部落格

短影音 AI 配音:哪種聲音留得住人
聲音是你選一次、之後要跟著它做一百支影片的製作決定。值得花二十分鐘好好想一想。

AutoShort 編輯團隊
短影音指南
2026年8月9日 · 1 分鐘閱讀

大多數人挑聲音的方式,是聽五個範例,選單獨聽起來最像真人的那個。這是錯誤的測試方式,因為沒有人會單獨聽到你的聲音——他們是在畫面之上、字幕之下、快節奏地、從手機喇叭、在吵雜的房間裡聽到它的。
真正重要的是什麼
語速。短影音旁白的理想語速是每秒 2.0 到 2.4 個英文單字。太慢聽起來像紀錄片,會流失觀眾;太快從手機喇叭聽起來會含糊不清。
音高穩定。為了強調而大幅起伏的聲音,聽一句很驚豔,聽一分鐘就很累。
子音清晰度。在手機喇叭上,中頻的清晰度每次都勝過溫暖感。戴耳機聽起來很迷人的聲音,在大多數人實際使用的音量下可能糊成一團。
一致性。不管你選哪一個,都不要換。頻道首先是一個聲音,然後才是其他一切。

口音的問題
配合你的觀眾,而不是你的喜好。如果你的觀眾大多是美國人,美式口音的測試結果就會比較好,不管你個人喜歡聽什麼。這不是在評論口音,而是關於熟悉度:大腦要花零點幾秒去辨識不熟悉的口音,而在短影音的第一秒,你連這點時間都給不起。
第一句話
旁白的第一句,是大多數觀眾唯一會聽到的一句。把它寫成即使沒有後面任何一句也能成立——不要「在這支影片裡」,不要清喉嚨,不要鋪陳。從有趣的地方開始,之後再解釋。

會拉低留存率的錯誤
- 開頭有空白。半秒的安靜就等於被滑走。
- 旁白跑得比畫面快。如果聲音已經往下講了、畫面卻還沒換,影片就會讓人覺得卡卡的,即使沒人說得出原因。
- 一字不差地把字幕唸出來。寫的和說的之間有些微差異,兩者才都值得注意。
- 音樂比人聲大聲。音樂永遠墊在底下。
不靠猜的測試
用兩種聲音做同一支影片,相隔一週各發一次。要比較的數字是三秒留存率,而且只有它能告訴你一些東西。其他一切都只是意見,包括這篇文章。
ai voiceoverttsvoice selectionretention2026


