我可以在同一個地方製作語音、音樂和音效嗎？

可以。音訊編排器有配音、音樂和音效任務，各自擁有自己的模型，且每個結果都是媒體庫中的音訊資產。

音訊如何計費？

語音根據腳本中的字元數計費，並設有最低費用；當你輸入時，按鈕會顯示價格。音樂和音效每次請求收取固定費用，在生成前會顯示在按鈕上。

旁白會自動與畫面對齊嗎？

不會。你需要手動放置。在 Studio 中，每個音訊資產都是音訊軌道上的獨立項目，因此你可以將錄音拖曳到想要的影格，並修剪音樂以配合片段。

我應該直接讓影片模型生成聲音嗎？

有些模型可以，而且速度很快。但你將無法在不重新生成畫面的情況下更改單一聲音。若你想控制混音，請選擇靜音渲染。

從 Studio 匯出會消耗點數嗎？

不會。MP4 渲染不計費；只有生成影片片段和音效的動作才會扣除點數。

一個提示詞可以生成兩個音效嗎？

它只會回傳一個混合音軌。請將每個音效提示分開生成，再個別放置。

指南 / 音訊

為你的影片製作語音、音樂與音效

沒有聲音的片段只算完成了一半。音訊編排器能逐一製作配樂所需的三種元素，而 Studio 則將它們放置在畫面上。

閱讀時間 10 分鐘
2026年9月24日

本文由英文自動翻譯。閱讀原文

旁白

音樂

效果

Studio

依序列出你製作的內容。點一下即可跳到對應步驟。

你在音訊編譯器中將語音、背景音樂和音效作為三個獨立的生成任務製作，每個任務都使用專為其設計的模型，然後將它們放置在 Studio 中的片段下方。編譯器的「旁白」任務將腳本轉化為語音，「音樂」任務根據描述生成曲目，而「音效」任務則製作單次提示音或環境音。這些任務都不需要影片；在你將它們放到時間軸之前，它們只是媒體庫中的音訊資產。

本指南將跟隨一個無聲片段，即使用 Seedance 2.5 製作並關閉音訊的香水廣告，從無到有完成混音配樂。這裡你能播放的每個片段都是真實輸出，而價格則來自頁面載入時的即時目錄。

常見錯誤與修正方法

錯誤	影響	修正
要求影片模型生成完整的配樂	具備原生音訊功能的模型會自行生成音樂和音效，你無法在不重新生成畫面的情況下單獨修改其中一項	先渲染無聲片段，然後在音訊編譯器中分別製作每個聲音，並在 Studio 中進行混音
在一個長音樂提示詞中包含語音	音樂模型會將你描述的內容唱出來；旁白線會被當成歌詞處理	將腳本放在「旁白」中，將氛圍放在「音樂」中
為音效使用完整句子	效果模型會讀取場景並生成一層環境噪音	用簡短的一行描述單一聲音、其材質與空間感
僅憑名稱選擇語音	同一模型上的兩個具名語音以截然不同的速度朗讀同一句台詞	在花費點數前先播放免費預覽，如果錄音過長，請使用 API 的速度欄位
重新錄製旁白以配合剪輯	每次重新生成都會再次扣除字元點數	在 Studio 中修剪並滑動錄音片段；片段可以保持不變或延長

開始之前

媒體庫中的一個片段。本指南使用一個五秒的香水瓶片段，在單一燈光下拍攝，由 Seedance 2.5 生成並關閉音訊，以免干擾配樂。
寫好的腳本。語音按字元計費，請在生成前刪減，而非之後。
音樂與音效各一行描述。模型接受文字描述，而非檔案。
任何方案。所有音訊模型在所有方案中皆可使用，且推薦模型的語音生成最低起點為 2 點數。

一個多面琥珀色玻璃香水瓶，配有拉絲黃銅瓶蓋，放置在夜間深色紋理大理石梳妝台上，一盞暖燈在大理石上投下一圈光暈，灰塵在光束中飄浮，鏡頭緩慢推進 — **靜音來源。** 使用 Seedance 2.5 製作，關閉音訊，時長五秒。這是下方所有聲音所對應的片段。

製作旁白

開啟音訊編輯器。在 你需要什麼？ 下方，預設選取旁白任務，推薦模型為 ElevenLabs v3，並提供包含十個具名聲音的人聲清單。輸入你希望朗讀的台詞並選擇聲音；我們使用了 Roger。按鈕顯示為 生成音訊 並附帶即時價格，價格會隨著你輸入腳本而變動。點擊一次即可生成。

腳本，完全依照發送內容

Some nights do not ask for permission.

音訊編輯器，標有五個編號：旁白、提示詞框中輸入的腳本、模型為 ElevenLabs v3、聲音設定為 Roger，以及顯示價格的生成音訊按鈕 — **ElevenLabs v3 上的旁白。** (1) 旁白。(2) 你希望朗讀的台詞。(3) 模型。(4) 聲音，這裡是 Roger；旁邊的播放按鈕可免費試聽。(5) 此特定腳本的價格。

提示：免費試聽聲音. ElevenLabs 和 Kokoro 上的每個具名聲音都有簡短的錄音範例。在花費點數生成之前，請在「角色」頁面聲音對話框中試聽。

製作音樂背景

將任務切換為音樂。Lyria 3.5 是推薦模型，價格為每首曲目固定收費，無論你輸入什麼內容。描述氛圍、樂器、節奏以及曲目應如何發展；如果你不想要人聲，請說 no vocals。你會得到比片段更長的曲目，這沒問題：你可以在 Studio 中修剪它。

音樂提示詞，與發送的內容完全一致

Dark minimal electronic pulse for a fragrance commercial: a deep sub bass heartbeat, sparse glassy synth stabs, a slow rising pad, 90 bpm, cinematic and expensive, no vocals, no drums until the last two seconds.

音樂模式下的音訊編曲器，有四個編號標記：音樂、曲目描述、Lyria 3.5 作為模型，以及 Generate audio 按鈕及其固定價格 — **Lyria 3.5 上的音樂。** (1) 音樂。 (2) 氛圍、樂器、節奏，且無人聲。 (3) Lyria 3.5。 (4) 無論你輸入什麼內容，均為固定收費。我們生成的曲目長度為兩分鐘。

製作音效

切換至音效。ElevenLabs Sound Effects v2 是推薦模型，每次請求固定收費，並接受最多 450 個字元的簡短提示詞。說明聲音、材質以及發生的空間。每次生成一個聲音：第二個效果需要第二次執行。

效果提示詞，與發送的內容完全一致

A single deep glass chime with a low reverberant thud underneath, decaying slowly in a large empty hall.

音訊編排器位於「音效」分頁，包含四個編號標記：音效、提示詞中描述的鈴聲、作為模型的 ElevenLabs SFX，以及顯示固定費用的「生成音訊」按鈕 — **ElevenLabs Sound Effects v2 上的音效。** (1) 音效。 (2) 單一聲音、其材質與空間感，最多 450 個字元。 (3) 模型，顯示為 ElevenLabs SFX。 (4) 每次請求收取固定費用。我們生成的音訊長度為一秒，這正是鈴聲所需的長度。

注意：MMAudio v2 依據畫面運作，而非僅憑文字. 音效清單中的第二個模型 MMAudio v2 是一款影片轉音訊模型：它會觀察片段並生成匹配的音軌。當你想自動為空間感和動作配上音效，而非特定音效提示時，這是首選。

在 Studio 中將其放置在片段下方

開啟時間軸，按下 新時間軸，選擇一個專案或為新專案命名，為時間軸命名並按下建立。Studio 會開啟該時間軸。在左側面板中，從 專案媒體 切換至 媒體庫：這是你的完整媒體庫，包含搜尋框和類型篩選器。每個卡片上有一個 +，可將項目新增至播放頭位置。

搜尋片段並按下其 +。它會落在第一個影片軌道的 0 秒處。
點擊音樂卡片，讓它載入列表上方的來源預覽。將預覽拖曳指針拖到 0 並按標記入點，再拖到 5 秒並按標記出點，然後按 +。背景音樂會落在音訊軌道上並修剪至該片段長度；兩分鐘長度的其餘部分不會進入時間軸。
將時間軸拖曳指針拖到 1.6 秒，並在旁白上按 +；它會落在播放頭所在的獨立音訊軌道上。
拖到 3.9 秒並在音效上按 +。

Studio 畫面中有五個編號標記：V1 上的香水片段，A1 上從第一幀開始修剪過的背景音樂，A2 上從 1.6 秒開始的旁白，A3 上接近結尾的音效，以及匯出影片按鈕 — **一條影片軌道，三條音訊軌道。** (1) V1 上的片段。 (2) A1 上修剪至片段長度的背景音樂。 (3) 1.6 秒處的旁白。 (4) 3.9 秒處的音效。 (5) 匯出影片。每個聲音都是獨立項目，因此你可以移動或靜音其中一個而不影響其他項目。

背景音樂的音訊檢查器畫面中有四個編號標記：片段音量、淡入與淡出、在語音下閃避、軌道音量；摘要顯示以自身音量播放，淡出 1.3 秒，在語音下降低 12 dB — **音訊檢查器，位於音樂底層上。** (1) 片段音量。(2) 淡入與淡出。(3) 人聲閃避：音樂預設開啟，當有人說話時，底層音量會降低 12 dB。(4) 軌道音量，適用於整個音軌。

點擊頂部的 匯出影片。MP4 會在伺服器上渲染，並標記為渲染結果存入你的媒體庫，同時列在專案的近期匯出清單中。匯出不會扣除點數。

提示：編輯列不會阻擋匯出. 新增項目後，Studio 會顯示一行提示，指出編輯內容正等待 NOLGIA Agent 套用。這是指將它們寫入時間軸的原始文件中。匯出檔案已包含這些內容：我們的渲染結果包含了全部三種聲音。

無聲的香水片段 — 同樣的五秒鐘，從 Studio 匯出。播放右側的檔案，即可聽到音樂底層、台詞與鈴聲的混合效果。

加入旁白、音樂底層與混音鈴聲後的同一個香水片段 — 同樣的五秒鐘，從 Studio 匯出。播放右側的檔案，即可聽到音樂底層、台詞與鈴聲的混合效果。

哪種模型適合哪種工作

你的需求	任務	建議從	清單中的其他選項
旁白或一句台詞	旁白	ElevenLabs v3，十種具名聲音	v3 Conversational（半速）、Multilingual v2、Turbo v2.5、Kokoro（二十種聲音）、MiniMax Speech、Inworld、Dia、Orpheus
無歌詞的背景音樂	音樂	Lyria 3.5	MiniMax Music 2.6、ElevenLabs Music、Stable Audio 3 Medium 和 2.5
單一音效：重音、呼嘯聲、開門聲	音效	ElevenLabs Sound Effects v2	當音軌需跟隨片段時使用 MMAudio v2
跟隨畫面的聲音	音效	MMAudio v2	或使用具備原生音訊的影片模型，但會犧牲控制權

編曲器目前顯示的清單。推薦模型已在選擇器中標記。

仍需重新生成的地方

音量。 匯出時會自動進行基本混音：在人聲下降低音樂音量、在結尾淡出背景音樂，並平衡響度；我們的輸出結果為 -14.2 LUFS。若要更改，請選取聲音並開啟音訊檢查器：片段音量、淡入和淡出、人聲迴避，以及軌道的 軌道音量。
你想保留的人聲。 具名聲音僅存在於 ElevenLabs 和 Kokoro；MiniMax Speech、Inworld、Dia 和 Orpheus 在此未提供聲音清單，因此在這些模型上重新生成可能聲音不同。每個影片使用相同聲音說明如何固定聲音。
速度。 速度設定（ElevenLabs 語音為 0.7 到 1.2）是一個 API 欄位；編輯器目前沒有滑桿，因此過長的片段會被重寫或修剪。
精確時間點。 音樂回傳的長度通常比片段長，例如我們為五秒的畫面生成兩分鐘的音樂，且節拍落在模型放置的位置。你需要標記片段的進出點，而不是反過來。
每次執行一個音效。 包含三種聲音的提示詞只會回傳一個混合音軌。

費用說明

語音按字元計費，短句有最低費用；音樂和音效每次請求收取一次費用。片段按長度計價。本指南所用模型的即時費率如下：

ElevenLabs v3Every plan
Per 1,000 characters
Standard 6 點
Lyria 3.5Every plan
Per generation
Standard 5 點
ElevenLabs SFXEvery plan
Per generation
Standard 4 點
Seedance 2.5Pro and up
Per 5s clip
480p 26 點 · 720p 56 點 · 1080p 137 點
1080p renders at 16:9 and 9:16

頁面載入時從目錄即時讀取。所有價格都會在生成前顯示。查看所有費率.

Studio 匯出不計費。新帳戶開始時享有 350 免費點數。

親自試試看

來源片段與三個提示詞

香水廣告片段，無聲，5 秒，1280x720MP4 影片 · 1280x720 · 624 KB下載

將片段上傳到你的媒體庫，在推薦模型上執行上述三個提示詞，然後在 Studio 中將所有四個音訊加到播放頭位置。

將腳本輸入 ElevenLabs v3 的旁白功能，選擇任何具名語音；我們使用的是 Roger。
將音樂提示詞輸入 Lyria 3.5 的音樂功能。預期生成的音軌會比片段長。
將音效提示詞輸入 ElevenLabs Sound Effects v2 的音效功能。
時間軸、新時間軸，然後在 Studio 將左側面板切換至媒體庫：先使用 + 新增片段，接著在來源預覽中透過標記起點和標記終點選取音樂，然後在播放頭位置加入旁白和提示音。匯出影片。

常見問題

我可以在同一個地方製作語音、音樂和音效嗎？: 可以。音訊編排器有配音、音樂和音效任務，各自擁有自己的模型，且每個結果都是媒體庫中的音訊資產。
音訊如何計費？: 語音根據腳本中的字元數計費，並設有最低費用；當你輸入時，按鈕會顯示價格。音樂和音效每次請求收取固定費用，在生成前會顯示在按鈕上。
旁白會自動與畫面對齊嗎？: 不會。你需要手動放置。在 Studio 中，每個音訊資產都是音訊軌道上的獨立項目，因此你可以將錄音拖曳到想要的影格，並修剪音樂以配合片段。
我應該直接讓影片模型生成聲音嗎？: 有些模型可以，而且速度很快。但你將無法在不重新生成畫面的情況下更改單一聲音。若你想控制混音，請選擇靜音渲染。
從 Studio 匯出會消耗點數嗎？: 不會。MP4 渲染不計費；只有生成影片片段和音效的動作才會扣除點數。
一個提示詞可以生成兩個音效嗎？: 它只會回傳一個混合音軌。請將每個音效提示分開生成，再個別放置。