ElevenLabs 商品廣告聲音：配樂、旁白與音效分軌做法

三個模型，三條自己混的音軌

ElevenLabs Music 做純音樂鋪底，可以選 10、30、60 或 120 秒。時長選等於或長於影片的，再剪短，剪掉比拉長容易。v3 負責念稿，可以選音色、語言（或自動偵測），情緒有自然、開心、興奮、平靜、悲傷、生氣、耳語、驚訝。Sound Effects 生成單一音效，最長 22 秒，環境聲可以勾「可循環」。

有一點會影響你怎麼寫稿：在 Blurbly 裡，v3 沒有語速設定，只有 MiniMax Speech 2.6 HD 有。旁白比畫面長的時候，唯一能動的就是文字，所以稿子要先定案，再生成聲音，而不是聽完才開始改。

這頁的三個樣片，是我們為一支護膚廣告生成的：30 秒的輕快純音樂、虛構品牌 Lumora 精華液的旁白，以及一聲汽水開罐。分開聽，再想想它們在十五秒的畫面裡各自該放在哪一秒。

不是每支廣告都要三軌。無聲的商品示範，可能只要音效和商品本身的聲音；創辦人說品牌故事，人聲是主角，音樂幾乎可以不要。如果整支只有音樂，優惠就必須寫在畫面上，因為沒有人會聽到它。

先算一秒念幾個字，再挑聲音

用廣告常見的自然語速，中文大約每秒四到五個字。這只是起點，實際要用你選的聲音計時。十五秒影片，開頭留一秒讓畫面先出來，結尾留兩秒給 logo，旁白大概剩十二秒，也就是五十到六十個字。從英文翻過來的稿子很容易又長又拗口，直接用中文寫，寫完數字數。下面範例的旁白大約五十五個字，就是照這個算法寫的。

寫給耳朵聽：「399 元」寫成「三百九十九元」，「買 1 送 1」寫成「買一送一」，「50ml」寫成「五十毫升」，SPF 這類縮寫寫成你希望它被念出來的樣子。還要注意多音字：「長效」的長、「重複」的重、「音樂」的樂，偶爾會念錯，生成後要逐字聽。

英文品牌名夾在中文句子裡，語言設成「自動偵測」時，聲音可能念到一半換腔調，或把字母一個一個拼出來。把語言固定成中文，先單獨試一句只有品牌名的短句。Lumora 這種音節簡單的名字比較不容易出錯，Fernhollow 就可能念得很怪；真的不行，只在旁白稿裡寫成音譯，字幕保留原名。

口音要對上客人。台北的店和香港的店，客人習慣的腔調不同；客人聽粵語的話，先在工作室的語言清單裡確認有沒有你需要的語言，不要假設。生成後請熟悉當地的人對著影片聽一次，重音放錯的字一聽就知道，看稿子卻看不出來。

情緒選項少用為妙。每句都用「興奮」，精華液廣告會變成電視購物，價格念得太興奮反而像清倉。念數字和條件我用「自然」，要能量就讓音樂在空檔裡給。生成前先用手機碼錶自己念一遍：你自己十二秒念不完，聲音也念不完。

音效落在哪一格，音樂要壓多低

配樂描述寫曲風、速度、樂器和能量，再要求它讓位：「原聲流行，100 bpm，輕撥吉他和鈴鼓，純音樂，不要主旋律」。很好唱的主旋律會和人聲搶同一個頻段，剛好蓋掉價格。沒有主奏的鋪底，墊在旁白下面乾淨得多。

起步可以讓音樂在有人說話時比人聲低大約 15 dB，沒人說話時再拉上來。然後做最重要的測試：手機音量一半、手伸直。手機喇叭幾乎放不出低音，大鼓和貝斯會消失，剩下的音樂直接跟人聲搶。要很專心才聽得出品牌名，就把音樂再壓低，不是把人聲拉高。壓的時候不必整條一起降：人聲進來前半秒開始往下，人聲結束後半秒再回來，聽起來最自然。

音效放在接觸的那一格：瓶蓋分開的那一刻才響，不能提早。拿不準時，晚一兩格比早一格自然，因為現實裡聲音從來不會比畫面先到。描述寫材料和動作，例如「玻璃瓶蓋分開，短促一聲，安靜房間」，生成兩三秒，對齊前先剪掉開頭的空白。房間底噪或雨聲這類要鋪滿整支片的聲音，用 Sound Effects 勾「可循環」生成一段，在剪輯軟體裡重複鋪，比生成一條很長的音效好控制。

用在付費廣告前，記得核對 Blurbly 和供應商當下的商用條款，也不要要求模仿某位歌手或某首歌的配樂。工作室在生成前會顯示每個模型的積分報價；配樂、旁白和音效是三次不同的生成，分開計算。

提示詞與文案示例

配樂：100 bpm 原聲流行，輕撥木吉他、鈴鼓和輕拍手，能量收斂，用於精華液上新。純音樂，不要主旋律，替旁白留空間。

旁白（約五十五字，十五秒用）：Lumora 輕盈精華液，質地像水，咖啡還沒喝完就吸收了。這個禮拜新品上市，全館八折。早上趕時間，也能好好照顧皮膚。Lumora，給每個早上的你。

音效：紙套從玻璃精華瓶上滑下，瓶蓋短促地「喀」一聲打開。近距離收音，安靜房間，約兩秒。

資料來源與模型目錄

• ElevenLabs: Text to Speech
• ElevenLabs: Music