講」。同一個訊息，講畀 YouTube 觀眾聽同講畀 IVR 來電者聽，語氣、節奏、用字完全唔同。如果你由零開始諗，往往要花幾個鐘先寫到一版合格嘅稿。

場景範本嘅作用就係幫你跳過呢個「由零到一」嘅過程。佢提供一個結構化嘅稿本骨架——開場點講、中段點推進、結尾點收。你只需要填入自己嘅內容，再按品牌調性微調，就已經有個七八成可以用嘅稿。

對廣東話配音嚟講，場景範本仲有第二個重要功能：避免書面語陷阱。好多 AI 生成嘅廣東話配音會不自覺用返書面語句式，聽落唔夠地道。一個好嘅粵語場景範本，會直接用口語句式做示範，你跟住寫就少啲中伏。

仲有，場景範本可以幫你處理「多音字」嘅問題。廣東話有唔少字有兩個或以上讀音（例如「行」可以讀 haang4 或 hang6），唔同場景有唔同慣性讀法。範本通常會標示清楚邊度點讀，你跟住用就唔使成日查字典。

場景範本庫收錄邊啲配音類型

YouTube 頻道旁白

YouTube 旁白係粵語配音最常見嘅場景之一。範本通常會包含幾個元素：開場 hook（頭 15 秒要留住觀眾）、內容主體（按影片長度分段）、結尾 CTA（訂閱、留言、點讚）。

典型嘅 YouTube 旁白稿長度係每分鐘 200 至 250 字符左右，配合畫面節奏做停頓。如果你嘅影片係 10 分鐘，稿本大約 2,000 到 2,500 字符。寫嘅時候要留意，YouTube 觀眾多數用手機睇，句子太長會聽唔清，建議每句 15 至 25 字為一個單位。

短視頻配音

短視頻（Reels、Shorts、TikTok）嘅配音節奏同 YouTube 完全唔同。頭 3 秒就要抓住觀眾，否則就會被 swipe 走。範本會強調「開場即爆點」——直接講結論、問問題、或者用反差感開場。

短視頻配音字數通常好少，30 秒嘅片大概 80 至 120 字符。寫嘅時候要諗清楚邊啲字可以刪，邊啲字一定要留。每個字都要有存在嘅理由。

廣告同品牌推廣

廣告配音分好多種：品牌形象片、產品功能片、促銷活動片。每種嘅範本結構都唔同。品牌形象片偏重情緒同氛圍，產品功能片偏重資訊傳遞，促銷片就一定要有明確嘅行動呼籲（call-to-action）。

粵語廣告配音有一個特色：好多品牌會刻意加入英文 brand name 或者 slogan 嘅中英夾雜。範本會示範點樣自然咁處理呢啲 code-switching 位，等成段嘢聽落流暢而唔突兀。

電子學習課程

電子學習（e-learning）配音要兼顧兩件事：資訊準確同易聽。範本通常會將內容拆成「概念講解 → 例子 → 小結」三段式，每段之間留明顯停頓，幫助學員消化。

呢類配音嘅字數會比 YouTube 旁白多，因為要解釋概念。但係唔可以太長，否則學員會失去專注力。一般建議每段講解 60 至 90 秒，之後做一個轉場。

Podcast 開場同結尾

Podcast 嘅開場同結尾係成個 show 嘅品牌標誌。好多主持人都會用固定嘅開場白同收尾白，每次開咪都講同一段。範本會幫你設計一段有記憶點嘅開場，例如加入節目名 slogan、主持名、節目內容預告。

Podcast 開場一般 15 至 30 秒，結尾 10 至 20 秒。字數唔多但要重複用，所以寫嘅時候要諗清楚點樣每次講都唔會悶。可以加入少少變化，例如每次結尾唔同嘅下集預告。

IVR 電話系統

IVR（Interactive Voice Response）係打電話去客戶服務嗰啲自動語音。範本會極度精簡，每句都係指令式：「請按 1 查詢帳單，請按 2 查詢服務，請按 0 聯絡客服」。

粵語 IVR 要留意發音清晰，因為電話頻寬有限，太多氣音同尾音會聽唔清。範本會建議用短句、避免連讀、每個選項之間留明顯停頓。

企業培訓影片

企業培訓配音同 e-learning 相似，但更著重專業感同一致性。範本會用比較正式嘅語氣，但仍然保持粵語口語嘅自然度，避免太書面。

呢類配音通常會配合 PPT 或者畫面標註，所以稿本要預留「對應畫面」嘅位置，提示邊度要停頓、邊度要強調。

有聲書同繪本

有聲書配音講求敘事節奏同角色演繹。範本會示範點樣用「聲線設計」或者「情緒控制」去做出唔同角色嘅聲音特徵。

繪本配音就更加簡化，多數係旁述加角色對話，字數好少但要生動。範本會用大量語氣詞同擬聲詞，幫配音員（或者 AI）做出有畫面感嘅聲音。

點樣用呢個範本庫

用範本嘅正確方法唔係「照抄」，而係「拆解 → 改寫 → 測試」三步走。

第一步係拆解。睇清楚範本嘅結構——開場點 hook、中段點推進、結尾點收。每個部分點解要咁寫，背後有咩考量。呢一步係學嘢。

第二步係改寫。將你自己嘅內容填入範本骨架，再按品牌調性、目標觀眾、平台特性做調整。改寫嘅時候要留意粵語口語化——避免書面語句式、善用語氣詞、注意多音字讀法。

第三步係測試。生成幾個唔同版本嘅配音，比較邊個版本最啱你嘅用途。測試嘅時候要留意整體節奏、發音清晰度、情緒是否到位。

點樣改寫範本變成自己嘅稿

改寫範本嘅時候，有幾個常見嘅調整方向。

第一係語氣。同一段內容，「專業顧問」語氣同「朋友傾偈」語氣完全唔同。範本通常會提供幾個語氣選項，你可以揀最適合你品牌嗰個。

第二係長度。範本提供嘅字數係參考值，你可以按實際需要增減。短啲就刪例子，長啲就加細節。

第三係專有名詞。品牌名、產品名、人名地名，範本冇可能 cover 晒，你要自己換入去。換嘅時候要留意粵語讀法，特別係英文 brand name 嘅中文化發音。

第四係文化元素。範本可能用咗一啲香港本地文化嘅參照（例如「搭車」「飲茶」），如果你嘅觀眾唔係香港人，就要考慮換成佢哋熟悉嘅參照。

用 API 批量生成場景配音

如果你有大量場景配音要做（例如幾十條短片、幾百段 IVR），用手動逐個生成會好慢。呢個時候可以用 API 做批量處理。

批量生成嘅基本流程係：先準備好一個 JSON 檔，列出所有要生成嘅配音 request body；再透過 API 一次性提交；最後輪流 poll 結果拎 audio URL。

用批量嘅時候有幾個限制要留意。第一，批量一次最多 25 個 request bodies，超過會回錯誤。第二，批量功能係專業同工作室方案先有，免費同入門方案用唔到。第三，批量一次請求計一次限流，唔係每項計。

仲有，每個 request body 嘅 text 字段有 1 至 500 字符嘅限制，超過會被 reject。所以如果你嘅稿本長過 500 字符，就要拆開做幾個 request。

如果想深入了解批量嘅具體操作，可以參考 TTS 批量生成工作流程 嘅詳細教學。

配音稿嘅語言處理貼士

寫粵語配音稿有幾個語言上嘅貼士，可以幫你提升成品質素。

第一，多音字要按語境揀讀音。廣東話有好多字有多個讀法，唔同場合唔同讀法。寫稿嘅時候如果唔肯定，可以查吓 廣東話多音字攻略 嘅整理。

第二，書面語同口語要分清楚。好多 AI 配音會不自覺用返書面語句式，聽落唔地道。可以參考 書面語 vs 口語廣東話 TTS 嘅對比，學吓點樣寫先至啱聲。

第三，語氣詞用得啱可以幫配音生色。粵語有豐富嘅語氣詞（啦、嘅、囉、嘛、吖、喎、吓、㗎），適當用可以加強語氣同親切感。

第四，中英夾雜係香港常見嘅語言現象。好多品牌名、產品名、技術詞都係英文，寫稿嘅時候要諗清楚點樣自然咁融入粵語句子。

配音 vs 配音員：點揀

用 AI 配音同人聲配音各有優缺點，唔係簡單嘅「邊個好」嘅問題。

AI 配音嘅優點係成本低、速度快、可以無限次修改。同一段稿，想改幾多個版本都得，唔會加錢。缺點係演繹嘅細膩度同情感深度，通常仲及唔上專業配音員。

人聲配音嘅優點係有溫度、有個性、可以處理複雜嘅情緒同角色。缺點係貴、慢、改稿成本高（一改就要重錄）。

如果你嘅配音量大、預算有限、需要快速迭代，AI 配音會係更實際嘅選擇。如果你嘅配音係品牌形象片、或者要表達強烈情感，請配音員會更穩陣。

兩者亦可以混合用。例如大部份內容用 AI 生成，重要嘅開場結尾請配音員錄，咁可以平衡成本同質素。想了解更多對比，可以睇 粵語配音 dubbing 攻略。

揀聲線同演繹風格

場景範本寫好之後，就要揀聲線同演繹風格。

聲線方面，廣東話 TTS 通常會提供幾個 preset 聲線（男聲、女聲、唔同年齡層），你可以按品牌定位揀。例如年輕品牌通常揀比較活潑嘅聲線，專業品牌就揀比較沉穩嘅聲線。

演繹風格方面，唔同聲線會支援唔同嘅 style，例如「新聞報導」「溫柔敘事」「活力推銷」等。你可以按場景揀最適合嘅 style。

如果想深入了解點樣用 API 控制聲線同風格，可以參考 廣東話 TTS 完全指南 嘅詳細介紹。

點樣評估配音質素

生成完配音之後，要做幾個評估先至可以用。

第一，發音準確度。逐個字聽，睇有冇錯讀、甩音、或者奇怪嘅斷字。特別係人名、地名、品牌名呢啲專有名詞。

第二，整體節奏。聽吓成段配音嘅節奏係咪自然，有冇突然加快、減慢、或者唔必要嘅停頓。

第三，情緒同語氣。配音嘅情緒係咪同內容匹配。例如講開心嘅嘢但配音聽落好平淡，就會扣分。

第四，平台適配。唔同平台對配音有唔同要求。例如 YouTube 可以接受長啲嘅片，TikTok 就一定要頭 3 秒抓住觀眾。

如果發現質素有問題，可以微調稿本再生成。多數情況下，改吓用字、停頓位置、或者情緒指示，已經可以改善好多。

預算同成本考慮

配音嘅成本要按場景同用量嚟計。

如果你只係做幾條片，用 playground 手動生成就得，唔使特別計成本。但如果你做大量配音（例如幾百段 IVR、幾千段 e-learning），就要認真計吓。

API 嘅成本係按字符計。入門方案每千字符大約 HK$0.64，專業方案 HK$0.5633，工作室方案 HK$0.4914。免費方案有每月 5,000 字符額度，可以用嚟試水溫。

揀方案嘅時候，要估算每月配音量，再對比唔同方案嘅每千字符單價揀最啱嘅。詳細嘅定價分析可以參考 粵語 TTS 定價攻略。

如果你嘅用量仲未確定，可以先用免費額度試吓，覺得啱用先升級。揀方案嘅具體準則可以睇 粵語 TTS 選購指南。

場景範本嘅實際應用例子

以下用幾個具體例子，示範點樣用場景範本做配音。

例子一：YouTube 開箱片。範本結構係「產品開箱 hook → 規格講解 → 實際使用體驗 → 總結推薦」。稿本大約 2,000 字符，10 分鐘片長。聲線揀活潑男聲或者女聲，style 揀「評測」。

例子二：30 秒廣告片。範本結構係「品牌 slogan hook → 產品 USP → CTA」。稿本大約 80 字符。聲線揀有磁力嘅男聲或者清亮嘅女聲，style 揀「推銷」。

例子三：IVR 來電歡迎語。範本結構係「公司名 → 服務選項 → 操作指示」。稿本大約 100 字符。聲線揀清晰專業嘅女聲，style 揀「客服」。

例子四：Podcast 開場。範本結構係「節目名 → 主持名 → 內容預告 → 收聽平台提示」。稿本大約 50 字符。聲線揀有特色嘅男聲或者女聲，style 揀「主持」。

點樣累積自家嘅範本庫

用得多之後，你會開始累積自己嘅範本。每次做完一個項目，將嗰份稿存起嚟，標記係邊個場景、用咗咩聲線同 style、效果好唔好。幾個月之後你就會有一套個人化嘅範本庫，比通用範本更貼合你嘅品牌。

累積嘅時候可以按場景分類（例如「短片 hook」「產品講解」「客戶見證」），亦可以按情緒分類（例如「專業沉穩」「輕鬆幽默」）。兩種維度都有用，視乎你點樣檢索。

仲有，每次生成配音之後嘅微調記錄都好有價值。例如你發現某個句式 AI 讀得唔好，改成另一個句式就 OK，呢個經驗應該記低，下次寫稿就可以避開。

範本唔係萬能：邊啲情況要特別處理

雖然範本可以幫你慳好多時間，但有幾種情況要特別處理，唔可以照搬範本。

第一係敏感內容。醫療、法律、金融等範疇嘅配音，稿本要經過專業人士審核先可以用，唔可以由 AI 或者範本直接生成。

第二係新聞報導。時事新聞嘅配音要跟新聞機構嘅 style guide，唔可以用通用範本。

第三係法律披露。例如廣告中嘅免責聲明、產品警告，呢啲字眼有法律規定嘅寫法，唔可以隨意改寫。

第四係客戶指定嘅字眼。好多品牌會有 slogan、口號、或者特定字眼必須用，呢啲要嚴格跟，唔可以用範本嘅替代寫法。

遇到呢啲情況，範本只可以作為參考框架，實際內容要按專業要求重新寫。

由範本到自動化流程

當你熟用範本之後，可以考慮將成個流程自動化。例如將常用嘅場景範本變成 template，每次只需要填入新內容就自動生成配音。

自動化嘅關鍵係將稿本結構同內容分開。例如 YouTube 開箱片嘅範本結構係固定嘅，但每次嘅產品名、規格、評語都唔同。將呢啲變數抽出嚟做參數，就可以批量生成。

如果你嘅配音量大（例如每日幾十條），自動化可以慳返大量時間。配合 API 嘅批量功能，可以一次過生成幾十段配音，再人手做最後檢查。

揀粵語 TTS 服務嘅考量

揀粵語 TTS 服務嘅時候，有幾個考量點同場景範本嘅使用息息相關。

第一係聲線數量同質素。唔同平台提供嘅粵語聲線數量同質素都唔同，揀之前最好試聽幾個，睇邊個最啱你嘅場景。

第二係語言支援。除咗標準廣東話，有啲平台支援埋香港地道用語、潮州話、或者台山話等。如果你的觀眾有呢啲需求，要揀有支援嘅平台。

第三係 API 嘅穩定性同限制。如果你打算做批量生成，要留意 API 嘅限流、在途任務上限、字符限制等。

第四係成本同配額。唔同方案嘅字符單價、每月額度都唔同，要按你嘅配音量揀最啱嘅方案。

揀服務嘅具體方法可以參考 粵語 TTS 選購指南，裡面有更詳細嘅比較框架。

配音工作嘅時間分配

做配音工作嘅時候，時間分配好重要。一個典型嘅配音項目，時間通常係咁分：

起稿時間：30%。寫稿本、改稿、調整結構。

測試時間：30%。生成幾個版本、比較、揀最好嘅。

微調時間：20%。根據測試結果微調稿本、再生成。

整合時間：20%。配音嵌入影片、調音量、調時長。

如果用範本，起稿時間可以大幅縮短，因為唔係由零開始。但如果唔做測試同微調，成品質素會受影響。唔好因為有範本就跳過後面嘅步驟。

配音風格嘅一致性

如果你嘅品牌要做一系列配音（例如 YouTube 頻道、Podcast、社交媒體），風格一致性好重要。觀眾一聽就知道係你嘅頻道，建立品牌認知。

保持一致性嘅方法有幾個。第一，用同一個聲線或者同一組聲線。第二，用固定嘅開場同結尾句式。第三，保持相近嘅節奏同語速。第四，用一致嘅語氣詞同口頭禪。

範本可以幫你做到呢點。如果你將常用嘅開場、結尾、過場都變成範本，每次只需要換內容，風格自然就會一致。

配音同字幕嘅配合

好多場景嘅配音會配合字幕一齊出。呢個時候稿本嘅設計要考慮字幕嘅限制。

YouTube 字幕一行最多 30 至 40 字，太多會睇唔清。寫稿嘅時候要留意句子長度，方便後加字幕。

如果你嘅平台支援 SRT 字幕輸出，可以一次過生成配音加字幕，慳返人手對時間嘅功夫。SRT 嘅具體使用方法可以參考 TTS SRT 字幕工作流程 嘅教學。

配音嘅版權同合規

用 AI 生成配音嘅時候，版權問題要留意。唔同平台對 AI 生成內容嘅版權處理都唔同，有啲會將版權歸用戶，有啲會保留部分權利。揀服務之前要睇清楚條款。

另外，如果配音入面有引用第三方程式（例如音樂、聲效），素材保有授權。AI 配音本身通常唔涉及呢啲問題，但如果混埋其他素材就要小心。

仲有，唔同平台對 AI 生成內容嘅標籤要求都唔同。例如 YouTube 要求創作者標明 AI 生成內容，其他平台可能有類似要求。要留意你發佈平台嘅規則。

持續優化配音質素

配音質素唔係一次做到完美就可以，要持續優化。每次做完配音，記低邊度做得好、邊度可以改進。累積經驗之後，你嘅稿本會越寫越好。

具體嘅優化方向包括：發音準確度、節奏自然度、情緒表達、平台適配。每個方向都可以做 A/B 測試，比較唔同版本嘅效果。

如果你嘅配音有觀眾反饋（例如 YouTube 留言、客戶回覆），更加要留意。觀眾嘅意見可以幫你發現自己睇唔到嘅問題。

常見問題 FAQ

場景範本庫係咪要付費先用到？

場景範本庫嘅範本本身係公開嘅，任何人都可以參考。但係用範本生成配音嘅時候，會用到字符配額。免費方案有每月 5,000 字符額度，可以用嚟試水溫，唔夠就要升級付費方案。

範本可以直接照搬去用嗎？

唔建議直接照搬。範本係骨架，唔係成品。每個品牌嘅調性、每個觀眾群嘅語感都唔同，直接照搬會聽落好生硬。最好嘅做法係拆解範本結構，再用自己嘅語言重新寫，咁先至貼合你嘅品牌。

同一個範本可以生成幾多個唔同版本？

理論上無限次。同一段文字可以配唔同聲線、唔同演繹風格、唔同情緒指示，產生好多個唔同版本。每次生成會消耗字符配額，所以要留意用量，預留足夠額度做測試同微調。

點樣揀最適合嘅聲線？

冇標準答案，要靠測試。建議先用 playground 揀幾個聲線試聽，再按品牌定位、觀眾特性、內容類型揀最啱嗰個。如果有配音員做對標，可以參考佢嘅聲線特徵去揀。聲線嘅選擇同場景範本嘅風格要互相配合，先至出到好效果。

批量生成配音嘅時候要留意咩？

要留意三件事。第一，批量一次最多 25 個 request body，超過會回錯誤。第二，批量功能係專業同工作室方案先有，免費同入門方案用唔到。第三，每個 request 嘅 text 唔可以超過 500 字符，超過會被 reject 唔會截斷。仲有，批量一次請求計一次限流，唔係每項計。

配音稿要幾長先啱？

睇場景。短視頻 30 秒大約 80 至 120 字符；YouTube 10 分鐘大約 2,000 至 2,500 字符；IVR 每段 20 至 50 字符；e-learning 每段 60 至 90 秒講解。呢啲都係參考值，冇硬性標準，要按實際需要調整。寫嘅時候可以用 廣東話 TTS 完全指南 嘅換算表做估算。

點解生成出嚟嘅配音有時聽落唔夠地道？

可能係稿本用咗太多書面語句式。廣東話口語同書面語有好大分別，建議參考口語化嘅範本寫法，再善用語氣詞同粵語特色句式。如果想深入了解，可以睇 書面語 vs 口語廣東話 TTS 嘅分析，裡面有具體嘅對比同改善方法。

---

[!CTA]

揀個場景範本，即刻生成你嘅第一段粵語配音

免費開戶每月有 5,000 字符額度，夠你試齊 YouTube、短片、IVR 等幾個常用場景。