對話編輯與ADR導演
當口述音訊必須承載故事、品牌、指令、角色或無障礙性時,請使用此技能。將對話視為一場表演和一份編輯合約,而不僅僅是波形。目標是保留清晰度、意圖、連續性與權利,同時為後續的混音師、字幕員、在地化團隊或下游影片代理提供明確無誤的素材。
證據立場
以下記錄的事實來自專業標準、官方平台指引、官方工具文件或權利組織。易變的平台/工具/法律事實已於2026年7月10日查證。經驗觀察僅限於AI代理應在實際專案中執行的聆聽/QC行為;未經試聽,不假設任何通用的音訊處理結果。生產啟發法是在畫面和輸出規格下進行測試的實用預設值,而非音訊法則。
第一步:判斷對話問題類型
在處理每句台詞或段落前,先進行分類:
production-edit:可用的原始音訊需要清理、平滑、填充、符合或篩選。performance-fix:台詞技術上可用,但語調、情感、發音、重音或時機不符合場景需求。ADR-replace:原始音訊無法聽懂、含有無法修復的噪音/削波、包含更改過的劇本、需要法律/品牌修正,或必須配合新的剪輯。localization-dub:新語言或地區版本必須保留原意、表演、時機與畫面同步。VO-style-dub:原始聲音部分可聞或刻意在當地配音下壓低。synthetic-rerender:必須重新生成、編輯或指導授權的合成語音或通用TTS語音。caption/transcript-handoff:文字資產必須準確且無障礙地呈現最終聽到的音訊。
不要只因修復不便就選擇ADR或合成替換。首先判斷原始表演能否在無可聞偽影的情況下變得可聽懂、演員/語音權利是否允許替換,以及替換後是否能與畫面和連續性匹配。
應尊重的事實記錄
- ITU-R BS.1770-5規定了測量音訊節目響度和真實峯值位準的演算法;它是一種測量方法,而非創意混音配方。來源:ITU-R BS.1770-5,2026年7月10日查證。
- EBU R 128 5.0版建議將節目響度歸一化至-23 LUFS,並使用響度範圍與真實峯值描述詞。來源:EBU R 128,2026年7月10日查證。
- FCC針對美國電視的字幕品質指引使用四大支柱:準確性、同步性、完整性與位置。FCC指引指出,預錄節目應完全合規,因為可以進行離線審查。來源:FCC DA 21-469,2026年7月10日查證。
- W3C WCAG 2.2 SC 1.2.2要求同步媒體中的預錄音訊需提供字幕,字幕需涵蓋對話、說話者識別及有意義的非語言資訊。來源:W3C WAI Understanding SC 1.2.2,2026年7月10日查證。
- Netflix定時文字一般要求使用最少5/6秒、最多7秒的字幕事件持續時間、最多兩行,以及避免遮擋相關螢幕文字的位置。這些是Netflix的要求,並非通用規格。來源:Netflix合作夥伴幫助中心,2026年7月10日查證。
- Netflix配音指導強調,唇形同步主要應根據畫面而非原始版本的波形進行判斷;關鍵時刻應考量嘴型、唇音以及嘴部開始/結束形狀。來源:Netflix配音指導原則,2026年7月10日查證。
- Netflix配音/混音指導要求對話應自然地嵌入音樂與效果音軌中,具有真實的電平、EQ、殘響、遠近感、模擬效果以及跨語言的連續性。來源:Netflix配音內容混音風格指南,2026年7月10日查證。
- Netflix非虛構類英語配音指導建議錄製乾淨的對話,除不超過100 Hz的低切外不使用動態處理,移除舌頭點擊/唾液聲(若為表演驅動則除外),對話片段使用淡入淡出,根據音訊參考進行剪輯,並在適用的工作流程中使配音對話與原始版本在相同時間結束。來源:Netflix合作夥伴幫助中心,2026年7月10日查證。
- iZotope RX文件將「Mouth De-click」描述為檢測並減少嘴部雜音(如點擊聲和嘖嘖聲),但警告高靈敏度可能影響爆破音或損壞原始訊號。「RX De-plosive」則用於識別並減少爆破音,同時保留語音基礎與泛音,但強度過高會損害有用的語音。這些是工具能力,並非保證。來源:iZotope RX文件,2026年7月10日查證。
- 美國版權局AI報告頁面指出,第一部分於2024年7月31日發布,涉及數位複製品;而SAG-AFTRA的AI框架將明確同意、公平補償與表演控制權作為護欄。NAVA建議表演者合約應包含同意、AI/合成使用與訓練限制、退出或期限限制、付款、獨家性說明以及安全儲存/追蹤。這些並非完整的法律意見。來源:美國版權局、SAG-AFTRA、NAVA,2026年7月10日查證。
應在實際媒體上執行的經驗檢查
聆聽,不要僅憑量表推斷。對於每個交付項目,至少執行以下檢查:
- 耳機檢查:點擊聲、剪輯痕跡、呼吸聲、爆破音、衣物摩擦聲、嘶嘶聲、粗糙的去噪偽影、被截斷的音節、不自然的環境音循環。
- 喇叭檢查(一般消費者音量):關閉字幕,判斷不熟悉劇本的人能否跟上台詞。
- 小喇叭或單聲道檢查:當內容可能在手機、筆電、電視或社交媒體上觀看時。
- 畫面同步檢查:使用最終幀率和編碼路徑,因為DAW、NLE、瀏覽器或低延遲預覽的計時可能誤導同步判斷。
- 背景脈絡檢查:搭配音樂、效果與字幕/副標題(以最終發行版本為準);單獨聽很清晰的台詞在完整混音中可能失敗。
生產啟發法
建立對話地圖
在修復或ADR之前,建立一個逐句的地圖。包含:
- 時間碼(進/出);
- 說話者/角色;
- 在螢幕上或螢幕外狀態;
- 來源檔案/鏡次/音軌;
- 確切聽到的文字與預期文字(如有不同);
- 問題標籤;
- 建議處理方式;
- 發音符號;
- 任何真實人物語音或合成肖像的權利/同意狀態;
- 給字幕、逐字稿、混音師或在地化團隊的交接備註。
偏好以下格式:
TC In-Out | 說話者 | 畫面 | 聽到/預期 | 問題 | 處理 | 備註
00:00:12:04-00:00:15:10 | Maya | 上 | "我們星期五出貨" | "星期五"處有風扇聲+點擊聲 | 修復 | 保留笑聲呼吸;環境音B
00:00:35:12-00:00:37:01 | CEO | 下 | "Series B" 被誤讀為 "serious B" | 發音 | ADR | 說 "SEER-eez bee";法律名稱不變
保留最佳原始表演
使用對真實問題干擾最小的路徑:
- 備用麥克風或隔離的原始聲道。
- 備用鏡次或野生台詞。
- 手動剪輯、片段增益、短交叉淡入、環境音填充。
- 僅針對缺陷進行目標修復。
- 當台詞仍無法聽懂、錯誤、不安全或偏離簡報時,使用ADR或合成重新生成。
避免先進行廣泛降噪。廣泛處理通常會在解決剪輯問題之前,先減少子音細節、呼吸真實感和環境連續性。
將對話剪輯為連續的氣息
在組裝或篩選時:
- 保留支持表演的呼吸,僅移除分散注意力或技術上不良的呼吸。
- 在對話被剪斷的每個間隙使用環境音或匹配的氛圍。
- 為每個剪輯邊界添加交叉淡入,除非剪輯落在掩蓋的噪音或真正不需要淡入的瞬態中。
- 根據場景、麥克風遠近感和情感距離匹配環境音。不要將單一「靜音」背景貼到不同房間。
- 使用片段增益在壓縮前平滑音節。將壓縮視為混音輔助,而非修復不穩定剪輯的工具。
- 維持子音攻擊。不要僅僅因為波形看起來很安靜就剪掉爆破音、摩擦音或軟音入口的前端。
按修復順序清理偽影
使用有目標、經過試聽的步驟:
- 透過邊界、淡入和零點交叉調整移除剪輯爆音。
- 局部減少嘴部點擊/嘖嘖聲;當真實感重要時,保留與表演相關的嘴部質感。
- 使用目標低頻或去爆破音處理減少爆破音;如果實用的低頻聲音受損,則復原並使用手動片段增益/頻譜修復。
- 使用窄頻、動態處理控制嘶嘶聲;不要讓說話者變成大舌頭。
- 使用高通或嗡嗡聲移除,僅進行必要程度的處理以減少嗡嗡聲/隆隆聲。對於口語內容,低切選擇必須尊重語音本體和輸出規格。
- 保守使用降噪/去殘響/對話隔離,聆聽是否產生水聲、相位聲、唧唧聲或暗淡的子音。
- 修復後重新平衡片段增益和環境音,因為修復可能揭露新的不連續性。
如果修復產生的偽影比原始問題更明顯,請復原並選擇備用鏡次、ADR或誠實地標註「無法乾淨修復」。
ADR與配音指導
準備提示
一個ADR提示應該讓表演者無需猜測即可表演。包含:
- 一句話的場景脈絡;
- 畫面參考時間碼;
- 確切台詞及經核准的替代台詞;
- 需要ADR的原因;
- 表演意圖;
- 同步錨點:嘴巴開始/結束、唇音、可見的停頓、手勢、呼吸、反應;
- 名稱、縮寫、產品術語及敏感詞的發音指南;
- 麥克風/遠近感目標:近距離、胸腔音、耳語、隔室大喊、電話、頭盔、廣播、檔案等;
- 房間/處理目標,以及混音師應匹配原始瑕疵還是改善清晰度;
- 需要的鏡次數以及鏡次之間的變化。
對於提示方式,使用演員和錄音設備支援的任何方式:嗶聲、彩帶、視覺文字、循環錄音或聽寫重複。三聲嗶聲ADR在電影工作流程中很常見,但如果會影響演員就別強求。提示方法是表演輔助,而非目標。
在波形之前指導表演
給演員可表演的動詞和脈絡:
- 說出說話者希望聽者做什麼。
- 辨識台詞中的情感轉折。
- 一次只給一個時機指示。
- 保留場景中的社會地位、疲勞感、年齡、口音政策和關係。
- 除非故事需要額外清晰度,否則要求自然的發音。
- 對於廣告和解說,圍繞意義而非每個品牌詞進行強調。過度強調的產品術語聽起來很假。
對於在地化,保留意圖而非詞序。當角色和簡報合適時,使用口語化的目標語言措辭。當畫面同步重要時,根據嘴巴和剪輯而非僅根據原始波形進行判斷。起始和結束的嘴型、可見的唇音、以及開母音在特寫和關鍵時刻最為重要。
捕捉足夠的鏡次以供剪輯
要求:
- 一個忠實於時機的鏡次;
- 一個優先考慮表演的鏡次;
- 一個發音更清晰的鏡次;
- 一個安全備用,帶有較短或較長的短語(如果同步可能需要);
- 僅在權利和表演需求證明合理時,才錄製環境音/努力聲/呼吸聲。
對於非虛構VO風格的配音,除非風格指南或客戶明確要求,否則避免錄製笑聲、哭聲和非語言反應。當原始非語言聲音保留在混音中時,編輯應突出它們而非重複。
維護聲音連續性
為重複出現的聲音建立連續性備註:
- 聲音來源或演員;
- 同意/權利範圍;
- 語言/地區;
- 年齡、性別表達、口音政策、方言備註;
- 說話速率範圍;
- 音高/能量範圍;
- 麥克風距離與房間;
- 標誌性發音;
- 先前的處理:EQ、殘響、模擬效果、噪底、去嘶聲行為;
- 例外情況,如檔案、電話、壓力、疾病、閃回或故意不匹配。
除非專案擁有明確權利且對該特定用途已取得知情同意,否則切勿使用合成複製來「匹配」真實人物的聲音。如果同意不明確,請提供通用語音、新的選角方向或權利確認問題。
合成語音邊界
在使用TTS、語音轉換、語音複製或合成配音之前:
- 確認誰擁有或控制來源語音、說話者是否同意此用途、是否允許模型訓練或語音複製、用途是否受期限/地區/媒體限制,以及客戶、平台、合約或法律是否要求揭露。
- 未經書面許可,不得基於可識別的活人或死者進行訓練、複製、模仿或「聽起來像」。
- 不得使用合成語音讓某人看起來說了他們未授權的話。
- 不得從公開可用的錄音推斷同意。
- 保留審計備註:來源、許可/同意摘要、語音ID、提供者/模型、日期、提示、參數、編輯者及最終用途。
- 如果提示要求模仿受保護或可識別的語音而無權利,請轉向允許的聲音品質:年齡範圍、能量、速度、音色、口音(僅在適當且非諷刺描繪時)。
好的合成指導仍然是表演指導:
語音:授權內部品牌敘述者,平靜但非昏昏欲睡。
台詞:「您的備份在咖啡完成之前就結束了。」
意圖:令人安心的證明,而非炒作。
速度:中快;提到「咖啡」時帶輕微笑意;無播音員式的轟鳴。
發音:「backup」讀為 BACK-up,而非 back-UP。
表演限制:不得模仿任何名人或員工;不得添加額外文字。
編輯備註:留200毫秒乾淨尾巴用於交叉淡入;提供乾WAV及時間碼。
字幕、逐字稿與無障礙性交接
口語音訊交接必須與最終發行版本匹配,而非與原始劇本匹配。
...
[因內容過長被截斷]