紀錄片粵語旁白 workflow：40 分鐘長片對齊

一句答你： 40 分鐘紀錄片嘅粵語旁白，係「分段工程」：旁白稿按場景切做 20 至 30 段，逐段生成逐段對齊，改一句重做一段，唔好成條片一次過生成。用專業方案計，40 分鐘旁白約 9,600 字符，語音成本約 HK$5.4，成本唔係難題，對齊先係。

Key Takeaways

• 紀錄片旁白嘅工程單位係「場景」，唔係「成條片」：逐段生成、逐段對齊、逐段管理版本。
• 40 分鐘旁白約 9,600 字符（每分鐘約 240 字符），專業方案生成成本約 HK$5.4。
• 旁白稿係三文治結構：解說段短、留白位長，紀錄片節奏由留白撐起。
• SRT 字幕係對齊嘅骨架：先定每段起點，再微調句內節奏。
• 修改紀律：改一句重做一句，段版本號管理，唔好成條重生成。

紀錄片旁白同其他配音嘅分別

紀錄片旁白有三大特性，決定咗佢嘅製作方法同廣告片、教學片完全唔同。

特性一：留白係內容。 紀錄片嘅敘事節奏慢過任何片種：一段 15 秒嘅空鏡配一句解說，係常態。所以旁白稿嘅字數密度好低——40 分鐘片可能得 9,000 至 10,000 字旁白，平均每分鐘 240 字左右，而且仲要拆散喺唔同場景入面。

特性二：段落獨立。 每個場景嘅旁白，係一個獨立敘事單元：起承轉合喺段內完成，段同段之間靠畫面銜接。呢個特性令分段生成成為可能——你唔使「一口氣」生成成條片，每段自己生成、自己對齊。

特性三：版本會反覆。 剪片過程不斷變：呢段刪 5 秒、嗰段調順序。旁白要跟住剪片版本走，改到第八稿好正常。所以版本管理嘅重要性，高過任何其他片種。

呢三個特性指向同一個結論：紀錄片旁白係分段工程，唔係整段工程。

第一步：由研究稿到旁白稿

紀錄片嘅文字底稿通常係研究稿（research doc）：幾萬字嘅資料、訪談逐字稿、大事年表。旁白稿係由佢蒸餾出嚟嘅另一種文本。

蒸餾嘅規則：

• 每段一個資訊點：一段旁白講一樣嘢，講完就走。觀眾聽旁白冇得回帶，資訊密度要刻意壓低。
• 句子短過文字稿：口播句子建議 20 字以內，長資訊拆兩句。
• 口語程度半口語：紀錄片旁白嘅慣用語域係「書面骨架、口語血肉」——句法可以書面，連接詞、語氣詞用口語（「原來」「點解」「後來」呢類自然過渡詞）。
• 數字仁慈啲：文字稿「增加了百分之十二點三」，旁白講「多咗超過一成」，聽覺處理數字能力遠低於視覺。

旁白稿嘅寫作技巧，TTS 旁白稿點寫嘅十個技巧全部適用；長片旁白嘅整體架構同語氣規劃，長文旁白生成指南係最貼題嘅參考。

第二步：分段生成嘅工程紀律

旁白稿定稿之後，按場景切做生成單元。呢一步嘅紀律，決定咗之後三個星期係順流定逆流。

切段原則：

• 一個場景一段，場景內再長都唔切散（保持語氣連貫）
• 每段開頭記低：場景編號、預計時長、對應剪片時間碼
• 單段字符量控制喺幾百字內，方便重做

生成設定：全片用同一把聲線、同一組風格設定，由第一段到最後一段一樣。設定一經第一段定案，抄落其餘所有段——語氣漂移係長片大忌，觀眾未必講得出邊度唔同，但會覺得「唔連戲」。

版本號管理：每段檔名帶版本（sc07_narr_v3 呢類），配一張簡單嘅段表：段號、文字版本、音頻版本、狀態（待生成／已生成／已對齊／已定案）。40 分鐘片 20 至 30 段，冇張表，第三稿開始就會亂。

成本帳順手計埋：40 分鐘旁白約 9,600 字符，用專業方案（每千字符 HK$0.5633）約 HK$5.4。就算重做率三成，都係幾蚊之內嘅事——分段工程嘅價值唔係慳字符，係慳時間同保品質。

第三步：對齊——用 SRT 做骨架

旁白同畫面對齊，係紀錄片後期嘅重頭戲。建議用 SRT 字幕做對齊骨架，原因有三：

1. 時間碼現成：SRT 每句自帶起止時間碼，直接對剪片時間線。
2. 生成即有：語音生成可以同步輸出 SRT，字幕檔同音頻同源，唔使手動打。
3. 剪輯軟件通吃：SRT 匯入任何剪輯軟件都支援，字幕軌就係旁白時間軸。

對齊流程：

1. 定段起點：每段旁白嘅起點跟畫面節奏行——空鏡起、轉場後、訪談前，逐段喺時間線擺位。
2. 段內微調：段起點定咗，段內句子跟音頻自然流動，個別句子要避開畫面重點（例如受訪者開口前半秒，旁白要收）。
3. 留白保護：紀錄片嘅呼吸位唔准被旁白入侵。對齊時先劃出「禁區時間段」，旁白只能喺禁區外落。
4. 覆聽檢查：連住睇三個場景一組，聽旁白同畫面同音樂嘅互動。

SRT 時間軸嘅操作細節——批量調整、逐句校準、常見問題——SRT 字幕時間軸對齊教學有完整教學。

第四步：修改紀律

紀錄片旁白一定會改。改嘅紀律係成個 workflow 嘅靈魂：

• 改一句，重做一句：段內改一句，只重新生成嗰句（或者嗰段），永遠唔好成條片重生成。
• 段版本升號：重做完，段表版本號更新，舊檔留底唔刪——剪片有時會「翻舊版」。
• 改動同步字幕：文字改咗，SRT 同步改，字幕同音頻唔可以脫節。
• 定案鎖段：過咗定案嘅段，鎖起，再改要過你（或者導演）批准。

呢套紀律嘅目的只有一個：令「改」係一個段落級嘅小動作，唔係一個全片級嘅大工程。剪片後期嘅節奏，係「每日改三段」定「每星期等一次全片重生成」，分別就係有冇紀律。

聲線挑選：旁白嘅聲音氣質

紀錄片旁白嘅聲線挑選，準則同廣告、教學片唔同。三個準則：

一、敘事感先於「好聽」。 旁白要似「一個見識過嘅人喺度講嘢」，唔似「一把聲喺度朗讀」。試聽嗰陣俾段最有人味嘅稿（有人物、有轉折嗰段），聽佢講故事嘅說服力。

二、題材匹配年齡感。 歷史題材配偏沉穩嘅中年感聲線，社會議題配成熟但貼地嘅聲線，自然生態題材配溫和敘事感。年齡感錯配，觀眾會覺得「把聲同個片唔熟人」。

三、用「全片最難嗰段」試稿。 唔好用旁白稿最易嗰段試聲——攞感情最重、句子最密嗰段生成一次，把聲嘅底線即刻現形。試得過最難，其餘段落自然過。

定案之後，同一把聲、同一組風格設定用足全片——呢條規則冇例外。紀錄片嘅旁白聲係觀眾嘅「嚮導」，換嚮導等於換戲。聲線揀選嘅系統方法，廣東話 TTS 聲線點揀嘅四維度框架啱用。

訪談片：旁白幾時開口、幾時收聲

訪談是紀錄片嘅血肉，旁白同訪談原聲嘅關係，係節奏設計嘅核心。三條原則：

開口喺受訪者之前。 旁白嘅功能係「搭橋」：介紹人物、交代背景、轉換場景，講完就讓位。受訪者開金口之前嗰幾秒，係旁白嘅舞台。

金句位旁白閉嘴。 受訪者講到精警句嗰陣，任何旁白都係干擾。剪輯時認定嘅「金句段」，前後旁白退開，俾原聲自己撐場——呢個「讓位」嘅剋制，正係專業紀錄片同流水帳嘅分別。

引導句唔判斷。 受訪者講完，旁白接嗰句唔好替觀眾下結論（「可見佢講嘅完全正確」係災難），用中性過渡（「呢個講法，另一邊就唔同睇法」）。判斷留返俾觀眾，旁白只負責擺位。

呢三條原則寫入你嘅旁白稿規範，之後每一部片照行，稿同剪輯嘅磨合成本會越嚟越低。

長片嘅工程檔案結構

40 分鐘片嘅製作週期橫跨幾個星期，檔案結構喺開工嗰日就要搭好。一份經過實戰嘅最小結構：

project/
  script/
    narration_v1.md        ← 旁白稿各版本
    narration_final.md
    segments.csv           ← 段表：段號/文字版/場景/狀態
  audio/
    sc01_narr_v1.mp3       ← 段音頻（段號+版本）
    sc02_narr_v3.mp3
    final/                 ← 定案段
  subs/
    full_v2.srt            ← 對齊後字幕
  docs/
    voice_sheet.md         ← 聲線設定單
    decisions.md           ← 改動決定記錄

呢個結構嘅三個設計位：段音頻唔覆寫（每版獨立檔案，翻舊版有得翻）；段表係中樞（邊段用邊版、定案未定案，段表一行講晒）；設定單同決定記錄分開（前者係配置，後者係歷史，混埋一齊兩樣都難查）。

檔案結構好似係瑣事，但長片製作嘅混亂，八成由「邊個檔案係最新」呢條問題開始。開工一小時搭好結構，之後每個星期都係還債。

上線前驗收：最後三十分鐘清單

成條片搞定之後，上線前做一次完整驗收，三十分鐘內完成：

第一遍：淨聽旁白軌（約十分鐘）。將旁白單獨抽出嚟連住聽一次，唔睇畫面——聽嘅係敘事流暢度：段與段銜接有冇跳、語氣有冇漂移、有冇一句聽落同全片唔同一個人。淨聽會暴露配住畫面聽唔到嘅問題。

第二遍：連畫面正常聽（四十幾分鐘片做重點抽查，唔使全片）。抽三段：開頭五分鐘、全片最重戲嘅一段、結尾段。聽旁白同畫面、音樂、訪談嘅配合——呢三段係觀眾印象最深嘅位。

第三遍：細節掃尾（約十分鐘）。三項檢查：字幕同旁白逐段對齊（抽段核對）、段與段嘅音量一致性、輸出格式同目標平台規格。

驗收搵一個冇參與製作嘅人做第二雙眼最理想——製作者對自己嘅片有「補腦」本能，聽到嘅係心中嗰個版本；新耳仔先聽到觀眾會聽到嘅嘢。驗收出嘅問題，照分段產線處理：邊段錯改邊段，改完覆驗嗰段就得。

呢三十分鐘係全片製作入面投資回報最高嘅時間——佢攔住嘅係「出咗街先發現」嗰種冇得補救嘅遺憾。

驗收紀錄都要歸檔：驗收發現咗咩、改咗邊啲段、邊個拍板——下套片開工之前翻一翻，同類問題直接喺源頭避開。每部片嘅驗收紀錄，就係你下一部片嘅免錯清單。紀錄片製作嘅成熟度，就係由呢啲「每一部都比上一部少踩一個坑」累積出嚟嘅。

常見問題 FAQ

旁白稿寫幾多版先定稿？

常見節奏係兩稿定方向、三稿定稿：一稿行內審（敘事完整性）、二稿對畫面粗剪（段落對位）、三稿對成片微調（時長收縮）。重點唔係次數，係每稿有明確審咩——冇審查焦點嘅「再改一版」係無底洞。

40 分鐘片，旁白稿要幾多字？

以每分鐘約 240 字符上限計，40 分鐘最多約 9,600 字。但紀錄片唔會講滿：實際旁白量多數係上限嘅六至八成，其餘時間留返畀畫面、音樂同訪談。寫稿時以「每分鐘 180 至 220 字」做預算最穩陣。

一把聲由頭帶到尾，定係分章節換聲？

主流係一把主敘事聲由頭到尾，觀眾嘅「跟住呢把聲行」嘅信任感係紀錄片嘅命根。除非片種本身有多視角結構（例如正反方敘事），先考慮多聲線——而且要喺結構上令觀眾好快明白「換聲等於換視角」。多聲線對白嘅生成管理，可以參考多角色對話生成嘅框架。

生成嘅旁白可以有情緒起伏嗎？

可以調。演繹風格同情緒控制可以令聲線喺不同段落用唔同語氣——沉重段、回暖段、懸念段，逐段設定。但建議收斂使用：紀錄片旁白嘅情緒主要應該由文稿本身同畫面音樂承載，聲線情緒係調味唔係主菜。情緒參數點用，TTS 情緒控制實作有 API 級講解。

訪談原聲同旁白點融合？

兩個聲源並存係紀錄片常態，處理靠三件事：音量平衡（旁白略低過訪談高點，避免「壓場」）、空間感統一（旁白乾聲加返少許環境感，同訪談場景匹配）、語速銜接（旁白語速唔好快過受訪者講嘢太多）。後期混音時，用訪談原聲做基準調旁白。

粵語旁白稿，地名人名點保證讀對？

生成前逐個核對：多音字查字典、變讀地名認住案例、外國譯名跟通行譯法。呢步做好，勝過生成後任何補救。多音字嘅自查方法，廣東話多音字攻略有 12 個實例同 5 招自救；人名地名嘅通行讀法，就建立自己嘅檢查表長期累積。

每段之間要留幾多秒空隙？

冇標準答案，但可以俾個起點：場景轉換位留 2 至 4 秒純畫面，情緒沉重段之後留 3 至 5 秒，快節奏段落之間可以不留。原則係「空隙係剪出嚟嘅敘事，唔係旁白嘅間隔」——留白位跟住片嘅節奏行，唔係跟字數行。