DomoAI LogoDomoAI
開始創作
教學AI 影片

如何製作讓角色與物品說話的 AI 影片

Ny@Tech（NyaTech）

閱讀時間 6 分鐘

瀏覽 Instagram Reels、TikTok 或 YouTube Shorts 時，有時會看到角色、動物、食物、家電和日用品，像人一樣說話的影片。

例如，蔬菜介紹自己的營養、家電說明產品特色，或可愛角色分享冷知識的短片。

乍看之下，這些影片似乎很難製作。

不過，使用 AI 影片生成工具 DomoAI，就能結合圖片與音訊，製作角色或物品彷彿在說話的影片。

大家好，我是 Ny@Tech。

我過去從事網路行銷，從 2024 年開始關注生成式 AI 的可能性，目前每天都在測試、研究各種影片生成 AI 工具。

本文將介紹如何使用 DomoAI，製作讓角色與物品說話的 AI 影片。

預期成品會像以下這支短片。

觀看影片（YouTube）

用 DomoAI 製作 AI 影片的整體流程

首先整理這次要製作的短片流程。

使用 DomoAI 等工具讓角色或物品說話，大致可分成以下 5 個步驟。

  1. 撰寫腳本
  2. 製作角色圖片
  3. 製作音訊
  4. 用 Talking Avatar（AI 虛擬角色）功能製作影片
  5. 剪輯影片

重點是別一開始就急著做影片。

先準備腳本，再依內容製作角色圖片與音訊，較容易整理整體工作流程。

撰寫腳本

第一步是撰寫影片腳本。

短片長度不長，看起來就算直接在 DomoAI 開始做，也很容易成形。

但即使是短片，要呈現一個故事，仍需要情節脈絡。

因此，事先準備名為腳本的「地圖」，就更容易推進角色圖片、音訊和影片製作。

尤其是讓角色或物品說話的影片，先決定以下三點會更好寫：

  • 誰要說話
  • 要談什麼
  • 想傳達什麼給觀眾

例如，美容家電介紹影片可整理如下。

  • 美容儀或吹風機等美容家電：誰
  • 產品特色與使用好處：談什麼
  • 使用後能解決困擾：想傳達的內容

若是食品影片，也可以讓青椒、番茄等角色介紹自己的營養與魅力。

如此一來，事先決定說話者、內容與目的，即使短片也更容易寫出有故事的腳本。

善用 ChatGPT、Gemini 等 AI 工具

腳本可以自己寫，不過使用 ChatGPT 或 Gemini 等 AI 工具能更有效率。

例如，可以使用以下提示詞。

目的：請撰寫 YouTube Shorts 的腳本。

主題：胰臟介紹自己的功能與重要性 出場角色：可愛的胰臟角色 影片長度：約 60 秒 氛圍：親切，帶一點迫切感 目的：讓人對胰臟功能與日常生活習慣的重要性產生興趣 結構：開頭吸引注意、正文、最後一句話

像這樣指定條件，更容易產出適合短片的腳本。

先決定角色個性與氛圍，也有助於之後用 DomoAI 生成圖片時掌握方向。

這次以胰臟角色為主，依照以下故事結構製作圖片、音訊和影片。

  1. 自我介紹
  2. 說明胰臟的功能
  3. 告訴觀眾胰臟是較不顯眼的器官
  4. 傳達需要留意的警訊（SOS）
  5. 送出最後想傳達的訊息

先決定結構，就更容易推進後續的圖片、音訊和影片製作。

把 AI 虛擬角色的台詞分成短句

製作角色說話影片時，台詞不要太長也很重要。

文章讀起來即使自然，轉成日語音訊後，停頓或語調也可能不協調。

日語尤其會因助詞、語尾或斷句方式改變意思與印象，因此若想讓 AI 自然發音，把文章切短會比較穩妥。

例如，影片中像這樣分成短句會更容易聽懂。

大家好，我是胰臟。 雖然不起眼，但我支撐著血糖調節與消化。 今天，簡單介紹一下我的工作。

即使人類朗讀，句子太長也會難以換氣和掌握抑揚頓挫。

AI 語音也是一樣，短句更容易接近自然的日語說話方式。

因此，AI 虛擬角色台詞比起書面資訊量，更應優先考量轉成日語音訊後是否容易聽懂。

用 DomoAI 製作角色圖片與背景

腳本完成後，接著製作角色圖片。

這次要透過 DomoAI 的 Talking Avatar 讓胰臟角色說話，因此先製作正面圖片。

用 GPT Image 2 模型製作圖片

DomoAI 提供可從文字生成圖片的 AI 圖片功能。

在左側選單選擇「AI 圖片」。

接著，從 2026 年 5 月新增的下拉選單選擇「文字→圖片生成」，就能根據文字提示詞生成圖片。

不過，這項功能是按照預設動畫範本來生成圖片。

因此這次會從圖片編輯功能使用 GPT Image 2 模型，生成角色圖片。

用於 Instagram Reels、TikTok 和 YouTube Shorts 時，基本上採用直式影片。

因此，製作圖片時就採用直式構圖，後續轉成影片更好剪輯。

這次配合直式短片，先選擇 9:16 構圖。

考慮之後要用 Talking Avatar 讓角色說話，除了外觀，臉部朝向和嘴部是否清楚也很重要。

即使生成可愛角色，若臉朝側面、嘴巴太小，或背景太複雜，也可能不適合用來製作口型同步影片。

因此，在提示詞指定以下事項，較容易產生適合轉成 AI 虛擬角色的圖片。

  • 臉朝正面
  • 嘴部清楚可見
  • 臉不要太小
  • 白色或簡單背景
  • 角色位於畫面中央

先在提示詞指示生成正面角色，且臉部與嘴巴清晰可見。

正面圖片生成後，視需要再做側面、背面與不同表情的圖片，製作影片時就更容易接近預期畫面。

接著製作背景。

分開製作角色與背景，是為了減少構圖或描繪偏離預期的可能性。

也可以一開始就把角色與背景生成為同一張圖片，但角色表情、位置或背景氛圍可能不符合預期。

因此，這次先分別製作角色圖與背景圖，再用 DomoAI 圖片編輯功能合成一張。

另外，DomoAI 圖片編輯功能最多可上傳 9 張圖片。

因為能參考多張圖片生成，很適合用來結合角色圖片與背景。

用 DomoAI 製作音訊

角色與背景圖片完成後，接著製作音訊。

使用文字轉語音製作音訊

DomoAI 不只可上傳外部製作的音訊，也能使用文字轉語音功能生成音訊。

使用方式很簡單。

先在左側選單選擇「AI 影片」。

接著從 2026 年 5 月新增的下拉選單，選擇「文字轉語音」。

之後選擇想用的聲音，在文字腳本欄輸入角色要說的台詞。

截至 2026 年 5 月，文字轉語音功能提供 8 種聲音。

也能視需要，在部分台詞加入情緒表現或語氣，讓聲音更自然。

文字轉語音當然也支援日語。

不過，漢字有時不會按照預期發音。

這時可以把容易誤讀的漢字改成平假名，或用雙引號括住想正確朗讀的部分。

例如，想讓「弱点」正確發音，可輸入「じゃくてん」，就能以預期讀法生成音訊。

使用 AI 虛擬角色功能讓角色說話

圖片與音訊備妥後，使用 Talking Avatar 功能讓角色說話。

之前日語版顯示為「AI 虛擬角色」，目前名稱則是「Talking Avatar」。

Talking Avatar 的使用方式

先準備之前製作的角色圖片，或結合角色與背景的圖片。

從 DomoAI 素材中選擇，或上傳新圖片。

讓角色說話時，臉朝正面且嘴部清晰的圖片，更容易產生自然效果。

側臉或斜角圖片有時也能用，但我認為先以正面圖片測試比較不容易失敗。

接著加入想讓角色說的音訊。

這裡選擇剛才製作的音訊。

之後依音訊長度選擇生成影片秒數。

例如，音訊為 12 秒時，選擇 20 秒設定，才能涵蓋整段長度。

最後把畫面設為適合短片的 9:16，按下「生成」製作影片。

按照前述胰臟角色影片結構，重複這些工作，製作了 5 支影片及額外片段。

DomoAI 製作的圖片、音訊和影片，可下載為以下格式。

  • 圖片：PNG
  • 音訊：WAV
  • 影片：MP4

下載各素材後，匯入 Adobe Premiere Pro 或 Final Cut Pro 等剪輯軟體，接成一支短片。

剪輯影片

DomoAI 適合從圖片生成影片、讓角色說話，但基本上沒有把多個影片素材接成一支的完整剪輯功能。

因此，若要接合多支 DomoAI 影片，或加入音效、背景音樂與字幕，需用 Adobe Premiere Pro、Final Cut Pro 等剪輯軟體完成。

下載音效與背景音樂

製作影片時，若只有角色說話的聲音，有時會顯得單調。

加入符合場景的音效與背景音樂，能創造節奏，讓短片更好看。

有幾個支援日語的素材網站，提供免費且可商用的音效與背景音樂。

知名服務包括効果音ラボ與 DOVA-SYNDROME，以下整理代表性的音效與背景音樂服務。

服務名稱主要素材署名特色與注意事項
効果音ラボ音效不需要以音效見長的經典網站，個人、企業和公家機關皆可免費使用，但禁止再散布或用作 AI 訓練資料。
DOVA-SYNDROME背景音樂、音效不需要背景音樂豐富，在條款範圍內，營利或非營利用途皆免費。不過創作者可能另訂條件。
OtoLogic背景音樂、音效、短音樂需要採 CC BY 4.0 的素材網站，可商用或修改，但免費使用需署名。
甘茶の音楽工房背景音樂原則不需要柔和氛圍的背景音樂很多，商業與個人皆可使用，但禁止單獨販售音樂、二次散布及登錄 YouTube Content ID。
魔王魂背景音樂、音效、歌曲素材不需要擅長遊戲風格與有衝擊力的背景音樂及音效，無需回報使用或支付費用。
BGMer背景音樂自願容易尋找適合影片的背景音樂，在條款範圍內，個人與商業用途皆免費。

使用條款可能變更，實際使用時請確認各服務的最新條款。

用剪輯軟體完成影片

把製作好的影片素材、音效等，匯入 Adobe Premiere Pro 或 Final Cut Pro 等剪輯軟體。

簡單短片只需依序接合各素材，再剪掉不要的部分、整理好，就已經足夠。

再依需要加上背景音樂、音效和字幕，就能讓影片更好理解。

剪輯 DomoAI 等生成式 AI 製作的影片時，剪輯軟體的「速度／持續時間」設定很實用。

影片生成服務有時難以細微指定每一格的動作速度。

因此，若某些動作太快，或反而拖沓，在剪輯軟體調整播放速度，有助於減少違和感。

下圖是 Adobe Premiere Pro 的畫面，不過許多剪輯軟體都有類似的速度調整功能。

此外，不只是 Adobe Premiere Pro，現在很多剪輯軟體也有自動字幕生成功能。

善用這些功能，就能減少手動輸入字幕的時間，為短片加入字幕。

以下就是實際製作的影片。

觀看影片（YouTube）

DomoAI 能在同一服務完成圖片製作、語音製作，以及透過口型同步生成嘴部動作。

因此，即使沒有專業影片製作技能，也能做出在 Instagram Reels、TikTok、YouTube Shorts 常見的食物或家電說話影片。

DomoAI 免費註冊會贈送試用點數，有興趣的話可以體驗看看。

總結與常見問題（FAQ）

最後以問答方式，整理製作短片時容易有疑問的重點。

Q1. 短片幾秒最合適？

A1. 視內容而定，但一開始以 20–60 秒為目標會比較好做。據說前 3 秒吸引注意，是讓觀眾看到最後的最大關鍵，因此有時會加入「試試這個！」「請立刻停止！」「不知道就吃虧了！」等吸睛開場。

Q2. 短片最適合什麼長寬比？

A2. 發布到 TikTok、Instagram Reels 或 YouTube Shorts，基本使用直式 9:16。以 1080×1920px 匯出，可清晰顯示而不損畫質。橫式 16:9 直接發布會出現上下黑邊，請剪裁成直式再編輯。

Q3. 應該加字幕嗎？

A3. 建議加入。社群媒體常在靜音下觀看，沒有字幕就無法傳達內容，更容易被滑過。

Q4. DomoAI 製作的影片可以商用嗎？

A4. 訂閱付費方案後，生成內容的權利基本歸使用者。不過，若原始圖片或角色著作權屬第三方，就不在此限。使用既有角色或他人圖片時，請充分留意，避免侵害著作權。

Q5. 有免費影片剪輯軟體嗎？

A5. 有，例如 CapCut 和 Vrew。兩者基本功能都能免費使用，可以先從這些軟體開始。

以上介紹製作短片時的常見問題。

AI 語音朗讀功能正穩定進步。

使用 DomoAI，可以用同一套流程嘗試圖片生成、音訊製作與口型同步影片。

歡迎用持續進化的 DomoAI，製作角色或物品說話的短片。

最新文章