如何使用 CapCut 為 YouTube 加入 AI 配音

簡短答案： AI 配音（也稱 AI 旁白）會將腳本轉成旁白。以聽覺體驗撰寫、預覽一段、確認商業權利、匯出 MP3，再於 CapCut 先剪音訊。內建 TTS 也可能適合系列；選擇前請比較聲音供應、匯出選項與現行條款。

AI 配音與 AI 旁白是同一種工作。依照重複使用與剪輯控制需求，選擇編輯器內建聲音或獨立音訊檔。

最後更新：2026 年 9 月 14 日。 資料查核：於 2026 年 9 月 14 日查閱 YouTube 官方揭露與營利文件。聲音選擇與剪輯步驟是建議，不是試聽測試、留存實驗或登入帳號上傳測試的結果。

AI 配音、YouTube TTS 與 CapCut TTS 比較

重點： 試試先做音訊：先放旁白，再讓畫面配合。發布前確認聲音與方案允許你的預定用途。

TextSpeech 提供以下流程：瀏覽器預覽 → 授權 MP3 匯出 → YouTube 旁白聲音 → 時間軸。本文是操作流程指南，不是聲音品質比較測試。

使用 AI 語音製作不露臉 YouTube

不露臉 YouTube 結合螢幕錄影、補充鏡頭或投影片與旁白。形式本身不決定合法性或營利資格；權利、原創價值與平台規範仍適用。

YouTube 的頻道營利政策評估原創性與真實性。重複或大量生產的內容可能不符資格；若各影片提供實質不同的內容，沿用形式不代表自動被排除。加入自己的示範、分析或解釋，而非只拼接借用的文字與片段。

每個系列維持一致聲音可能方便製作。記錄聲音、設定與授權；也可以有計畫地更換旁白。

你需要準備什麼

• 完成的腳本，而非重點筆記。TTS 會照你輸入的內容朗讀。
• TextSpeech Studio：超過 1,000 種聲音、11 種介面語言。
• CapCut、Premiere 或 DaVinci Resolve。
• 若影片會投放廣告或需要下載 MP3，請使用付費方案（Basic、Pro 或 Ultra）。Free 每次最多 500 個字元，僅供預覽，不含商業用途。請查看價格。
• 選配：付費方案的情緒標籤，可加強語氣而不必加速整段錄音。

投入 10 分鐘腳本之前，先在 Studio 試聽一個實際段落。如果仍像部落格文章，先改寫成適合口說的文字。

把腳本寫成口說語言

文字轉語音不會即興發揮。使用短句、把數字寫成讀法，省略「歡迎回到本頻道」之類的暖場空話。

會改變音訊結果的規則：

• 每句一個想法。句號能形成 TTS 會遵循的停頓，連串逗號通常做不到。
• 寫出你想聽到的讀法：10% → ten percent；必要時以音標式拼法處理產品名稱。
• 儘早說明目的或核心問題。發布後查看自己的觀眾留存資料；本文並未建立通用的 12 秒分界。
• 先產生音訊，再剪補充鏡頭。硬把旁白塞進已定稿的畫面會產生空白。

直接切入主題的開場範例（CapCut 教學）

大多數 CapCut 字幕失敗只有一個原因。你替吵雜房間的錄音自動加字幕，接著花二十分鐘修正名稱。先產生旁白，再為乾淨的檔案加字幕。

英文原文共有 27 個單字（每分鐘 140 個英文單字時約 12 秒）。在 Free 只產生這一段來測試節奏。如果用手機喇叭以 1.0x 播放仍無法吸引人，就先不要產生其餘腳本。

在 Studio 產生 AI 配音

Studio 實際截圖，介面為英文：範例為 171/500 個字元、速度 1.00x，尚未選擇聲音或產生音訊。這是準備步驟，不是音質測試。

1. 開啟 Studio，或從 YouTube 語音產生器頁面開始，篩選旁白風格的聲音。
2. 貼上一個符合方案上限的段落。Basic/Pro 每次可產生 15,000 個字元，8 分鐘英文腳本通常放得下；實際字元數超過上限才需拆分，也可為方便剪輯自行分段。
3. 以相同段落和速度比較兩種聲音，依發音與清晰度選擇。下列建議是試聽起點，不是各類頻道必須遵守的規則。
4. 預覽 20–30 秒。先微調速度（長教學適合 0.95–1.0x），再花點數產生整段。
5. 付費方案匯出 MP3。只有要在 DAW 混音時才使用 WAV。

若某個字發音出錯，修改文字，不要重做整段。調整拼音並縮短句子，比重新產生 1,000 個英文單字更有效。

可試聽的聲音與速度建議

付費方案包含情緒標籤，可以逐句加強語氣；當一句話需要活力、又不想加速整段時很實用。

匯出 MP3 並遵守產生上限

TextSpeech 方案限制（2026 年 9 月）：

10 分鐘 YouTube 腳本（約 1,400 個英文單字）通常可放進一次 15,000 個字元的產生。請檢查實際字元數，超過上限才需拆分，也可為剪輯方便自行分段。依段落命名檔案： 01-hook.mp3、02-demo.mp3、03-close.mp3，再於時間軸串接。

更多匯出資訊：文字轉 MP3。

CapCut 配音：匯入並先剪音訊

CapCut 內建 TTS 可能符合你的流程。若需要可重複使用的獨立檔案，可匯入 MP3。選定系列聲音前，請確認你所用版本的聲音供應、匯出選項與使用條款。

1. 新增專案 → 先匯入 Studio MP3。記下長度，這就是你的時間基準。
2. 接著匯入螢幕錄影或補充鏡頭。依音訊剪畫面。
3. 在段落交界拆分音訊（腳本中的每個 H2），修正一段時才不必重建整條時間軸。
4. 依腳本製作字幕，或對照腳本修正自動字幕。檢查產品名稱，並將每條字幕時間對齊最終音訊。
5. 說話時降低音樂，聆聽語音是否清楚並檢查削波。降低 12–18 dB 可作為起點；適當音量取決於錄音。
6. 匯出 1080p（來源為 4K 則可匯出 4K）。音訊使用 AAC、48 kHz。

Premiere 與 DaVinci 的順序相同：音訊底稿 → 畫面 → 字幕。

若已使用 CapCut TTS，且符合需求與授權，可繼續保留。比較匯入 MP3 時，先將原音軌靜音、把新音軌對齊起點，確認時間後再決定是否移除原檔。

在 YouTube 透過 AI 配音營利

上傳時請查看 YouTube 的 AI 揭露要求。目前 YouTube Studio 官方步驟為屬性 → AI 使用：符合逼真且有實質 AI 生成或變更的標準時選「是」，否則選「否」。並非所有 TTS 用途都自動需要揭露。揭露本身不會取消營利資格；頻道與內容仍須符合營利政策。

開啟廣告前的檢查清單：

• 腳本和畫面都是你自己的，不是改寫文章或擷取別人的清單。
• TTS 授權包含商業／YouTube 用途（TextSpeech 的 Basic 以上方案；Free 不包含）。
• 你從 Studio 匯出了真正的 MP3，而不是錄製預覽播放器畫面。
• 字幕由腳本製作並上傳。
• 音樂具有授權，且音量低於人聲。
• 在上傳流程要求的地方誠實填寫 AI 揭露資訊。

分別確認腳本、畫面、音樂與所選聲音的權利。訂閱 TTS 不代表取得他人素材的權利；版權授權與 YouTube 的重複使用內容審查是不同事項。

常見錯誤

• 未確認是否適合整段教學，就選用充滿活力的廣告聲線。
• 貼上前未檢查實際字元數是否超過 500 個字元（Free）或 15,000 個字元（Basic/Pro）的上限。
• 先剪影片，再強迫 TTS 配合任意切點。
• 沒有記錄聲音與設定，導致日後使用任何工具都較難重現後續集數。
• 用同一模板製作 30 支幾乎相同的「前 10 名」影片，這就是 YouTube 管制的量產模式。
• 只用錄音室耳機聽。手機喇叭、1.0x 播放才是誠實的測試。

常見問題

YouTube 會取消 AI 聲音的營利嗎？

TTS 本身不決定營利資格。YouTube 會依營利政策審查頻道及內容，包括原創性與重複使用規範。取得授權不代表保證能營利。

不露臉 YouTube 頻道可以使用 AI 配音嗎？

可以，前提是影片提供原創價值：你的螢幕錄影、你的測試、你的剪輯，而不是投影片加上擷取來的文字。

如何在 CapCut 加入 AI 配音？

在 Studio 產生 MP3，匯入 CapCut，依音訊剪補充鏡頭，再根據腳本加字幕。CapCut TTS 可選擇用於草稿。Premiere 也使用相同順序。

YouTube 應使用 MP3 還是 WAV？

CapCut 和 YouTube 上傳使用 MP3。若先在 DAW 等化或壓縮，則使用 WAV。

我需要複製自己的聲音嗎？

不需要。你可以選擇有授權的聲音庫旁白。請確認條款，並避免未經適當同意冒用他人身分。

YouTube AI 配音要花多少錢？

每日簽到點數範圍內可免費預覽。MP3 與商業用途從 Basic 開始提供。 10 分鐘影片約 1,400 個英文單字，通常可放進一次 15,000 個字元的產生。請檢查實際字元數；超過上限才需拆分，其餘情況可為方便剪輯自行分段。

先在 Studio 產生前 30 秒。等這段聽起來像你願意追蹤的主持人，再完成其餘腳本。