目錄（25 節）
即夢 Dreamina 粵語短片實戰（2026）：由提示詞到出片全流程
一文睇晒即夢 Dreamina 點樣由提示詞做到出片，配合粵語配音同字幕實操，用 2026 最新介面逐步示範。
即夢 Dreamina：粵語短片實戰（2026）
一句答你：即夢（Dreamina）係字節跳動旗下集「生圖、生片、編輯」於一身嘅 AI 創作平台；用佢做粵語短片最穩陣嘅路線，係即夢負責畫面、你自備粵語聲軌，再用時間戳編輯同多輪延長控制節奏同長度。
重點摘要 Key Takeaways
- 即夢有三個入口：生圖、生片、編輯；粵語短片嘅骨幹係生片入口。
- 根據官方頁面（觀察日期 2026-10-31），即夢上線嘅 Seedance 2.5 單次最長 30 秒、可多輪延長，支援最多 30 張圖、10 段片、10 條音頻輸入。
- 粵語聲唔好靠模型撞：先做好聲軌，再餵音頻輸入或者做對嘴，先至受控。
- 五個實戰工作流：產品介紹、口播對嘴、故事改編、社交批量、教育培訓，各有唔同死位。
- 角色變臉、口型唔齊、腔調突兀，係三大常見翻車位，全部有補救做法。
- 記得跟香港生成式 AI 官方指引：清楚標示、清授權、護個人資料。
即夢係乜？三個入口先搞清
即夢（Dreamina） 係字節跳動旗下嘅一站式 AI 創作平台，生圖、生片、後期可以喺同一個地方接力做。點解香港創作者要留意佢？因為字節官方嘅 Seedance 模型頁列明，Seedance 2.5 已經於即夢等平台上線（Seedance 官方模型頁, 2026），即係話你喺即夢入面可以直接用到新一代音視頻聯合生成能力，唔使跳嚟跳去。
先講明本篇守一條規矩：官方文件冇列明嘅項目，例如即夢嘅套餐價、字額上限、地區差異，我哋一律唔寫，請以平台內最新公告為準。以下規格全部引官方口徑。
入口一：生圖
生圖 係用文字描述或者參考圖生成靜態圖片嘅功能。做粵語短片，生圖唔係配角，係前哨站：角色設定、場景分鏡、封面圖，全部喺呢度定調。角色圖定得夠清晰，之後生片先至唔會出現「第一個鏡頭同第三個鏡頭唔認得係同一個人」嘅慘劇。
入口二：生片
生片 係用文字、圖片、音頻或者影片做輸入，生成有畫面、部分模式下重連聲音一齊出嘅影片片段。呢個係即夢做短片嘅主戰場，官方規格下一節逐項拆解。
入口三：編輯
時間戳編輯 係喺指定時間點修改畫面動作嘅編輯方式，官方喺 Seedance 2.5 特性列表列明支援（Seedance 官方模型頁, 2026）。對粵語創作者嚟講呢個功能好落地：旁白講到第幾秒要舉手、轉頭、切鏡，可以逐點執，唔使成段重生成。同一張特性表仲有綠幕，方便去背疊字幕；另有黏土渲染等風格參考玩法。
三個入口嘅分工，一表睇晒：
| 入口 | 做乜 | 粵語短片點用 | 小心位 |
|---|---|---|---|
| 生圖 | 文字或參考圖生成靜態畫面 | 定角色、做分鏡、出封面 | 人臉同服飾細節要放大檢查 |
| 生片 | 文、圖、音頻、影片輸入生成片段 | 出主體畫面，可試音視頻聯合生成 | 聯合生成嘅粵語聲唔穩陣，聲軌建議另外做 |
| 編輯 | 時間戳編輯、綠幕等後期調整 | 對齊旁白節奏、去背疊字幕 | 改動太多寧願分段重生成 |
生片規格：官方口徑逐項拆
根據官方頁面（觀察日期 2026-10-31），Seedance 2.5 已於 2026-07-31 上線於即夢等平台，重點如下：
- 單次生成最長 30 秒，支援多輪延長，即係 30 秒一段咁駁上去拉長。
- 輸入上限：最多 30 張圖、10 段片、10 條音頻。
- 特性包括時間戳編輯、綠幕、黏土渲染參考。
- 上一代 Seedance 2.0 於 2026-02 推出，已經係統一多模態音視頻聯合生成，輸入文字、圖片、音頻、影片，最長 15 秒，雙聲道（Seedance 官方模型頁, 2026）。
對粵語創作者嚟講，最關鍵嘅兩個字係「音頻」：2.5 容許最多 10 條音頻輸入，技術上你可以將粵語聲軌直接餵入去，俾模型跟住聲音同步畫面。聽落好美，但現實係聯合生成嘅聲音由模型即場演繹，粵語九聲六調、懶音、中英夾雜呢啲位，模型表現難以事先預期。所以實戰建議係音頻輸入同獨立聲軌雙軌並行：先出聲、後配畫、最後時間戳對齊。想深挖 Seedance 嘅粵語配音玩法，可以睇Seedance 粵語配音完整指南。
【獨家觀察】我哋接觸過唔少香港團隊嘅翻車片段，共通點唔係畫面醜，而係聲畫唔成一體：有團隊直接由聯合生成出片，粵語聲調忽高忽低，重音位同字幕完全對唔上；改用「先做好粵語聲軌、再生畫面、時間戳編輯收尾」流程嘅團隊，改稿重出嘅次數明顯少好多。經驗好樸素：粵語短片嘅成敗，大部分落喺聲音流程，而唔係畫面靚唔靚。
粵語聲軌：五步做好
聲軌 係影片入面專門擺放聲音嘅一條軌道，旁白、對白、音樂各有位置。五步流程如下：
- 寫稿：先揀書面腔定口語腔，兩者喺 TTS 表現有分別，詳情睇書面語同口語粵語 TTS 差異。
- 計字數：以每分鐘約 240 個字符計（港嘢產品說明口徑），Seedance 2.5 一段 30 秒，稿大約 120 個字符就夠；想出 2 分鐘片，預 480 個字符左右，分段延長。
- 生成聲軌：喺港嘢 playground 貼稿試聽，或者用 API 批量出；免費登記送 2,000 字符（一次性），約莫 8 分鐘旁白，試通工作流絕對夠用。
- 匯入即夢：將聲軌做音頻輸入（2.5 上限 10 條），或者分段生成畫面之後喺剪接軌手動對齊。
- 對嘴微調：口播片用對嘴工具執口型。HeyGen 官方列明支援 phoneme 級嘴型、175+ 語言及方言，包括香港口音（HeyGen 粵語 TTS 官方頁, 2026）。
例如：你做一條 30 秒奶茶店開張片，稿 118 個字符，先用港嘢出聲軌，再喺即夢用開店場景圖生片，最後時間戳編輯令伙記舉杯動作啱啱好喺「請飲」嗰句出現，成條片一take 唔使重roll。
五個粵語短片工作流
工作流一：產品介紹短片
稿、聲軌、生圖定三至五張分鏡、生片、時間戳對齊、上字幕。賣點句擺頭三秒；每段設計成 30 秒內有細結論，方便延長銜接時唔會斷氣。
工作流二：口播對嘴影片
想有真人開口感：先出粵語聲軌，再生成正面向鏡頭講嘢嘅畫面，最後跑對嘴工具。各家官方指引都提過同一批前提：角色要正面、嘴部清楚、聲軌長過影片要剪（Kling Lip Sync 官方頁, 2026）。具體步驟可睇Kling AI 粵語對嘴實戰。
工作流三：故事改編同微短劇
角色一致性 係同一角色喺唔同鏡頭之間保持面貌、髮型、服飾一致嘅能力。做法：先用生圖整角色定妝表，Seedance 2.5 容許最多 30 張參考圖，擺得齊角色、場景、道具。劇情片聲音一律走獨立配音路線，全流程可參考AI 影片粵語配音全流程。
工作流四：社交平台批量生產
直式構圖、固定片頭句式、模板化 prompt，聲軌用批量 API 一次過出齊成星期份量。字幕交俾 SRT 工序，做法見粵語字幕 SRT 工作流。批量出片嘅成敗位通常係片頭三秒同埋聲線前後一致，唔係畫面特效。
工作流五：教育同企業培訓片
重結構：章節卡、講解、小結，逐節推進。粵語旁白全程用同一條聲線保持系列感。例如：三分鐘培訓片稿約 720 個字符（按每分鐘 240 個字符計），單計免費字額一個月大約夠出六條，做內部試點綽綽有餘。
常見死位同補救
- 角色變臉：生圖整角色定妝表，之後全程用參考圖輸入。
- 口型唔齊：聲軌剪到位先入對嘴工具；聲長過片就剪聲，唔好加長片。
- 腔調突兀：聯合生成嘅粵語聲風險高，改用真人錄音或者成熟粵語 TTS 出聲軌。
- 長度爆段：多輪延長，每段收喺呼吸位或者句號位。
- 字幕漂移：聲、字同源，用 SRT 工序自動對時，唔好人手逐句拍。
同其他工具點揀
- 即夢加 Seedance 2.5：音頻輸入上限高、時間戳編輯對粵語旁白好使。
- Kling 4.0 於 2026-10 推出，官方語言表列明中文方言包括粵語，lip sync 同 avatar 工具齊（Kling 官方模型指南, 2026）。
- Veo 3.1 官方文件指 English 完全支援，其他語言未評估，做粵語要預後期聲軌配套（Gemini API Veo 文件, 2026），細節可睇Veo 3 粵語配音指南。
- 至於 Sora 2，官方已於 2026-04-26 停止產品提供、2026-09-24 關閉影片 API；呢度只當佢係已停用選項，唔建議新項目採用。
一句總結：揀工具唔係揀最強，係揀聲畫分工最清晰嗰個。即夢嘅價值喺於三個入口同一屋簷下，聲音你自帶，畫面佢承包。
合規同標示
香港數字政策辦公室嘅《香港生成式人工智能技術及應用指引》強調透明、問責、資料保障（香港數字政策辦公室, 2026）；私隱專員公署亦有《人工智能：個人資料保障模範框架》處理 AI 時代嘅個人資料（私隱專員公署, 2026）。實務上記三件事：片頭清楚標示 AI 生成；音樂、字體、品牌 logo 全部清授權；複製他人聲音必先取得明確同意。部分平台會為生成內容加入 C2PA 或 SynthID 水印，匯出同發佈時唔好剷走。
常見問題 FAQ
即夢做粵語片，聲音可以直接交畀模型？
Seedance 2.5 技術上支援音頻輸入，但聯合生成嘅粵語聲調表現難以事先預期。穩陣做法係自備聲軌，畫面同聲音分開管理，最後時間戳編輯對齊。
單次最長幾耐？
根據官方文件（2026-10-31 觀察），Seedance 2.5 單次最長 30 秒，可以多輪延長；再長嘅內容就分段生成再加剪接。
粵語稿要寫幾長？
以每分鐘約 240 個字符計，30 秒一段大約 120 個字符，兩分鐘片約 480 個字符。稿長對唔上段長，先剪聲軌，唔好拉畫面。
即夢同 CapCut 剪映點配合？
通用層分工：即夢出片，剪映做剪接、字幕、降噪。CapCut 官方 TTS 頁列有 200+ AI 聲，但冇逐個方言列明粵語（CapCut 官方 TTS 頁, 2026），所以粵語聲建議由專門供應商出。
口播對嘴有乜前期要求？
角色正面、嘴部清楚、聲軌長度同片長對齊，係各家 lip sync 工具嘅共同前提；3D 同 2D 角色都得，但都係呢三條。
有乜合規位要留神？
AI 內容要清楚標示；音樂、字體、圖像授權要清；複製聲音要當事人同意；跟香港數字政策辦公室同私隱專員公署兩份官方框架就最穩妥。
資料來源同方法
- 方法說明：本文規格全部來自官方文件嘅公開資訊（觀察日期 2026-10-31），未做獨立跑分或實驗；平台規格隨時更新，落手前請以平台內最新公告為準。
- 學術背景：影片生成嘅技術脈絡可參考 Text-to-Video 綜述（arXiv T2V 綜述, 2026）、由 Sora 談生成架構演進嘅綜述（arXiv 從 Sora 睇 T2V, 2026），以及針對多元素構圖嘅評測基準 T2V-CompBench（arXiv T2V-CompBench, 2026）。
- 產品文件：Seedance 官方模型頁、Kling 官方指南、Gemini API Veo 文件、HeyGen 粵語 TTS 頁、CapCut 官方 TTS 頁，連結已喺上文逐處標明。
[!CTA]
想即刻整條粵語聲軌入即夢？
去 港嘢 playground 貼上一段 120 字符短稿，即場試聽廣東話配音，直接餵落即夢做音頻輸入。
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）。