如何用 AI 製作口播影片(低成本工作流)

口播影片製作 — 本指南以實用步驟、範例及可立即使用的工作流程來解釋主題。

有談話的影片並不需要任何人在鏡頭前。AI 語音加上現有的視覺圖和字幕，讓你在一台筆電上就能製作出可發布的影片——剩下的主要成本就是你的時間。本指南首先分析三種方法——鏡頭前主持人、AI 配音和 AI 虛擬化身——接著帶你走過一個五步驟的工作流程，附有劇本範本和可直接複製的出版規格。

三種方法：先計算數字

各人適合誰：

1. 鏡頭前主持人：建立個人品牌或信任驅動的內容（評論、第一手經驗）。面對鏡頭的信任是無可取代的。
2. AI 配音 + 視覺效果：那些不想露面、想大量測試主題的人。它涵蓋教學、總結和解說式內容——這也是本指南的重點。
3. AI 虛擬化身： 需要固定「主機」身份且經常發文的帳號。生產流程漫長;剛開始時不建議這麼做。

五步驟 AI 對話頭腦工作流程

1. 寫劇本。 結構：一個鉤子→三個重點→一個行動呼籲。預算長度約為每分鐘 ~140–160 字，因此 60 秒的影片大約只有 140–160 字;如果你超過了，就砍一分——不要急於加快節奏。這個範本在下方有專門的章節。

1. 生成旁白。 把腳本丟進 文字轉語音工具.關鍵不是選擇聲音——而是校對：加入與口語節奏相符的標點符號;預先重寫引擎容易誤讀的資訊（如「read」和「live」等同形異義詞、名稱、數字）變成它無法犯錯的形式;匯出前要完整聽完整首曲子。當 AI 配音出錯時，幾乎總是因為沒有人校對劇本。
2. 把視覺素材組合起來。 對於無攝影機影片來說，視覺效果可分為三種：B-roll、文字卡（螢幕上的關鍵點）以及螢幕錄影（教學）。使用 無臉影片工具 要將視覺效果與劇本段落匹配——每個段落一個視覺點子，且絕不讓單一影像在螢幕上停留20秒。
3. 新增說明文字。 很多人滑手機時會關掉聲音;沒有字幕的訪談影片幾乎不存在。把配音用 自動字幕工具然後逐行檢查——專有名詞和數字是錯誤聚集的地方。三條樣式規則：字體大小足以閱讀，螢幕上不超過兩行，並避開平台介面區域（底部和右側邊緣）。如果你想先產生說明文字再另外做樣式，可以用 影片字幕產生器.
4. 封面與標題。 從完成的影片中挑一格包含真實資訊的畫面，匯出當作封面，然後加上一大行文字。不要讓標題重複封面文字：封面贏得好奇心，標題傳遞資訊。

一個你可以複製的腳本範本

骨架：1個鉤子→3點（每個點先以結論開場，然後以2至3句展開）→1個行動呼籲。

一個範例（~60秒，工具教學風格）：

你不需要學會完整的剪輯系統才能做出一支有對話的影片。（副歌） 首先是劇本：逐字寫出，節奏大約每分鐘140字，並且把你卡住的句子拆開。 接著是旁白：預先重寫 AI 可能誤讀的字，自己標記停頓——不要讓它一口氣就寫完整段。 最後，字幕：很多人用靜音觀看，所以沒有字幕，影片幾乎等於不存在。 三個步驟，你就有東西可以發表了。你卡在哪一步？歡迎在留言區告訴我。（行動呼籲）

換個新主題，這個骨架就能擴展到批次寫作——但這三點必須是你自己篩選過的實質內容。範本控制的是結構，而非品質。

TikTok / 短片 / 短片 發佈規格一覽

以下規格為各平台公布的規則;這些時長是實用建議：

一個 9：16 的匯出可以同時發送到三個平台——不需要分開版本。唯一值得各平台處理的就是封面和書名的寫法。

YouTube 的不真實內容政策：AI 訪談主持人無法跳過這段

自2025年7月起，YouTube的營利政策將「重複內容」改為「不真實內容」——明確針對大量生產、模板化且無人工創意參與的作品;詳情請參考官方頁面。對 AI 訪談影片意味著什麼：AI 撰寫的劇本、AI 旁白、AI 組合的視覺作品，且完全照原樣發佈——這種純粹的產量輸出不太可能通過變現審查。

最重要的是，人類的創意層由你自己掌控：你選擇主題、提供觀點、你做編輯決定——AI 只負責執行。這點別冒險：頻道起飛後失去獲利的成本遠高於一開始就這麼做。本文也未承諾流量或收益——政策與演算法會改變;人類的創意層是你真正能掌控的。

每日發文可持續嗎？

AI 語音頭製作的瓶頸是腳本編寫和校對，而非渲染。可持續的做法是批次處理：在固定日期內寫一週的劇本，一次生成配音和視覺效果，並分散在一週內進行字幕校對。這比每天從零開始製作每支影片穩定得多，也更容易維持品質。與其每天追逐一個更新，不如設定一個你可以連續八週持續更新的節奏。

如果你想深入做旁白風格影片，完整的工作流程就在裡面 如何製作電影回顧影片;關於整個工具鏈如何整合，請參見 AI 影片剪輯說明.

常見問題

AI 配音會不會聽起來很假？

這種機械感主要來自於措辭不當和誤讀詞彙。按照人們實際說話的方式寫劇本，手寫停頓，並預先重寫引擎錯誤的地方——這樣就能去除大部分明顯的線索。資訊型訪談內容的觀眾關注的是資訊本身;他們對聲音的容忍度比你預期的還高。

無臉的對話影片可以變現嗎？

是的，但他們必須通過平台的原創性審查。以 YouTube 為例：2025 年 7 月更新的政策針對的是大量生產的非真實內容，而非「使用 AI 的內容」。如果由人類選擇主題、提供觀點並做出編輯決策，你仍然在規則範圍內。具體條款請參考平台官方頁面——本文不保證任何收益。

一個60秒的劇本應該有多少字？

以每分鐘約140–160字的速度，大約是140–160字。在130字內傳達重點，比起在200字內匆忙推進要好——一旦節奏加快，字幕和觀眾都跟不上。

我需要為三個平台分別製作三個版本嗎？

不。一個 9：16 垂直輸出能跨越這三部曲;需要依平台處理的是封面（框架選擇規則不同）以及標題的撰寫方式。先在各處發布同一支影片，看看哪個平台會採用，然後再針對該平台進行客製化。

使用 Recapo 製作訪談影片的檔案限制是什麼？

直接從瀏覽器上傳——支援 MP4 和 MOV 等常見格式，每個任務最多可儲存 6GB 原始素材。旁白、字幕、直向大小和封面匯出都集中在同一個工作區，所以你不需要在應用程式間來回切換檔案。

這個工作流程的每一步——旁白、字幕、視覺組合與封面匯出——都在 Recapo 的瀏覽器工作區中端對端運行，無需安裝。 建立帳號拿下一支有話的頭像影片的腳本，然後跑一次五步。

參考資料與官方來源

1. YouTube 幫助：揭露被篡改或合成的內容
2. YouTube 頻道變現政策
3. YouTube 推薦的上傳編碼設定