目錄（19 節）
YouTube 粵語配音專案拆解：十集頻道由稿到出街全流程
用十集教學頻道嘅示範情境，逐階段拆解 YouTube 粵語配音：口語化稿本、聲線揀選、修稿循環、SRT 字幕、後期上架，連字符用量同成本折算都計好俾你。
一句答你： 一條 YouTube 粵語配音片嘅完整流程係：口語化稿本（每分鐘約 240 字符）→ 揀定聲線 → 生成同修稿循環 → SRT 字幕同步輸出 → 後期對齊上架；本文用一個十集教學頻道嘅示範情境逐階段拆解，連成本時間都幫你計好，直接代入自己項目就得。
Key Takeaways
- 稿本係成條片嘅地基：口語化、分段清楚，每分鐘約 240 字符好易估算。
- 聲線揀定先開工：兩三把入圍聲線用真實文本試生成，唔好齋聽試聽樣本。
- 修稿循環係常態：錯音多數改文本就解決，唔使同引擎硬碰。
- SRT 字幕同聲一齊出，剪片同上架效率大幅提升。
- 十集八分鐘系列約 19,200 字符，一個入門方案嘅月度額度已經全面覆蓋。
想喺 YouTube 出粵語內容，配音係最花時間嘅一環：稿寫好，仲要搵聲、錄音、修音、對字幕。用 AI 粵語配音，成條 pipeline 可以大幅簡化。呢篇文用一個示範情境——一個十集嘅廣東話教學頻道——逐階段拆解成個專案點做，由稿到上架，連成本都計埋俾你睇。無論你係啱啱起動嘅一人頻道，定係想將現有人手配音流程轉型，呢套拆解都照用得。先聲明：呢個係示範性質嘅情境設定，唔係客戶個案，所有數字都係俾你代入自己項目用嘅參考架構。YouTube 廣東話配音嘅整體圖像，可以配埋YouTube 廣東話配音：用 AI 旁白製片全流程一齊睇。
專案設定：示範情境
個情境係咁的：一個粵語教學頻道，計劃出十集系列片，每集大約八分鐘旁白，一星期出一集。團隊得兩個人——一個負責寫稿同內容，一個負責剪接同上架。目標係成條配音流程用 AI 行，由稿到出片唔使出外搵配音員。
點解揀教學頻道做示範？因為佢係最容易標準化嘅片型：每集結構相近、術語固定、產量穩定，AI 配音嘅規模化效益喺呢種片型最易浮現。你嘅項目可能係十集，可能係三十集，可能每集五分鐘，方法完全一樣，數字自己換算就得。
第一階段：稿本準備
稿本係成條片嘅地基，AI 配音嘅質素上限，好多時喺貼稿嗰一刻已經決定咗。
先講長度估算：粵語旁白大約每分鐘 240 字符，八分鐘一集，即係每集稿本大約 1,900 幾字符。呢條換算數好有用：寫稿嗰陣已經知道自己寫緊幾長，唔會寫超或者寫短。
再講寫法：YouTube 粵語觀眾聽嘅係口語，稿本要口語化——「進行」變「做」、「因此」變「所以」，句尾適當加語氣詞。但語氣詞唔可以亂加，每句都「㗎」「喎」會好煩噪，一集加幾個位點到即止。旁白稿嘅完整寫法，TTS 旁白稿點寫？10 個技巧令 AI 配音更專業自然有現成清單可以跟。
術語表：教學片嘅一個隱藏利器。開頭開一個術語表，列晒系列會用嘅專有名詞、中英對照、首選寫法，成個系列嘅稿本統一跟表寫。好處有二：稿本之間用語一致，觀眾唔會混亂；聲線表現都一致性高好多，因為同樣寫法讀出嚟嘅效果係可預期嘅。
分段：稿本按段落分開，一段一個意思，每段大約幾十字符至百幾字符。好處有兩個：生成嗰陣可以逐段處理，出咗問題唔使成集重做；剪接嗰陣亦容易對位。
標點同數字：想停頓嘅位用標點控制，問句就寫問號——標點係你指揮節奏嘅指揮棒。日期、金額、年份呢啲數字串，寫得密嘅位加返逗號分開，讀出嚟先唔會趕。
第二階段：聲線揀選
教學內容嘅聲線要求同廣告唔同：要耐聽、清晰、語速穩定，因為觀眾會連續聽幾分鐘。流程係咁：
- 由聲線圖庫揀兩三把入圍——教學片通常一把親切清晰嘅主聲就夠，唔使花多。
- 每把入圍聲線用真實稿本試生成一段，唔好淨係聽平台嘅示範——示範句同你嘅教學稿可以好唔同。
- 全組（得兩個人就兩個）閉眼聽，揀一把最好耐聽嘅，另一把留做備用。
備用聲線唔係裝飾：萬一主聲喺某類內容表現唔理想（例如大量術語嘅一集），或者第日想開新系列，備用聲線已經試過真實文本，唔使由零揀過。揀聲線嗰日，順手將入圍聲線嘅試聽連結存低，日後開新系列或者同拍檔討論嗰陣有得翻查。揀聲線嘅完整方法，廣東話 TTS 聲線點揀？由零開始嘅四個維度實戰指南有四個維度嘅系統評估。揀定之後成個系列用同一把聲——系列片最忌每集唔同聲，觀眾嘅熟悉感會斷。
第三階段：生成同修稿循環
第一集先做一個完整循環，行順先開量產：
生成：將第一集稿本貼入生成，八分鐘嘅內容一次過出得。第一次聽，重點聽三樣嘢：多音字有冇讀錯、斷句自唔自然、語速會唔會唔均勻。長內容唔使逐秒聽，抽頭、中、尾三段細聽，中間快掃，已經捉到絕大部分問題。
修稿：發現問題，九成可以用改稿解決——多音字換個寫法或者加個語境字、讀得太快嘅位加個逗號、想停頓嘅位補個標點。整體語速偏快，通常係稿本句子太長太密，拆短句、加標點就會緩和；偏慢就反過嚟減停頓位。例如專有名詞讀音唔理想，可以改用近音寫法試。改完再生成，通常一兩個循環就收貨。
記錄：每個問題同解法記入一份「系列使用手冊」，格式好簡單：原本點寫、讀成點、改成點、結果點。之後九集就唔使再撞同樣嘢——呢份手冊係成個專案最有價值嘅產出之一。
由第二集開始，模式已經定型：貼稿、生成、抽查、微調，重複度極高，後面每集會越做越快。
第四階段：字幕製作
YouTube 片冇字幕，觸及同觀看體驗都打折扣。港嘢生成語音可以同時出 SRT 字幕檔，聲同字幕一次過有，唔使逐句對時間軸——呢步慳到嘅時間非常可觀。流程：
- 生成嗰陣一併攞 SRT 檔（做法詳見TTS 加 SRT 字幕：一條 pipeline 出聲又出字幕）。
- 快速校對一次：字幕文本同稿本應該一致，主要檢查生成嗰陣有冇改過文本令兩邊唔對齊。
- 剪接嗰陣將 SRT 直接入片，或者上傳做 YouTube 字幕軌。
字幕文本校對有一個位要留意：如果修稿循環入面改過文本，記得用最終版文本出字幕，唔好出新舊夾雜嘅版本。校對嗰陣順手睇埋斷句——字幕一行太長，觀眾追唔切，可以按語意斷開兩行。
第五階段：後期同上架
剪接嗰陣，音畫對齊係主要工作：旁白段落同畫面對位，字幕逐段核對。剪好之後上架前過一次清單：標題、描述、封面、字幕軌、片尾畫面，逐項打剔。描述同標題建議用返口語粵語關鍵詞，方便粵語受眾搜到；每集格式統一，頻道感先出得嚟。出片時間都建議固定——例如逢星期五晚上，觀眾嘅收看習慣係養出嚟嘅。整條影片製作流程由稿到出街嘅完整版圖，可以睇廣東話影片字幕配音 Workflow 完整教學。
成本拆解：示範情境計條數
用返上面嘅情境數字，成本好易計：
| 項目 | 數字 |
|---|---|
| 每集旁白 | 8 分鐘 × 240 字符 ≈ 1,920 字符 |
| 十集合共 | 約 19,200 字符 |
| 免費試做 | 每月 5,000 字符（約 21 分鐘），夠完整試做第一集 |
| 十集所需方案 | 入門月費 HK$128、每個帳單週期 200,000 字符——十集用量只佔約一成 |
| 十分鐘旁白折算 | 約 2,400 字符，入門方案折算約 HK$1.54；八分鐘一集按比例再低 |
點解要計呢條數？因為好多創作者以為 AI 配音好貴，計完先知：對固定產量嘅頻道，配音字符成本喺成條片成本入面係好細嘅一份，真正貴嘅係你嘅時間——而 AI 化正正係慳時間嗰部分。用剩嘅配額仲可以斗膽試其他片型：片頭片尾短句、社群短片旁白，都喺同一份額度入面。如果頻道有拍檔或者外判剪接，呢條數仲可以攞嚟同外判配音嘅報價直接對比——同一口徑先比得準。用量再大（例如日更頻道），就按同一條換算數升級方案；收費結構嘅完整拆解，睇廣東話 TTS 價錢點計？2026 收費結構拆解。
一星期製作節奏建議
一星期一集嘅話，節奏可以咁排：
| 日子 | 工作 |
|---|---|
| 星期一至二 | 寫稿、口語化修訂、長度檢查（約 1,900 字符） |
| 星期三 | 生成、抽查、修稿微調、出 SRT |
| 星期四 | 剪接、音畫對齊、字幕核對 |
| 星期五 | 封面、標題描述、上架、排程 |
呢個節奏嘅好處係工作量平均，唔會堆到一日爆機；而且星期三先生成，萬一稿本要大改，都有時間緩衝。產量翻倍嘅話，同一個節奏行兩條線，或者將星期一二嘅寫稿日改成雙稿並行。頭幾季行得順之後，可以按實際收視數據微調日子分配，但「寫稿先行、生成居中、上架收尾」嘅次序唔變。
常見坑同避法
- 唔做完整第一集循環就開量產：問題清單未建立就衝量，之後每集都要重新撞——第一集慢係投資，唔係延誤。
- 稿太書面：口語稿先係粵語 YouTube 嘅語言，書面稿讀出嚟點都隔一層——寫稿嗰陣讀出聲檢查。
- 語氣詞亂加：句句「㗎」「喎」會好嘈，語氣詞係調味唔係主菜。
- 數字串冇處理：日期、金額、年份寫得太密，容易讀得急或者含糊，稿度加標點或者分開寫。
- 字幕冇校對：修稿循環改過文本之後，字幕一定要用最終版重出，唔好新聲舊字。
- 背景音樂蓋過旁白：教學片旁白係主角，背景樂音量要壓低，出街前用普通電話喇叭聽一次驗證。
- 每集換聲：系列片聲線由頭到尾一把，觀眾熟悉感係資產。
呢啲坑有個共通點：全部係流程紀律問題，唔係工具問題——一份系列使用手冊加一張出街清單，就已經避得八八九九。
常見問題 FAQ
八分鐘一集，生成要幾耐？
用一般方案生成八分鐘旁白（約 1,900 字符），實際等待時間視乎文本長度同當時用量，通常係秒級到十秒級。真正花時間嘅係前後嘅稿本準備同抽查，唔係生成本身。
一集稿本要修幾多次先收貨？
有系統嘅話通常一兩個循環：第一次生成聽晒，記低問題，一次過修稿，第二次生成抽查。第一集會慢啲，因為問題清單未建立；第二集開始照手冊行，快好多。
聲線可以中途換嗎？
技術上隨時可以，但系列片強烈唔建議——觀眾對聲音嘅熟悉感係頻道資產。真係要換，最好喺新一季或者新系列先換，並且喺開頭幾集留意觀眾反應。
SRT 字幕同自己逐句打有咩分別？
SRT 係由生成引擎直接按語音輸出，時間軸天然對齊，慳走逐句聽打同對時間嘅工序；你需要做嘅只剩文本校對。自己做字幕最大嘅成本就係時間軸對位，呢部分 SRT 直接幫你做咗。
免費額度真係夠試做一集？
夠。每月 5,000 字符，以每分鐘約 240 字符計，約21 分鐘語音——啱啱好係示範情境一集嘅長度。攞第一集稿本完整行一次流程，就知道成條 pipeline 啱唔啱自己。
旁白會唔會同背景音樂唔夾？
會唔夾多數係混音問題唔係配音問題：旁白先出，音樂墊底，音量拉低幾個階。出街前用普通電話喇叭聽一次——大部分觀眾係用手機聽片嘅，嗰個先係真實聆聽環境。
十集之後開新系列，流程要重頭嚟嗎？
唔使。聲線、使用手冊、稿本範本、出街清單全部沿用，新系列要重做嘅只係內容本身。如果新系列片型唔同（例如由教學變故事型），聲線同語氣可能要重新評一次，但評估方法同今次一樣，成本好細。
片量再大（例如日更），同一套流程行得通嗎？
行得通，而且效益更大：日更頻道最需要嘅係流程標準化——稿本範本、聲線固定、修稿手冊、SRT 直出，全部係規模化嘅基礎。用量升到入門方案唔夠，就按換算數升上專業方案，方法不變。
[!CTA]
用第一集稿本，即刻開波
喺港嘢 Playground 開戶即有每月 5,000 字符免費額度（約 21 分鐘語音），夠你完整試做第一集，今個星期就出片。