Kling 影片配聲：ASMR 開箱與無聲商品影片補音

圍繞一個動作剪片

片子超過 20 秒，工作室會直接提示最長秒數；短於 3 秒也不行。但限制不是重點，重點是畫面裡有一個清楚的動作。一隻手把盒子裡的薄紙掀開，比五個商品每秒一切的混剪更容易對上聲音。第一次接觸前留半秒，聲音才不會硬生生開始。片子有 25 秒的話，剪到只剩那個動作，不要用加速來湊；加速會改變動作，倒兩倍速的水就不像倒水了。

上傳前先關聲音看一遍，把時間點記下來：0:01 手碰到紙、0:02 盒蓋分開、0:04 瓶子放到桌上。這張清單就是你的驗收表，有它在旁邊，檢查一版只要一分鐘。畫面裡瓶蓋根本沒打開，就別期待一聲可信的開蓋聲；模型只能對齊看得到的動作，沒有動作的聲音反而會穿幫。

第一次生成，描述欄留空。Kling 可以只看畫面就配聲，這一版會告訴你它看懂了什麼。接著只補寫它漏掉或聽錯的部分；第一版已經有紙聲和玻璃聲，就不用再寫一次。描述寫得越長，越可能多出畫面裡沒有的聲音。

如果片子本身是 AI 生成的，也要看動作合不合理。手沒轉，瓶蓋卻開了；瓶子還沒傾斜，水已經流出來。這種畫面會讓配聲模型跟觀眾一樣困惑。有時候，最好的音效修正，是換一版影片。

ASMR 模式要寫材料、動作和麥克風距離

Blurbly 上 Kling 的 ASMR 模式，追求的是貼近、清脆、戴耳機聽得到的質感。描述裡寫出具體材料比較有用：薄棉紙、牛皮紙、瓦楞紙箱、厚玻璃、旋轉塑膠蓋。「高級感」「爆款」對它沒有意義；「乾燥的薄紙在麥克風旁邊沙沙響」才有。不確定盒子裡是哪種紙，就先摸一摸：薄棉紙是沙沙聲，牛皮紙比較脆，瓦楞紙敲起來是空的。

距離改變結果的程度，不輸材料。「麥克風離手一個手掌」會帶出摩擦和細節；「麥克風在桌子另一頭」會帶出房間的空氣。精華液瓶，近一點；球鞋從盒子拿出來放到地上，遠一點，不然鞋底落地會變成一聲和鞋子大小不符的巨響。

同一支片，開和關 ASMR 模式各生成一次，不要動影片本身。這頁的樣片是一杯氣泡飲倒在冰塊上，氣泡、冰塊和音樂都是生成的。打開聲音，留意三個時刻：第一道水柱、冰塊碰撞、氣泡冒出來。你自己的測試也是看這個，每個聲音都要跟著它的動作出現。

有一聲比畫面早到，就整版重來，不要把整條音軌往後挪。提早的聲音最容易讓人察覺是後配的，因為現實裡聲音不會跑在畫面前面。晚一兩格大家不會在意，早一格就會。

賣的是觸感，音樂就退到後面

Kling 有一個獨立的配樂風格欄。做 ASMR 開箱時，先空著，只聽場景聲。之後想加音樂，就要小小的，風格欄寫兩三個詞就好，例如「輕柔 lo-fi、音量很低」，然後確認紙聲和瓶蓋聲還聽得到。厚重的低音會剛好蓋掉讓人停下手指的那些細節。

混音一定要用手機喇叭聽，不能只戴耳機。紙張摩擦和玻璃輕碰在高頻，手機放得出來；重盒子落在桌上的悶響在低頻，手機上幾乎消失。如果你這支片最關鍵的聲音是低沉的，就換一個關鍵動作，或接受它在手機上聽不太到。試聽時把手機放在桌上、離你一個手臂遠，這大概就是多數人滑手機時的距離。

Kling 不會念稿。優惠需要解釋時，加字幕，或用 ElevenLabs v3、MiniMax Speech 2.6 HD 另外做旁白，說話時把 Kling 的音軌壓低大約 10 到 12 dB，讓紙聲還在，又不跟人聲打架。開箱片疊上旁白會少掉一些味道，很多時候畫面字卡比旁白更合適。

工作室會在生成前顯示積分報價。片子短、只有一個動作，試錯花得少，也比較快知道哪個方向可行。某個描述在一個商品上聽起來對了，同一系列的其他片子就沿用，只換材料。舉一個假設的例子：你賣手工香皂，有一支 8 秒的片，手撕開牛皮紙包裝、拿起香皂、放到木皂盤上。第一版描述留空、ASMR 關；第二版寫「牛皮紙撕開的脆聲、香皂放到木皂盤上一聲輕碰、安靜浴室」，ASMR 開。兩版都拿清單上的三個時間點對照，哪一版每個聲音都準時到就用哪一版，跟哪一版比較好聽無關。

什麼時候我會改用別的模型：片子超過 20 秒又不想剪，Hunyuan Video-Foley 和 MMAudio 都接受到 30 秒；一大批商品頁循環短片要配環境聲，MMAudio 是為大量、低成本設計的選項。Kling 我留給聲音本身就是主角、ASMR 模式派得上用場的那支片。

提示詞與文案示例

近距離開箱：乾燥薄紙沙沙作響，紙盒蓋慢慢滑開，玻璃瓶輕放在木桌上。麥克風離手一個手掌，安靜房間，沒有說話聲。

玻璃瓶開蓋，把氣泡水倒在冰塊上：清楚的水柱、冰塊輕碰、細密氣泡。配樂風格：輕柔 lo-fi，音量很低。

資料來源與模型目錄

• Blurbly: Kling Video-to-Audio catalog