SceneMixer
繁體中文
免費註冊

翻拍:系統如何從片段讀取台詞與音樂,以及最終會出現在你劇集裡的內容

簡答: 片子的每個鏡頭都會被「聽」兩遍:先由語音識別器判斷「有沒有人在說話、說了什麼」,再由描述鏡頭的模型讀取,並以識別出的文字為依據。因此臺詞是引用出來的,不是從口型猜的;沒人說話的鏡頭會被寫成無聲。如果片子裡有音樂,讀取時會記下它的風格,並把它定為本集配樂的基調。配樂依本集分鏡來規劃,通常一到三段,和一般劇集一樣混在人聲底下。在上傳頁選好臺詞語言後,點 按劇情重拍,讀取一開始語言即固定:臺詞會以該語言寫出,原文若是另一種語言,則翻譯過來。識別器聽不清的臺詞會直接缺漏;請對照你的片子,在分鏡生成後到編輯器裡把它補進對應的鏡頭。在 SceneMixer 裡,識別器聽不清的臺詞就是缺著,不會亂填。
AI 短劇《Sky Rider's War》劇照,由 SceneMixer 端到端生成(10 位角色、1 集)
範例Sky Rider's War膠片實拍1 集由 SceneMixer 從劇本端到端產出觀看劇集

選按劇情重拍讀完後,在第三步打開這一集看梗概:每個場景區塊以「說話人:臺詞」列出臺詞。替換保留片子本身的聲音和臺詞,這一頁講的不適用於它。

台詞是怎麼被聽到的

語音辨識會針對每個鏡頭各自的音訊執行。辨識到的內容會交給鏡頭描述模組,標示「這裡說了這些話」;描述器再依據畫面中的人臉判定說話者,並把台詞寫進該鏡頭。人聲底下的音樂會被妥善處理;但在人群中大喊、口音很重,或是台詞非常小聲的狀況下就容易失敗,這時系統會直接略過而不會編造內容。台詞接著會像劇本一樣出現在大綱裡:寫出容易被辨識的對白。

A storyboard segment: location, time and weather fields, then numbered shots with durations, asset chips and spoken lines
每個鏡頭都會被聽取;聽到的內容會被引用進讀取結果,最後成為大綱裡的台詞。

為什麼要用引用,而不是用猜的

如果完全交給視覺模型回答「這裡說了什麼」,同一個鏡頭有時聽得到、有時聽不到,而且不確定時還會編出看似合理的台詞。把辨識出的文字固定放進描述裡,就能避免這兩種問題;每次描述同一個鏡頭時,都會使用完全相同的文字。

音樂

讀取程序會確認一次影片是否有配樂、以及是哪種類型。如果有,這段描述就會做為該集配樂的風格基調,讓你的重製版聽起來和原作是同一類型的作品;來源的音軌本身完全不會被使用。後續生成的片段本身不會帶有音樂,配樂會像戲劇一樣混在人聲底下。如果該集沒有製作配樂——例如較舊的集數,或是無法產生配樂規劃的狀況——影片模型就會像從前一樣,讓這些片段自帶音樂。影片中的環境音會被記錄下來,但不會沿用。AI 短劇中的背景音樂。

對白語言

選按劇情重拍時在上傳那一屏選,預設是介面語言(中國站是中文),讀片一開始就固定。聽到的其他語言會譯成它。復刻的臺詞語言之後不能改,所以第一步不提供下拉選單。替換沒有這個設定,因為它保留片子本身的人聲;之後把替換專案改成按劇情重拍,臺詞會是你的介面語言。讀完之後。

當台詞漏掉或有錯時

大綱本身在 SceneMixer 上不能編輯,分鏡腳本會逐字照抄其中的台詞。先生成分鏡腳本,再打開台詞所屬的片段,在那裡連同說話人一起新增或修正;台詞指派給錯的人,也用同樣方法修正。編輯免費。生成分鏡腳本。

在片段中在讀取結果中在你的劇集裡
清楚的口說台詞引用內容,並標註說話者成為大綱裡的台詞
沒有人說話鏡頭標記為靜音沒有台詞
語音不清楚略過不寫手動在片段中補上
音樂記錄其風格該集自製配樂的風格基調,混在人聲底下
環境音會被記錄不沿用;分鏡會自行編寫

常見問題

為什麼會少一條台詞?

因為辨識器聽不出來。等分鏡建立後,請對照你的原始片段,在對應片段中手動補上。

會使用原始的人聲嗎?

按劇情重拍不會:聲音來自角色的聲音設定,和任何專案一樣。替換保留片子原本的聲音。

翻拍的對白可以和原始語言不同嗎?

可以,選按劇情重拍:在上傳那一屏選好臺詞語言,讀片時臺詞就會翻譯好。

原始音樂會被重複使用嗎?

按劇情重拍不會。它的性質成為這一集自己配樂的基調,SceneMixer 按這一集的分鏡規劃配樂,通常一到三首,混在人聲底下。替換保留片子原本的聲音,配樂也在裡面。

為什麼人群喊叫沒有台詞?

群體雜訊會被視為背景音,而不是對白。

聽到、引用、寫入

片段裡說了什麼,你的劇集就會說什麼。

開始翻拍

2026 年 11 月 15 日更新