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比以往更轻松，现在已可在 Gemini 网页应用中使用。只需借助 Gemini 直接增强提示词，即可生成 8 秒视频并轻松编辑。

不过，光有画面还不够。声音能将无声片段变成沉浸式体验，这正是 ElevenLabs 的用武之地。使用 ElevenLabs，生成富有表现力的AI 旁白配音，支持多种语言，或添加音效，都能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，聚焦城市环境。这些片段包含霓虹招牌、雨、火车和各种街景。为了将这些零散瞬间串联起来，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感和情感深度。Veo 2 或许是写实效果最佳的视频生成器，但其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。

精心设计的旁白配音无需让观众自行解读零散画面，而是能提供清晰指引，带领他们进入故事。你可以先写旁白脚本，再创建与之匹配的片段；也可以先确定镜头（通常根据分镜），再针对镜头写脚本。对于这个城市视频，我先创建了提示词。

规划旁白

生成旁白配音前，务必先规划旁白如何与视频相得益彰。如果你的 Veo 2 序列和我的一样，是一组电影感城市蒙太奇，旁白可以交代场景、加入诗意感想，或烘托氛围。

例如，我的视频中有霓虹灯照亮的街道和闪烁的招牌。因此我写道：“这座城市从不入眠——它甚至几乎从不眨眼。它吸入汽车尾气，呼出霓虹光，在百万颗不安灵魂的脚步声中，如钢铁与玻璃的巨兽般搏动。”这段话串联起了多个镜头。

编写旁白脚本

确定旁白大纲后，下一步就是为整支视频编写脚本。写得好的脚本能确保旁白配音与片段时长相匹配。由于 Veo 2 的场景通常为 5 到 8 秒，旁白应简洁且节奏得当。5 秒片段约可容纳 12—15 个词，8 秒片段约可容纳 20—25 个词。

旁白语气应与视频相配：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表达。例如，慢镜头中蒸汽从下水道井盖升起时，可以配上“城市呼出气息，蒸汽在寒冷的夜空中盘旋”；而火车驶入车站时，则可配上“一阵风。金属的尖啸。又一列火车进站，如同此前的数百列一样。”

使用 ElevenLabs 生成旁白配音

脚本打磨完成后，就可以使用 ElevenLabs 生成 AI 旁白配音。前往 ElevenLabs 应用中的文本转语音页面。在这里，你可以粘贴或直接编写脚本。随后可在右侧选择音色，并设置语速、稳定性等功能。我喜欢添加 10—20% 的风格夸张度，因为这能增强角色感。

深沉、电影感的语气适合戏剧性的城市片段；柔和、沉思的声音则能增强诗意叙事。对于快节奏画面，充满活力的演绎能让节奏更吸引人。对于我的视频，我使用了 Lamar Lincoln，这是一款优质音色，让故事听起来更自然。我希望它听起来像有人在回想自己在意的事物。

输入脚本后，微调旁白配音的语速和情感，使其与画面相符。较慢且从容的节奏适合戏剧性时刻，而更具对话感的语气则适合活力十足的蒙太奇。满意后，下载音频文件，准备将其与视频同步。

我倾向于只用一两句话微调音色，然后再根据完整脚本生成。不过这次脚本只有 3 段，因此直接使用完整脚本也没什么问题。而且从一开始效果就很好。

同步旁白配音

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

• 导入视频片段，将旁白配音添加到时间轴，并调整起止点，使其与画面对应。
• 必要时使用交叉淡化或时间拉伸，确保旁白与画面动作自然融合。

用音效增强视频

旁白配音就位后，就该使用音效增强视频了。AI 生成的音效通过增添真实感和层次感，完善听觉体验。单独的视频片段可以像用手机拍摄的一样逼真，但没有声音，就会落入一种令人觉得缺了点什么的失真感中。

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声。你可以用复杂提示词描述完整音景，也可以分别生成包含单组声音的多个文件，然后在视频编辑器中将它们叠加。

要创建音效，请前往 ElevenLabs SFX 生成器。你可以在我们的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。它可让你上传单个片段，并提供 4 个可下载的音效。

如果想更精细地控制声音，请前往音效生成器。在这里输入提示词并点击生成。点击“设置”按钮，还可将片段时长自定义为 0.5 到 22 秒。

若想更快地浏览、试听和收集现成音频，Soundboard提供互动界面，让你即时试听和混合音效，无需编写提示词。

音效提示词编写

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。

虽然你可以使用复杂提示词，完整描述整个音景，但我发现创建一系列提示词并将它们相互叠加效果更好。这样能根据视频内容控制不同声音的播放时机。

恰到好处的音效能让场景显得真实——小巷中回荡的脚步声、远处的汽车喇叭声，或雨水落在路面上的规律滴答声。将这些声音与画面结合，可增强沉浸感，让每一帧都更有冲击力。

如果视频中有闪烁的霓虹招牌，背景中轻微的电流嗡鸣能强化它的存在感。如果地铁列车尖啸着停下，叠加金属摩擦声可增添真实感。

提示词示例：

• 描述性提示词：“手表秒针轻柔的滴答声，调整外套袖口时细微的摩擦声，背景中的城市环境声——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：
• • “手表秒针轻柔的滴答声”
  • “调整外套袖口时细微的摩擦声”
  • “城市环境声”

随后可以在视频编辑器中将这些声音相互叠加。

将声音分层，并为每段片段设好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、诗意的城市感想，还是纪录片风格短片，AI 生成的音频都能让你的创意化为现实。立即试用 ElevenLabs，用声音的力量将 Veo 2 视频变为完整的沉浸式体验。