Hunyuan Video-Foley 商品擬音：材質聲音與 ASMR 提示詞

把接觸聲、材質細節和房間空氣分開想

分三層想。主要接觸：蓋子碰到桌面。材質細節：陶瓷釉面那一點清脆、在木頭上短短一擦。空氣：幾乎安靜的廚房，冰箱在很遠的地方嗡嗡響。三層分開寫，試聽時就知道是哪一層出問題。空氣這層別省略，少了它，兩次接觸之間的安靜會變成數位的真空，耳朵比眼睛更早發現。

亞麻洋裝也是一樣：接觸是腳步，材質是走路時布料摩擦，空氣是回音很少的攝影棚。不需要更多了。腳步也要看鞋：球鞋在木地板上會有一點吱聲，皮鞋是清楚的喀喀聲，赤腳幾乎沒有聲音。每多加一個聲音，就多一個要落在正確格數上的事件；商品片通常只有一個聲音在扛。

也寫出不要的聲音：「沒有音樂、沒有人聲、沒有金屬撞擊」。皮包不需要像一串鑰匙那樣叮噹響，面霜罐也不需要水花。寫了之後還是要聽一遍，寫了不代表它一定不會出現。不要的聲音列兩三個最可能出現的就好，列一長串反而讓描述失焦。

商品本身不出聲的話，例如面霜、香水、一件摺好的衣服，擬音就靠動作：開蓋、按壓噴頭、手撫平布料。挑最看得清楚那個動作的鏡頭，其餘交給配樂。如果片子只是商品在轉台上慢慢轉，沒有手、沒有接觸，擬音就沒有事可做，硬加只會多出雜音。

寫麥克風收得到的聲音，不寫型錄上的形容詞

用有聲音的動詞：叮、擦、沙沙、喀、拖、滴。「陶瓷蓋慢慢放到木質檯面上，安靜的廚房」給了模型材料、動作和空間；「高級奢華的產品廣告」三樣都沒有，麥克風錄不到奢華。

像擬音師一樣把材質分細。棉和亞麻的聲音跟尼龍不同；金屬拉鍊和塑膠拉鍊不同；上釉陶瓷是清脆的叮，霧面粗陶是悶悶的碰。表面也算：同一個杯子放在木頭上和大理石上，聲音差很多。不確定自己的商品是什麼聲音，就拿起來在手機旁邊碰一碰、聽一聽再寫。

一支片只放一個場景。Hunyuan 對一鏡到底的畫面對得比較準，所以二十五秒、五個鏡頭的廣告，不要整支丟進去。只替最關鍵的那個鏡頭做擬音，也就是商品被碰到的那一鏡，其餘部分用配樂。花一次生成而不是五次，細節也出現在真正重要的地方。

描述照聽到的順序寫：先接觸，再材質，最後空氣。兩三句短句就夠。寫成一整段、把畫面裡每樣東西都列出來，等於邀請沒人碰的東西也發出聲音。例如一個拉鍊化妝包：「金屬拉鍊慢慢拉開，尼龍輕擦，安靜房間」，到此為止。片子裡有兩個看得到的動作，像是拉開拉鍊、再拿出口紅，就寫兩句，照發生的順序。

檢查接觸的那一格，而不是整條音軌

先閉上眼睛聽，判斷聽不聽得出材質。再把片子放進剪輯軟體，一格一格推到接觸的那一幀，看波形。峰值要在那一格，或晚一格。以每秒 24 到 30 格來算，一格只有三四十毫秒，差一兩格聽起來仍然自然，再多就開始像對嘴沒對上。比畫面早，這一版就不能用：聲音搶在畫面前面，看起來就像後配的，再好聽也一樣。

舉一個假設的完整例子。你賣手作粗陶杯，有一支 6 秒的片：一隻手把杯子放到橡木桌上，再輕輕拖一下。描述寫「霧面粗陶杯放到橡木桌上，短而悶的一聲，接著短短一拖，安靜廚房，沒有音樂」。生成後閉眼聽：像粗陶還是像玻璃？再看峰值有沒有落在放下的那一格，最後用手機聽。悶聲在手機上不見的話，撐起聲音的會是那一下拖，所以它要清楚。

不要靠整條平移來修。第一下早了三格，你往後推三格，第二下就晚了三格。重新生成，或把片子剪到只剩做對的那次接觸。這頁的樣片是一杯手沖咖啡，水聲和場景聲由 Hunyuan 生成：先聽水聲和接觸聲，再看它們有沒有跟畫面對上。

最後做兩個測試。用手機喇叭聽，確認接觸聲還聽得出來，低沉的碰撞在手機上很容易消失。片子如果要在商品頁循環播放，結尾要和開頭一樣安靜，接縫才不會每一圈都被聽出來。匯出之後，在手機上全螢幕再看一次，那最接近客人看到的樣子。

需要音樂就另外用 ElevenLabs Music 或 MiniMax Music 2.5 生成，在剪輯軟體裡混，接觸那幾秒讓音樂退到擬音下面。生成前看一下所選模型和片長的報價：剪到只剩動作的短片，比整個鏡頭便宜，也對得更準。

提示詞與文案示例

小陶瓷罐的上釉蓋子被拿起，再輕輕放回木頭桌面：一聲短促的叮、一下輕擦，安靜的廚房。沒有音樂和人聲。

一位成年人走過回音很少的攝影棚，亞麻袖子擦過棉質托特包，腳步輕踩木地板。沒有說話、沒有音樂、沒有金屬聲。

資料來源與模型目錄

• Tencent: HunyuanVideo-Foley