有件關於 AI 影片的事幾乎沒人告訴你:畫面只是一半。
你可以生成一條打光完美、電影感十足的 8 秒片段——但如果它播放時一片死寂,看起來還是像個技術 demo。聲音才是讓大腦相信「這個動態畫面是真的」的關鍵。碎石上的腳步聲、房間的空氣感、一句剛好落在對的幀上的對白——這就是「AI 片段」和「電影裡的一個鏡頭」之間的差距。
大多數 AI 影片生成器無視這一點。它們丟給你一個無聲的 MP4,剩下找免版稅音樂、加音效、在剪輯軟體裡對齊的活兒全留給你。Seedance 2.0 把聲音和畫面一次生成,而且已經和動作同步。 這改變了你寫提示詞的方式——本文就是教你把這件事做好。
為什麼原生音訊勝過「後期配樂」
舊流程是這樣:生成影片 → 匯出 → 打開剪輯軟體 → 找一首配樂 → 疊音效 → 一點點挪到對齊為止。能用,但慢,而且同步永遠不夠完美,因為音訊根本「不知道」畫面在演什麼。
原生生成把這套邏輯顛倒過來。因為 Seedance 2.0 是同一個模型、同一時間產出聲音和畫面:
- 音效落在對的幀上。 腳落地的瞬間才響起腳步聲,而不是慢了 4 幀。
- 環境音貼合場景。 雨巷「聽起來」就是濕的,教堂有殘響。這些不用你選——模型從畫面和你的提示詞裡推斷出來。
- 一次出片。 第一版不用來回過剪輯軟體,出來就能看。
你不再是音訊剪輯師了。你是給聲音筆記的導演。只要你知道該要什麼,這活兒小得多、也快得多。
影片聲音的三個層次
每一條好的聲軌——無論在好萊塢還是在 Seedance 裡——都由三個層次構成。給它們命名是寫音訊提示詞最有用的一招,因為它能阻止你寫出「加點酷炫的聲音」這種空話。
| 層次 | 是什麼 | 例子 |
|---|---|---|
| 環境音(Ambience) | 環境裡持續的底噪 | 房間空氣感、風、車流嗡鳴、雨、海浪、森林 |
| 音效 / Foley | 綁定動作的具體事件聲 | 腳步、開門、放下杯子、引擎發動、拔劍 |
| 人聲 / 配樂 | 刻意的前景音訊 | 一句對白、人群歡呼、音樂 cue、心跳 |
寫聲音提示詞時,照著這份清單走。先環境音(永遠存在),再音效(綁定正在動的東西),最後才是配樂或人聲(只在場景需要時加)。要刻意地略過某一層,而不是漏掉。
怎麼寫音訊提示詞
Seedance 2.0 把你的完整提示詞——畫面和音訊——當作一條指令來讀。最乾淨的寫法是先描述鏡頭,然後在結尾加一句簡短明確的音訊指令。
模板:
[你平常的畫面 + 運鏡提示詞]。Audio:[環境音],[綁定動作的音效],[配樂或人聲,如果有]。
例子:
一名獨行的登山者在破曉時分抵達霧氣繚繞的山脊,望向山谷。緩慢推近。Audio:山脊上低沉的風聲,遠處的鳥鳴,她向前邁步時靴子下碎石的輕響。無配樂。
注意這句音訊指令做了什麼:它設定了環境音(風、鳥),音效(腳下碎石,與她的步伐同步),並明確排除了配樂。三個決定,一句話。
讓音訊提示詞生效的五條規則
1. 永遠指明環境音。 連「安靜」也是一種選擇——寫「近乎無聲,微弱的房間空氣感」,別留白。留白等於讓模型猜,而它常常猜成配樂。
2. 把音效綁到看得見的動作上。 「腳步聲」太弱。「他走向鏡頭時濕地上的腳步聲」才強——現在模型知道是什麼聲音、在什麼時候響。
3. 明確決定要不要配樂——通常是不要。 對於短的、寫實的鏡頭,「無配樂」幾乎總是更有電影感。只在片段是混剪、預告或氛圍片時才加配樂 cue。
4. 一兩個聲音就好,別堆十個。 6 秒的片段撐不起一整套混音。挑兩個能賣場景的聲音,其餘交給模型補。
5. 讓聲音匹配鏡頭距離。 大遠景的航拍要遠而柔的聲音;微距特寫要親密、有細節的聲音(倒飲料的滋滋聲、快門的喀噠聲)。告訴它是哪一種。
各場景音訊提示詞模板
抄走,換主體,出片。
自然 / 風景
Audio:層次豐富的自然環境音——[風 / 流水 / 鳥 / 蟲鳴],無人聲,無配樂。寧靜而沉浸。
城市 / 街頭
Audio:城市環境音——遠處車流、隱約的交談聲、街道的嗡鳴。[具體音效:一輛車駛過、一扇門、腳步聲]。無配樂。
產品特寫
Audio:安靜、親密的房間空氣感。[產品的標誌性聲音:扣件的咔嗒聲、液體傾倒聲、輕柔的機械聲]。無配樂,或一層極輕的氛圍墊底音。
對白 / 人物
Audio:安靜的室內,輕微房間空氣感。她平靜地說:「[你的台詞]」。台詞下方無配樂。
動作 / 戲劇
Audio:底下醞釀著緊張的低頻轟鳴。[與動作同步的衝擊音效:猛擊、呼嘯、引擎轟鳴]。在最後一拍加一段短促上揚的音樂重音。
溫馨 / 生活方式(ASMR 風)
Audio:溫暖、貼近、有細節。[爐火劈啪 / 雨打窗 / 倒咖啡 / 翻書頁]。無配樂——讓這些質感自己撐起來。
三個實戰範例
1. 雨窗邊的咖啡
提示詞:
一杯冒著熱氣的咖啡放在窗邊的木桌上,窗上佈滿雨痕,柔和的午後光線。固定鏡頭,熱氣緩緩升起。Audio:雨點持續打在玻璃上,微弱溫暖的房間空氣感,湯匙放回碟子上的輕響。無配樂。
為什麼有效: 一個環境音(雨),一個音效(湯匙),沒有配樂。它會像一個溫馨的 lo-fi 循環,卻一個背景音符都沒有。
2. 產品揭幕
提示詞:
一只機械錶躺在黑色絲絨上,單一聚光燈,緩慢的 4 秒環繞、結束在起點(可循環)。Audio:近乎無聲,深沉的房間空氣感,機芯細膩的滴答聲,光線掠過錶殼時一聲柔和的金屬反光音。無配樂。
為什麼有效: 那聲滴答就是賣點。原生音訊把它放在寂靜的正中央,而後期的配樂墊底音只會把它埋掉。
3. 科幻預告
提示詞:
一名穿著破舊太空衣的年輕飛行員站在紅色沙漠平原上,兩顆衛星正升起。緩慢推軌,塵土飄動。Audio:低沉荒涼的風聲,細沙在地面上嘶嘶掠過,鏡頭底下湧起一層深沉的次低頻轟鳴,最後一幀一聲上揚的合成器音。
為什麼有效: 這條需要配樂。風和沙是環境音與音效;轟鳴和合成器音是刻意的配樂 cue,放在最後一拍做預告式收尾。
常見錯誤(及修法)
「它加了我不想要的配樂。」 → 你沒指明配樂。在提示詞結尾加上 「No music.(無配樂)」。這是音訊提示詞裡最有威力的兩個字。
「聲音感覺很普通。」 → 你寫的是類別(「城市聲」)而不是事件(「一輛車從左到右駛過,遠處一聲警笛」)。具體永遠勝過籠統。
「對白聽起來怪怪的。」 → 台詞保持簡短(一句),說明演繹方式(「平靜地」「低語」「在噪音中喊」),並用「台詞下方無配樂」移除競爭的聲音。
「整體太吵 / 太亂。」 → 你疊了太多層。砍到兩個聲音。寂靜是一種工具——70% 安靜、30% 一個完美聲音的片段,看起來就很貴。
「同步差了一點。」 → 在同一句裡把聲音綁到一個具體、看得見的動作上,讓模型錨定到那個動作(「門關上時砰地一聲」,而不只是「一聲關門」)。
速查表
| 目標 | 在提示詞裡加這個 |
|---|---|
| 寫實、電影感 | 指明環境音 + 一個音效,然後 「No music.」 |
| 溫馨 / ASMR 循環 | 貼近、有細節的質感,無配樂 |
| 預告 / 造勢 | 環境音 + 音效 + 最後一拍上揚的音樂重音 |
| 產品主視覺 | 近乎無聲 + 產品的標誌性聲音 |
| 人物時刻 | 輕微房間空氣感 + 一句簡短台詞 + 台詞下方無配樂 |
結語
聲音是你能給 AI 影片做的最快、最便宜的升級——而用 Seedance 2.0,它只多花你一句話。別再像個到處找音軌的剪輯師那樣想,開始像個給筆記的導演那樣想:指明環境音,把音效釘在動作上,刻意地決定要不要配樂。
腦子裡已經有畫面了嗎?到 Seedance 2.0 開著聲音生成它 →,聽聽差別。
