OBS 粵語配音整合教學：AI 旁白、SRT 字幕、直播錄影一次搞掂

$md$> 一句答你：OBS 本身唔會幫你出配音 — 佢係接收同混音嗰邊嘅工具，把聲要喺 OBS 以外先行生成。正路係「AI 生成粵語音頻 → OBS 設定媒體來源播出 → 同步攞 SRT 字幕」，一次設定，之後每條片行同一條流程。

用 OBS 做直播或錄影嘅香港創作者，十個有八個遇過同一個樽頸：畫面早已順晒，把聲卻係全條片最唔穩定嗰環。錄影可以 NG 重嚟，直播冇得後悔；就算肯自己讀稿，環境噪音、讀到中途口窒窒、越講越快，觀眾一聽就覺。AI 生成粵語旁白正正填呢個位 — 畫面流程照舊，將「聲音」由最唔可控，變成最可控嘅一環。

仲有一層：香港市面上嘅配音工具多數主力服務普通話市場，粵語做得地道嘅選擇其實唔多。所以 OBS 用戶要留意嘅唔止「點接入」，仲有「點確認把聲真係似香港人講嘢」— 呢篇兩樣都會講。

呢篇專講三件事：AI 粵語音頻點樣接入 OBS 工作流（三種接法按場景揀）、生成之前要準備咩（執稿、揀聲、試聽）、同埋字幕同成本點一併搞掂。TTS 工具本身點揀係另一個題目，想由最基本學起，先去《廣東話 TTS 完全指南》打好地基。

Key Takeaways

• OBS 唔做生成：AI 音頻係前置產出，OBS 用「媒體來源」接收播出，負責混音同時機控制
• 三種接法：錄影用音源入欄位最簡單、直播播插播旁白要預排時間軸、混合內容先郁濾鏡
• 出聲之前執稿三動作：書面語轉口語、多音字校對、長稿分段 — 讀錯音九成係稿嘅問題
• 字幕唔使另外對軸：生成嗰刻同步攞 SRT，直播疊字幕同後製剪片由同一份檔出發
• 成本可預算：以約 240 字符 ≈ 1 分鐘語音估算，10 分鐘旁白約 2,400 字符，入門方案攤落約 HK$1.54
• 直播一次過、錄影可重嚟：兩種風險結構唔同，準備清單要分開寫

點解 OBS 用戶特別需要 AI 配音

OBS 免費、開源，直播同錄影一個工具搞掂，係香港創作者社群最普及嘅選擇之一。不過睇番 OBS 嘅功能清單，入面冇一項叫「生成語音」— 佢本來就唔係配音工具，官方定位係實時擷取同串流。所以正確期望係：OBS 係接收端同混音台，配音由 AI 平台做好，入 OBS 嗰段係搬運同調校功夫。搞清楚呢個分工，先唔會喺錯誤嘅地方搵解決方案。

咁邊類 OBS 用戶最着數？三類最明顯。

教學同軟件示範者

你嘅重點係畫面：投影片、程式碼、介面操作。把聲只係負責解釋畫面嘅旁白。自己錄音嘅痛位係 — 講錯一個按鈕名、讀漏一行步驟，成段要重錄；AI 嘅好處係改稿即改聲：稿上改兩個字，重出嗰段音頻就得，畫面同鏡頭完全唔使郁。教學片通常幾十段旁白逐段擺位，先分段生成、再逐段對位，先至係正確做法，後面會詳細講。

遊戲直播主同賽事評述

直播要把聲即時回應，冇得補錄，呢部分照樣靠你自己。但一條直播其實分好多個段落：開場片頭、插播簡介、賽後回顧、過場音效。呢啲段落嘅旁白完全預先出得 — 直播前用 AI 出好一批旁白檔，直播嗰陣當音源播出來，慳咗臨場讀稿嘅精神，等你可以專心回應彈幕。對每周固定開台嘅主播嚟講，呢批旁白仲可以模板化：改幾個字就係下場直播嘅版本。

唔出鏡嘅知識型頻道

有人唔想露面，咁把聲就係成條頻道嘅身份。如果每一次都要自己開 mic，聲音狀態就會時好時壞。用 AI 粵語聲線，揀定一把同頻道定位夾嘅聲，成條 channel 由第一條片到第幾百條片都係同一把聲，聽感一致 — 呢樣嘢係品牌感嘅基礎。

AI 配音接入 OBS 嘅三種接法

三種接法唔係三選一，而係按內容類型揀。先睇總覽，再逐個拆：

接法一：音源入欄位（最直接）

生成好嘅粵語音頻檔存落硬碟，喺 OBS 嘅「來源」面板加一個「媒體來源」，指向該檔案，配音即刻變成你可控制嘅一個音源。你可以本地播放預覽、喺混音器獨立調音量，仲可以選擇喺邊個場景先出現 — 例如片尾鳴謝嗰個場景才掛旁白。

呢個做法最大優點係簡單同可重用。同一批音頻，今條片用完，下條片照用。建議將每條片嘅音頻用清楚嘅檔名歸檔（例如「ep12-sec1」），日後重剪、重混都搵得返。如果你條片要配音、音效、背景音樂三層齊，OBS 混音器可以一次過行齊 — 每層一個音源，音量表一目了然，邊層大聲邊層細聲一格睇晒。

接法二：直播插播背景聲

好多直播唔係全程一把聲：中場要播一段旁白介紹贊助商、轉場要一段簡介、收尾要一段感謝詞。呢啲旁白全部直播前預先出好，直播嗰陣手動觸發播放。兩個位要留意：

• 時間差估算：直播冇 redo，旁白播幾耐就要預先知幾耐。用「約 240 字符 ≈ 1 分鐘語音」換算，一段 150 字旁白大約 38 秒，你就可以照住排直播流程
• 音量交接：旁白出現嗰刻，將自己麥克風嗰路音量拉低，播完先推返上去。兩把聲同時出，觀眾會以為撞台

接法三：旁白＋人聲混合（混合內容先郁濾鏡）

有一種內容係「旁白同真人一齊玩」：旁白讀出問題，你即場解答；或者旁白讀資料，你即刻補充。做法係 AI 音頻同你嘅麥克風各自係一個獨立音源。AI 音頻本身已經乾淨，唔使加降噪；你嘅麥克風嗰路先按需要加濾鏡（噪音抑制、增益、壓縮）令兩邊接得住。記住原則：AI 音頻唔好亂加濾鏡，否則反而唔一致。

出聲之前：生成好嘅音頻先係基礎

好多 OBS 用戶遇到「AI 讀得怪」，第一反應係換工具。多數時候真相係：稿本身有問題。將生成前置嘅準備功夫做足，入 OBS 之後先係真嘅搬運。

執稿三動作

動作一：書面語轉口語。「因此」「進行一個分析」呢類書面詞，由粵語口播出嚟會硬，香港觀眾一耳就覺得係機器口吻。將書面詞改成日常口講句子，自然度立升三個檔。轉換技巧完整攻略喺《書面語定口語？廣東話 TTS 貼稿轉換全攻略》。

**動作二：多音字校對。**廣東話多音字係經典陷阱：「銀行」同「行過去」個「行」字、「重要」同「好重」個「重」字，讀法完全唔同。出稿前掃一次稿，可疑字先諗下讀音。12 個實例同自救方法，全部喺《廣東話多音字攻略》。

**動作三：長稿分段。**成篇稿一次過貼，中段出錯要成篇重出。按段落或者場景切開，逐段生成、逐段下載。好處有三個：錯咗只重出嗰段；唔同段落可以用唔同語氣；每段一個檔案，OBS 排時間軸好易。

揀聲：三分鐘試聽流程

唔好靠工具頁嘅示範選聲，嗰啲係揀過最好嘅句。自己做三分鐘試聽，用三句考題：

1. 多音字句：睇上下文判斷讀音嘅能力
2. 密語氣詞句：「係咪呀」「好啦喎」「唔通咩」— 語氣詞係粵語嘅靈魂，讀得生硬即刻穿幫
3. 中英夾雜句：「我 check 咗個 schedule，聽日三點 OK」— 睇英文轉入粵語嗰下順唔順

三關過咗，再貼你自己嘅真稿試一段。聽聲嗰陣着重三樣嘢：聲調有冇走樣、語氣詞有冇生硬、長句有冇斷氣亂晒。完整揀聲框架（按性別、年齡層、用途選）喺《廣東話 TTS 聲線點揀？由零開始嘅四個維度實戰指南》。

免費開始試

開戶送**每月 5,000 字符（月月重置）**試用額度，每月重置，以約 240 字符 ≈ 1 分鐘語音計，大約夠你出 21 分鐘語音 — 應付「三考題＋真稿試段」整個流程綽綽有餘。Playground 貼稿即試，唔使先碌卡。

字幕同步：一條 pipeline 兩份產出

OBS 內容嘅字幕有兩個用途：成片入面顯示畀聽障觀眾、唔方便開聲睇片嘅人；同埋後製搜尋同剪輯定位。傳統做法係剪片時逐句人手打，又或者出咗音頻送去字幕工具回聽對軸，兩者都慢。

而家嘅做法係生成嗰刻同步攞 SRT 字幕檔 — 時間軸由生成引擎自己俾你，音頻同字幕天然夾，唔使人手回聽。之後你有兩條路用呢份 SRT：

• 剪片軟件以 SRT 匯入做字幕層，成片一次過有字幕
• 直播／OBS 場景，視乎你嘅外掛或瀏覽器來源方案，用 SRT 疊字幕。冇呢啲工具嘅話，先將字幕交剪片階段處理

完整字幕工作流（點樣一條 pipeline 出聲又出字幕、點處理 SRT 細節）睇《TTS 加 SRT 字幕：一條 pipeline 出聲又出字幕》。

成本點計：一條片嘅配音預算

AI TTS 主流係字符制：計你貼咗幾多字，可預測。港嘢嘅計法好直接：入門方案 HK$128／月包 200,000 字符（約 HK$0.64／千字符），冇超額收費 — 配額用完就完，唔會偷偷碌卡，要加量就買字符包。以約 240 字符 ≈ 1 分鐘語音估算，攤落每條片嘅成本如下：

年繳仲平：入門方案年繳平均 HK$102／月。整體收費結構（四個方案、字符包、帳單週期重置點計）完整拆解喺《廣東話 TTS 價錢點計？2026 收費結構拆解》。

直播 vs 錄影：風險結構唔同，準備清單唔同

錄影場景：可以重嚟，準備清單短

• 稿先過三動作（口語化、多音字、分段）
• 逐段生成、逐段聽，錯咗即重出嗰段
• 攞定 SRT，剪片時音頻同字幕一齊入
• 收工前聽一條完整版本，唔好逐段聽完就算

直播場景：一次過，準備清單長啲

• 所有旁白直播前一日出晒同聽晒 — 係唯一防線，唔好臨場先聽
• 用 240 字符／分鐘換算每段時長，直播流程留鬆位
• 每段旁白喺直播清單寫低：幾時播、音量幾多、播前自己 mic 拉唔拉
• 有人幫手就交俾旁邊嘅助手按清單觸發，唔靠自己腦記

直播最大風險係臨場先發現段旁白有問題。呢樣嘢冇得補救，只有預先聽晒。

常見問題 FAQ

OBS 直接打字就可以出語音嗎？

唔可以。OBS 本身冇文字轉語音功能，佢係接收端。正確流程係：AI TTS 平台先生成音頻檔，然後喺 OBS 以媒體來源加入做音源。想知生成點開始，睇《廣東話 TTS 完全指南》。

直播時 AI 配音同自己的聲點樣混合？

兩邊各自係 OBS 混音器嘅獨立音源，分開調。核心做法：旁白播出嗰段將自己麥克風拉低，播完先推返；混合內容需要兩邊同時嘅話，人聲嗰路按需要加濾鏡，AI 音頻嗰路唔好郁，令兩邊質素一致。

SRT 字幕點樣喺直播畫面顯示？

常見兩條路：一係將字幕交剪片階段處理（成片加字幕層），一係用支援 SRT 嘅外掛或瀏覽器來源讀檔案疊畫面。無論邊條路，起點都係生成嗰刻同步攞住份 SRT — 時間軸已經夾好，唔使重對。流程細節睇《TTS 加 SRT 字幕》。

AI 粵語配音可唔可以商用上架？

要睇你用平台嘅條款，冇統一答案。落單之前確認三件事：生成內容嘅商用授權範圍、用到乜嘢用途有冇限制、成片版權歸邊個。建議將「商用授權」列作揀工具準則之一，唔好到出片先問。

一條 10 分鐘影片嘅配音大約幾多錢？

以約 240 字符 ≈ 1 分鐘語音估算，10 分鐘旁白約 2,400 字符。港嘢入門方案 HK$128／月包 200,000 字符（約 HK$0.64／千字符），攤落約 HK$1.54。開戶送每月 5,000 字符（月月重置）（約 21 分鐘），試晒個流程先決定買唔買。收費結構完整睇《廣東話 TTS 價錢點計》。

AI 讀錯粵音、懶音怪怪哋，點自救？

三招：一係換寫法（同音異字引導讀音），一係加標點控制停頓同節奏，一係分段生成只重出有問題嗰段。多數情況係稿嘅問題，唔係工具問題。成套自救方法喺《廣東話多音字攻略》。

由今日開始砌你嘅 OBS 配音流水線

行動次序好簡單：

1. 開個免費戶口，攞 每月 5,000 字符試用額度，用三考題揀定你嘅聲線
2. 執稿三動作做齊，分段生成＋同步攞 SRT
3. 音頻入 OBS 做媒體來源，剪片或直播流程照舊

由稿到出片，一個下晝搞得掂。

$md$