2026 AI 廣告製作全流程：腳本、角色、分鏡、生成、配音到剪輯

這套流程示範的不是「輸入一句話便得到完整廣告」，而是把一條短廣告拆成六個可獨立檢查的工序：先用 Claude 整理概念，再建立角色與場景參考、設計逐鏡關鍵幀、把靜態畫面轉成短片、挑選旁白，最後在 CapCut 對齊畫面、聲音和節奏。來源教學以一段罐裝飲品情境廣告作示範；本文只分析製作方法，不把畫面中的品牌、人物或文案當成本站推薦或真實成效證據。

媒體披露：文章封面是 ImageGen 製作的編輯圖片；內文使用獲授權的真實來源教學截圖與影片片段，所有畫面均裁走來源身份、帳戶、個人資料及社交平台推廣區。三段預覽片均為靜音，只用來展示動作、剪接與畫面連續性。全部內文媒體已於 2026-07-26 逐張、逐段人工檢查。

40 分鐘來源教學時間軸

先按來源影片的實際章節理解工作次序。不要在角色未定稿時大量生成影片，也不要在旁白尚未切句時便微調每一個剪接點。

步驟一：先把概念寫成可拍、可生成的鏡頭

來源教學由 Claude 協助建立廣告概念，但真正有用的輸出不是一段華麗文案，而是「誰在甚麼場景做甚麼、鏡頭由哪裏開始、何時切到產品、最後如何收束」。實作時先提供片長、平台比例、受眾、產品事實、禁用聲稱和參考節奏，再要求模型輸出逐鏡表。每一鏡最好只有一個主要動作，例如鬧鐘響、人物起身、拿起產品、開罐、飲用或結尾反應。

逐鏡表至少要有：鏡頭編號、秒數、景別、人物、動作、產品位置、相機運動、起始幀、結束幀、旁白、音效和失敗條件。若模型寫出產品功效、價格、銷量或見證，必須回到品牌資料核實；流暢文字不是證據。香港廣告專案亦應留意香港海關不良營商手法資料，避免把生成內容當成可直接使用的商品說明。

步驟二：把角色描述寫到可以重複生成

角色一致性先由文字 brief 開始。來源畫面把年齡感、身形、髮型、鬍鬚、衣着、神情、坐姿、房間光線與背景窗戶逐項寫出。這種描述比「一個疲倦男人」更可重複，因為後續每一張圖都可逐項比對。商業專案不要要求模仿真人或名人；應把參考拆成可描述的造型特徵，並使用有權使用的虛構角色。

完成文字描述後，再從生成結果挑一個真正適合故事的雙人場景。選擇時不要只看單張是否漂亮，要看角色能否在下一鏡保持髮型、衣着、床鋪位置、視線方向與人物關係。把獲選圖另存為主參考，未獲選版本不要混入後續生成。

步驟三：把靜態圖整理成 Storyboard，而不是直接長片生成

來源教學明確把 image-to-video 拆成多張關鍵畫面：飲用、反應、產品近鏡等畫面先各自成立，再交給影片模型補上動作。這樣做的優點是角色或罐身出錯時，只重做一個鏡頭，不用推翻整條廣告。

Storyboard 的畫面不能只標「兩個人在房間」。要記錄前景人物、後景人物、誰清晰、誰故意失焦、鏡頭高度和留白。來源的雙人床上構圖把女角色放在前景，男角色在後方坐起，冷色窗光保持不變；這個構圖既交代關係，也為下一個產品近鏡保留剪接方向。

產品鏡頭要再獨立定義。手指數量、握法、罐身比例、標誌方向、床單質感與光線，都要在影片生成前看清楚。正式品牌專案尤其不應把生成罐身細字當作批准包裝；可先用乾淨參考完成動作，再於剪輯階段疊加品牌提供的正確包裝資產。

步驟四：在影片工具內逐鏡設定模型、起止幀與長度

來源在 Higgsfield 的 Create Video 流程中示範選擇 Kling 3.0、加入 start frame／end frame、設定片長、比例和解像度，再輸入單一鏡頭的動作。不同入口提供的模型、credits、秒數及控制項可能不同；正式生成前應以Higgsfield 的 Veo 3.1 說明、當日價格頁及實際帳戶畫面為準。

實際檢查一：提示是否真的轉成所需動作

第一段真實預覽把鬧鐘畫面變成手指按掣的短動作。觀看時不要只看最後一幀：要看手是否由合理位置進入、按掣時有沒有穿模、數字和鬧鐘外形有沒有跳變，以及鏡頭是否在可剪接位置停下。

實際檢查二：產品與手部能否跨幀保持

產品動作比純鏡頭移動更容易失敗。第二段預覽保留開罐動作，讀者應集中檢查拉環、拇指、罐口、標誌和手腕是否在整段連續。若只有一兩幀錯誤，不要用快速轉場遮住；回到該鏡頭重做，並把 prompt 簡化成單一動作。

步驟五：在 ElevenLabs 先篩聲線，再逐句生成

來源先在聲音庫以語言、口音、用途、性別和年齡等條件縮小選擇，再把旁白分句輸出。選聲時應比較語氣是否符合畫面，而不是只挑最有戲劇性的聲音。香港項目還要由香港粵語使用者逐字聽品牌名、金額、語速和停頓；供應商標示支援中文，不代表每個香港用語都自然。

旁白最好按鏡頭分成短檔，檔名包含鏡頭編號與版本。這樣某一句讀音或停頓不合格時，只重做該句。使用 TTS、Voice Changer 或聲音克隆前，要確認錄音來源、同意範圍、商業用途與保存期；可參考 ElevenLabs 的Text to Speech 文件、Voice Changer 文件及聲音克隆規則。

步驟六：在 CapCut 先排畫面，再同步旁白

來源在 CapCut 先把所有獲選影片匯入，按故事次序放到同一條主畫面軌。第一輪只處理鏡頭長短與切點：鬧鐘、雙人場景、產品近鏡、飲用和反應畫面是否順序清楚，總長度是否符合廣告要求。此時不要急着加大量轉場或濾鏡。

旁白同步：以語意切點對齊，不要把畫面任意拉長

畫面骨架成立後，再把分句旁白放到音訊軌，將每一句的關鍵字對齊相關動作。若旁白比鏡頭長，先刪減句子或重錄語速，不應把三秒動作硬拉成六秒。保留少量句尾空間，讓切點不會緊貼最後一個字。

音效：讓聲音落在可見動作上

來源為鬧鐘開場加入三個短促 alarm／beep 音效區塊。音效應對齊畫面事件，而不是鋪滿整段：按掣、開罐或物件落桌等瞬間，可放在波形尖峰或動作接觸幀附近，再以耳機及手機喇叭各聽一次。

背景音樂：先鋪節奏，再讓旁白保持可懂

最後才加入背景音樂。來源畫面可見一條完整音樂波形位於產品預覽下方；實作時先把音樂當節奏底，然後在旁白出現時降低音量，檢查開頭及結尾有沒有突兀切斷。素材能在剪輯器搜尋到，不代表自動擁有所有商業投放權；保存素材頁、授權標示及下載日期。

步驟七：觀看完成版時，逐鏡核對連戲與節奏

完成版不是只看「像不像廣告」。至少播放三次：第一次正常速度看故事是否清楚；第二次靜音看沒有旁白時能否理解；第三次逐幀看手部、面孔、產品、光線與剪接。下面是真實來源完成段落的靜音摘錄，可看到鬧鐘、床上情境、產品、飲用反應與全身產品鏡頭如何串成一條短廣告。

每一鏡都要通過的十項 QA

1. 任務：鏡頭是否完成分鏡指定的唯一工作？
2. 角色：臉形、髮型、衣着、年齡感和人物位置是否延續？
3. 手部：手指、關節、握法與物件接觸是否合理？
4. 產品：罐身比例、罐口、方向、數量和包裝有沒有跳變？
5. 物理：開罐、飲用、影子、布料與反射是否連續？
6. 鏡頭：運鏡速度、焦點和結束姿勢能否接下一鏡？
7. 文字：生成細字是否錯誤；正式標誌是否使用批准原檔？
8. 聲音：旁白、音效與畫面事件是否同步，音樂有沒有蓋過人聲？
9. 權利：人物、聲線、字體、音樂、音效、產品圖及生成平台是否有可保存的使用依據？
10. 輸出：比例、解像度、幀率、字幕、安全區和檔名是否符合交付規格？

成本與權利：失敗版本也要入帳

真實成本應包括所有圖像及影片嘗試、失敗重做、月費或 credits、旁白、音樂、剪輯與人工 QA，而不是只計最後三段成功片。Higgsfield、直接模型供應商與不同方案的 credits 不能互換；以生成當刻的帳戶畫面和平台條款記錄為準。CapCut 的 Pro 價格、AI 用量與素材權限亦會按地區和方案改變，可查閱官方價格說明及素材當日標示。

團隊應為每一鏡保存：模型、日期、提示版本、參考圖版本、秒數、解像度、花費、輸出檔、接受／拒絕、拒絕原因及批准人。若涉及客戶、員工或未公開素材，也要按公司政策處理；香港個人資料私隱專員公署的僱員使用生成式 AI 清單提供治理、輸入資料、準確性與標示方面的檢查方向。

交付前清單

• 概念、角色、Storyboard、逐鏡影片、旁白與剪輯檔各有清楚版本。
• 所有鏡頭均以原尺寸看過，沒有 loading、半完成畫面或移動模糊。
• 沒有用快速轉場遮掩手部、產品或面孔錯誤。
• 旁白由目標語言使用者核對，字幕逐字校正。
• 音效落在可見動作；背景音樂不遮蓋人聲。
• 產品聲稱、價格與 CTA 回到已批准資料。
• 人物、聲音、字體、音樂、音效及生成輸出權利有紀錄。
• 完成版在手機、耳機、手機喇叭和靜音狀態各播放一次。
• 發布 master、poster、字幕、來源、成本表與批准紀錄已備份。

延伸閱讀

• AI 影片製作香港營銷指南：工具、字幕、版權與 AI 標示
• AI 圖像生成香港指南：商業設計、廣告與授權
• 剪映／CapCut AI 功能與剪輯流程
• Claude 香港訂閱、地區與帳戶風險指南

總結

這條來源教學最值得保留的不是某一個模型名稱，而是製作順序：先把概念拆成鏡頭，再鎖定角色和關鍵幀；影片逐鏡生成、逐鏡驗收；旁白分句；CapCut 先排畫面、再同步人聲、再加音效和音樂；最後用完成版反查每一個錯誤與權利。只要每一鏡都有清楚輸入、輸出、版本和停止條件，失敗時便能回到最小步驟重做，而不是重新生成整條廣告。