Runway 中文實戰教學：2026 品牌片製作＋粵語旁白配畫面全攻略

一句答你：用 Runway 出畫面、港嘢粵語 TTS 出聲、對嘴工具同步口型，呢個三段式流程，係 2026 年香港團隊用 Runway 中文素材做品牌片最穩陣、最貼地嘅做法。

重點摘要 Key Takeaways

• Runway 係 AI 影片生成工具，畫面係強項；粵語旁白要交俾專做廣東話嘅 TTS 先穩陣。
• 三段式工作流：先生成無聲畫面，再合成粵語旁白，最後按需要對嘴。
• 五個鏡頭寫法：開場、產品、人物、氛圍、收尾，每個 prompt 都跟「主體＋動作＋環境＋光線＋運鏡」結構。
• 粵語旁白大約 240 字符講一分鐘，寫稿同剪畫面要用同一把尺。
• 出街前五道 QC：讀音、聲調、口型、品牌一致、合規授權，缺一不可。

點解 Runway 中文品牌片要拆開三段做

Runway 係一款 AI 影片生成工具（根據官方網站，觀察日期 2026-10-31），佢嘅強項係將文字描述或者參考圖，變成有電影感嘅動態畫面。過去幾年，文字轉影片技術發展得好快，由早期幾秒嘅模糊片段，進化到而家有構圖、有運鏡、有光效嘅成品（Text-to-Video 生成綜述, 2026）。有研究由 Sora 嘅出現開始，系統性咁梳理成個領域嘅技術路線，指出生成質素同可控性係兩條主線（Text-to-Video 綜述：從 Sora 睇到啲乜, 2026）。

但係，畫面勁唔等於把聲勁。通用影片生成工具嘅語音能力，多數以英文為先；粵語係聲調語言，常用講法係九聲六調，仲有大量多音字，文字轉拼音好容易讀錯。全球約 8,490 萬粵語母語者，但高質素標註資源長期不足（WenetSpeech-Yue, 2026），所以「畫面歸畫面、把聲歸把聲」呢個分工先至重要。

三段式工作流 係 指將品牌片拆成「畫面生成、語音合成、聲畫同步」三個獨立工序，每段用最擅長嘅工具，唔好期望一個工具做晒所有嘢。

文字轉語音（TTS） 係 將寫好嘅文字稿，用 AI 聲線朗讀成音頻嘅技術；你貼稿，佢出聲，快過約配音員錄音好多，仲可以無限改稿重出。

想睇成個配音流程嘅通用版本，可以參考AI 影片粵語配音完整指南。

第一步：Runway 專心出畫面

第一段工序，Runway 只需理會畫面，唔使理聲。你嘅任務係寫好 prompt、俾參考圖、鎖定風格。例如：「香港舊式茶餐廳，下午陽光斜射入嚟，鏡頭慢慢推近一杯凍檸茶」——呢類描述有主體、有環境、有運鏡，生成出嚟嘅構圖會穩定好多。有評測基準專門研究文字轉影片嘅構圖能力，發現「多元素擺位」同「動態關係」係各大工具最容易甩轆嘅位（T2V-CompBench 構圖評測基準, 2026），所以 prompt 入面嘅物件唔好一次過塞太多，一個鏡頭一個重點。

品牌片仲有一樣嘢要鎖死：色調。例如品牌主色係墨綠，每個 prompt 都加返「墨綠色調、暖黃燈光」呢類字眼，五個鏡頭剪埋先唔會五種風格。

第二步：粵語 TTS 專心出聲

第二段工序，輪到把聲。港嘢有三種生成模式：voice 用現成聲線 slug（例如 sum 即係心妍）、design 用性別同年齡去設計新聲、clone 用參考音頻複製聲線。免費登記送 2,000 字符（一次性），按大約 240 字符講一分鐘去換算，即係大約 8 分鐘旁白，夠你試好多稿。

寫稿有個心法：用口語寫，唔好用書面語。例如「我哋嘅承諾，喺每一個細節入面」就自然過「我們的承諾體現於每個細節之中」。粵語口語字好似嘅、咗、喺、唔、咩，TTS 先至讀得貼地。中英夾雜都唔使驚，「check 吓個 deadline」呢類香港日常講法，係語言特色唔係問題。

第三步：對嘴工具專心同步

對嘴同步（Lip Sync） 係 將已生成嘅人物畫面，按照聲軌調整嘴部動作，令講嘢嘅節奏同把聲夾返埋嘅工序。

視素（Viseme） 係 每個發音對應嘅嘴型單位；要記住，粵語聲調影響嘅係音高，唔直接決定嘴型，嘴型主要跟音素行。

記住一個原則：有正面人物講嘢嘅鏡頭先做對嘴，純景物、產品特寫、航拍呢啲鏡頭根本唔使。另外一個實務位：如果聲軌長過畫面，就要剪聲或者補畫面，兩者長度要夾到正。想深入了解對嘴工具嘅玩法，可以睇Kling 粵語對嘴實戰教學同粵語對嘴同步入門指南。

五個鏡頭寫法：品牌片 prompt 結構

鏡頭 prompt 結構 係 一套固定配方：主體＋動作＋環境＋光線＋運鏡，五樣齊，畫面先唔會隨機發揮。以下係品牌片最常見嘅五個鏡頭，逐個拆俾你睇。

鏡頭一：開場建立鏡頭

目的係話俾觀眾知「呢度係邊、而家係咩氣氛」。例如：「維多利亞港清晨，天星小輪慢慢駛過，日出金光灑落海面，航拍鏡頭緩慢向前推」。開場鏡頭通常冇對白，旁白第一句可以遲兩秒先入，等觀眾入戲。

鏡頭二：產品英雄鏡頭

主角登場。例如：「一罐凍檸茶放喺茶餐廳木枱面，罐身水珠慢慢向下流，微距鏡頭，淺景深，背景暖黃燈光化開」。產品鏡頭嘅重點係質感同細節，prompt 要講明材質、光反射、景深，觀眾先「睇到都想飲」。

鏡頭三：人物互動鏡頭

有人物，就要一早諗定使唔使對嘴。例如：「年輕女店員微笑遞上一杯凍檸茶，望住鏡頭講一句『凍冰冰，啱晒今日』」。如果句對白係成條片嘅記憶點，對嘴就唔可以馬虎；如果只係背景人物，旁白蓋過去就得。

鏡頭四：氛圍過場鏡頭

用嚟轉場同儲情緒。例如：「夜晚霓虹燈招牌逐個著燈，雨水倒映喺石板街，鏡頭低角度慢慢橫移」。呢類鏡頭冇對白，配一兩句有味道嘅旁白，例如「呢座城市，夜晚先至真正開始講嘢」，情緒即刻到位。

鏡頭五：收尾行動鏡頭

品牌 logo、slogan、call to action 一次過出。例如：「畫面漸暗，品牌標誌喺中央浮現，背後係城市燈火」。旁白最後一句要短、要響，例如「港式味道，香港製造」，八個字之內最好記。

聲畫同步：用同一把尺度時間

聲畫對位 係 指旁白嘅字數節奏同畫面嘅鏡頭長度互相配合，唔會出現「畫面完咗把聲仲講緊」或者「把聲停咗畫面仲播緊」嘅尷尬。

把尺好簡單：粵語旁白大約 240 字符講一分鐘。一條 60 秒品牌片，全片旁白大約 240 字符；如果五個鏡頭平均，每個鏡頭 12 秒，即係每鏡頭大約 48 字符。例如鏡頭三嘅對白「凍冰冰，啱晒今日」得 8 個字符，剩返嘅時間就係留白，等畫面自己講嘢——留白係品牌片高級感嘅來源，唔好句句塞滿。

如果要埋字幕，可以行 SRT 工作流程：港嘢 API 提交時加 srt=true，行 async 軌，出返嚟就有時間軸字幕檔，直接落入剪接軟件。API 嘅基本玩法係 POST 提交之後攞 job_id，再 poll 結果；單次文字上限 500 字符，超過會回 text_too_long，所以長稿要切段。免費用家可以開 sandbox key，每日 50 個生成 call，夠你試通成個流程先決定使唔使升級。

品牌片 QC：出街前五道關

剪好、夾好聲，唔代表可以出街。以下五道關，道道都要人耳人眼過。

第一道係讀音關。粵語多音字多，例如「行」可以讀 hang4 亦可以讀 hong4，「銀行」同「行路」完全唔同音。品牌名、產品名、人名呢啲專有名詞，要逐個聽返。

第二道係聲調關。九聲六調入面，入聲字收尾短促，例如「一」、「得」、「食」，如果聽落怪怪哋，多數係聲調或者變調甩咗，重寫句子再合成通常搞得掂。

第三道係口型關。抽查人物鏡頭，逐句對返把聲，尤其係開合口明顯嘅音，例如「我」、「你」、「好」呢啲字，視素對唔對一眼就睇到。

第四道係品牌一致關。把聲嘅年齡感、速度、情緒，要同品牌調性夾；賣活力嘅品牌唔可以配一把太斯文嘅聲。想深入研究，可以睇品牌聲線一致性指南。

第五道係合規關。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（香港數字政策辦公室, 2026）；私隱專員公署嘅 AI 模範框架亦講明個人資料點處理（私隱專員公署, 2026）。實務上三樣嘢：AI 生成內容要有清楚標示、clone 他人聲音要取得明確同意、音樂字體 logo 全部要清授權。

【獨家觀察】我哋接觸過嘅香港團隊，最常見嘅失敗次序係「先出畫面、後寫稿」：畫面好靚，但旁白要硬塞入去，結果句句趕住講，品牌片變咗急口令。正確做法係稿同畫面同步構思，甚至稿先定。另一個觀察：粵語嘅節奏同英文唔同，英文一句可以拖好長，粵語係一個字一個音節，剪畫面嗰陣如果跟英文參考片嘅節奏行，把粵語聲一定甩 beat——呢個係好多香港團隊第一次做 AI 品牌片會撞嘅板。

同場加映：其他工具點樣分工

Runway 唔係唯一選擇，成個 AIGC 影片生態入面，各工具都有定位。例如 Seedance 係字節跳動嘅多模態生成模型，詳細玩法可以睇Seedance 粵語配音指南；Kling 除咗生成，對嘴功能都係官方主打；Google 嘅 Veo 3.1 就有原生音頻能力，不過官方文件講明英文先係完全支援，其他語言效果會有變化，詳情睇Veo 3 粵語配音實戰。至於 Sora 2，產品已經喺 2026 年 4 月停止提供，影片 API 亦喺 2026 年 9 月關閉，網上舊教學唔好再跟。

無論用邊個出畫面，「畫面歸畫面、把聲歸港嘢」呢個分工邏輯唔變。

資料來源同方法

本文資料來自官方文件、官方網站同公開論文，觀察日期一律係 2026-10-31。Runway 部分只講通用能力層，唔涉及片長、價錢、解像度等規格；其他工具嘅能力描述，以各自官方頁面為準。粵語語言判斷基於公開語言學資料同港嘢團隊嘅內容製作經驗。

常見問題 FAQ

Runway 中文支援去到邊個程度？

Runway 嘅文字 prompt 可以理解中文描述，不過根據公開觀察（2026-10-31），好多香港用家會中英夾雜咁寫 prompt，關鍵視覺詞用英文、意境用中文，出嚟嘅穩定度會好啲。記住，中文 prompt 寫得好，同佢出唔出到好粵語聲係兩回事。

粵語旁白可唔可以喺影片工具入面直接出？

技術上有啲工具會附帶語音功能，但通用影片工具嘅語音多以英文為主，粵語聲調、多音字、口語字呢啲位好易甩。穩陣做法係用專做廣東話嘅 TTS 出聲，再喺剪接階段夾返埋。

一條 60 秒品牌片大約要幾多字符？

按大約 240 字符講一分鐘去計，60 秒全旁白大約 240 字符。不過品牌片通常有留白同音樂位，實際 150 至 200 字符已經夠。港嘢免費方案開戶送 2,000 字符（一次性），即係大約 8 分鐘旁白，試十幾稿都綽綽有餘。

免費方案夠唔夠做一條完整品牌片？

夠試稿同成品，睇你點用。5,000 字符大約等於 21 分鐘語音，一條 60 秒片嘅旁白只係 240 字符左右，即係可以出廿次唔同版本慢慢揀。如果要批量生產，批量功能係入門或以上方案專屬（入門／專業／工作室），每次最多 25 個 request。

係咪每個鏡頭都要做對嘴？

唔係。只有正面見到人物講嘢嘅鏡頭先需要對嘴；產品特寫、環境空鏡、航拍呢啲，旁白直接鋪上去就得。五個鏡頭入面，通常得人物互動嗰個要做，慳返唔少工序。

可唔可以 clone 老細把聲做旁白？

技術上可以，clone 模式用參考音頻就得。但係合規上一定要取得本人明確同意，仲要喺成品標示 AI 生成。如果老細把聲係品牌資產，仲要諗埋授權範圍同日後點管理。

AI 品牌片出街使唔使標示？

應該要。香港嘅生成式 AI 指引強調透明，平台亦可能自動加 C2PA 或者 SynthID 水印。主動標示唔單止係合規，仲係品牌誠信嘅一部分，觀眾反而會欣賞你夠坦白。

[!CTA]

開聲試吓：你嘅第一句粵語旁白

而家去港嘢 playground，貼一句品牌 slogan，即刻聽到廣東話效果。免費開戶禮 2,000 字符（一次性），夠你試到啱為止。

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）