用 ElevenLabs 旁白和音效让 Veo 2 视频焕发生机

Google 的 Veo 2 让生成照片级真实感视频变得前所未有地简单，现在已可在 Gemini 网页应用中使用。只需通过 Gemini 直接优化提示词，即可生成 8 秒视频并轻松编辑。

但只有画面还不够。声音能将无声片段变成沉浸式体验，而这正是 ElevenLabs 的用武之地。通过 ElevenLabs，你可以生成富有表现力的 AI 旁白配音，支持多种语言；也可以添加 音效，将普通视频变成引人入胜的故事。

我用 Google DeepMind 实验室的 Veo 2 讲述一座不眠之城的故事时，就尝试了这种做法。我生成了 18 段不同的片段，每段约 5—8 秒，以城市场景为主，包含霓虹招牌、雨、火车和各种街景。为了串联这些零散瞬间，我使用 ElevenLabs 添加了旁白配音和音效。

打造引人入胜的旁白配音

精心制作的 AI 旁白配音能为视频带来结构和情感深度。Veo 2 的真实感或许无出其右，但片段往往缺少场景或角色的一致性，因此旁白是理想的串联元素。

与其让观众自行解读零散画面，不如用精心设计的旁白提供清晰引导，带领他们进入故事。你可以先写旁白脚本，再制作匹配的片段；也可以先确定镜头（通常来自分镜），再根据镜头写文案。对于这支城市视频，我先写了提示词。

规划旁白内容

生成旁白前，重要的是先规划旁白如何配合视频。如果像我的作品一样，Veo 2 片段是电影感的城市蒙太奇，旁白可以交代场景、加入诗意感想，或烘托氛围。

例如，我的视频中有霓虹照亮的街道和闪烁的招牌，于是我写道：“这座城市从不入眠——它几乎连眼睛都不眨。它吸入汽车尾气，呼出霓虹光芒，如同钢铁与玻璃构成的巨兽，随着百万不眠灵魂的脚步脉动。”这段话串联了好几个镜头。

编写旁白脚本

确定旁白框架后，下一步是为整支视频编写脚本。优秀的脚本能确保旁白与片段时长匹配。由于 Veo 2 的场景通常为 5 到 8 秒，旁白应简洁且节奏恰当。5 秒片段约可容纳 12—15 个英文单词，8 秒片段约可容纳 20—25 个。

旁白语气应与视频相符——氛围感画面适合诗意表达，信息类片段适合纪录片风格，高能量叙事则适合电影感语气。例如，下水道井盖冒出蒸汽的慢镜头，可以配上“城市呼出一口气，蒸汽在寒冷的夜空中盘旋”；火车驶入站台时，则可以配上“一阵风。金属的尖啸。又一列火车进站，如同此前数百列一样。”

使用 ElevenLabs 生成旁白配音

脚本打磨完成后，就可以用 ElevenLabs 生成 AI 旁白配音。前往 ElevenLabs 应用中的 文本转语音 页面。你可以粘贴脚本，也可以直接撰写。随后可在右侧选择音色，并设置语速、稳定性及其他功能。我喜欢添加 10—20% 的风格夸张度，让角色表现更鲜明。

低沉、电影感的语气很适合戏剧化的城市片段，而柔和、内省的声音能增强诗意叙事。对于快节奏画面，富有活力的表达能保持引人入胜的节奏。我的视频中，我使用了 Lamar Lincoln，这是一款高级音色，为故事带来了更自然的感觉。我希望它听起来像一个人在回顾自己关心的事。

输入脚本后，微调旁白的语速和情感，使其与画面匹配。较慢、从容的节奏适合戏剧性时刻，更口语化的语气则适合充满活力的蒙太奇。满意后，下载音频文件，准备与视频同步。

我更喜欢先用一两句话微调音色，再根据完整脚本生成。不过这次的脚本只有 3 段，直接使用完整脚本也不成问题，而且一开始效果就很好。

同步旁白配音

使用 Adobe Premiere Pro、DaVinci Resolve、Final Cut Pro 或 CapCut 等编辑软件，可轻松将 AI 旁白配音与 Veo 2 片段同步。

• 导入视频片段，将旁白加入时间线，并调整起止点以对齐画面。
• 如有需要，使用交叉淡化或时间拉伸，确保旁白与画面动作自然衔接。

用音效增强效果

加入旁白后，就可以使用 音效 增强视频效果。AI 生成的音效通过增加真实感和层次感，完善听觉体验。单独看，视频片段可以像手机实拍一样真实；但没有声音，就会落入一种令人感觉缺失了什么的失真感。

使用 ElevenLabs 创建音效

ElevenLabs 的 文本音效生成器 可用于创建自定义音频元素，从城市环境噪声到细微的环境音。你可以用复杂提示词描述完整声景，也可以分别生成多份音频文件，每份包含一组声音，再在视频编辑器中叠加。

要创建音效，请前往 ElevenLabs SFX 生成器。你可以在声音库中浏览预制音效列表，也可以使用文本音效生成器创建自定义声音。还可以试试我们的 视频转声音 实验功能，进一步简化流程。只需上传一个片段，即可获得 4 个可下载的音效。

如果想更精细地控制声音，请使用音效生成器。在这里输入提示词并点击生成即可。还可点击“设置”按钮，自定义片段时长，范围为 0.5 到 22 秒。

如需更快地浏览、预览和收集现成音频，Soundboard 提供交互式界面，让你无需编写提示词，即可实时试听和混合音效。

音效提示词写法

文本音效生成

使用我们的 AI 音效生成器，轻松创建自定义音效和环境音频。

虽然你可以用复杂提示词完整描述整个声景，但我发现，创建一系列提示词并将它们相互叠加效果更好。这样可以根据视频内容，控制不同声音在何时出现。

恰到好处的音效能让场景更真实——巷子里回荡的脚步声、远处的汽车鸣笛声，或雨滴有节奏地落在路面上的声音。将这些声音与画面搭配，能提升沉浸感，让每一帧都更有感染力。

如果视频中有闪烁的霓虹招牌，背景中微弱的电流嗡鸣能强化它的存在感。如果地铁列车尖啸着停下，叠加金属摩擦声会更真实。

提示词示例：

• 描述型提示词：“手表秒针轻轻滴答作响，调整外套袖口时细微的摩擦声，背景中是城市环境音——低沉的喇叭声、远处的交谈声、偶尔闪烁的霓虹招牌，手腕转动时轻微的金属刮擦声。”
• 分层提示词：
• • “手表秒针轻轻滴答作响”
  • “调整外套袖口时细微的摩擦声”
  • “城市环境音”

然后可以在视频编辑器中将这些音效叠加起来。

叠加好声音，并为每个片段设置音量以获得理想效果后，即可导出并分享视频。

无论是在制作电影感蒙太奇、诗意的城市随想，还是纪录片风格的短片，AI 生成的音频都能让创意落地。立即试用 ElevenLabs，用声音的力量将 Veo 2 视频变成完整的沉浸式体验。