The 3-Second Hook for IG Reels and YouTube Shorts: Using Excited, Surprised and Suspenseful Voiceover to Keep Viewers Watching
Viewers on IG Reels and YouTube Shorts decide within the first 3 seconds whether to swipe away, and the emotion of your voiceover is the cheapest variable to change. This CantoneseTTS.com Studio Benchmark shows how to write a hook of about 12 characters in surprised, excited and suspenseful tones, then A/B test which one keeps viewers watching.
按清晰廣東話每秒約 4 至 5 字，扣走開頭半秒停頓計算
同一條片只換頭 3 秒情緒：驚訝、開心（激動）、恐懼（懸疑）
每條約 35 秒，3 條合計約 105 秒
Keep the first 3 seconds of a Reels or Shorts voiceover to about 12 Cantonese characters, open with a surprised, excited or suspenseful tone, then publish 3 hook variants of the same video and pick the winner by swipe-away ratio and average watch time.
Compare Flat Reading vs. Directed Cantonese Emotion
「姊妹，乜話？全場貨品一折起？係真㗎！今晚八點準時開搶，限量一百件，遲咗就冇！快啲撳個 bell 等開賣啦！」
Why the First 3 Seconds Decide Whether Viewers Swipe Away
喺 IG Reels 同 YouTube Shorts，觀眾嘅手指一直放喺螢幕上，隨時準備向上滑。平台會參考觀眾有冇睇落去、有冇重看等訊號去決定推唔推俾更多人，所以頭 3 秒留唔留得住人，直接影響後面嘅觸及。好多香港品牌已經花心機喺畫面、字幕同音樂，但旁白第一句仍然係「大家好，今日想同大家介紹」，平穩冇起伏，正正係最容易令人滑走嘅開場。
旁白情緒係製作成本最低嘅變數。改畫面要重拍，改音樂要搵版權，改旁白情緒只需要喺 CantoneseTTS.com 工作台換一個情緒掣再生成。CantoneseTTS.com 團隊內部實測基準案例（Studio Benchmark）將同一條 15 秒產品片嘅頭 3 秒旁白，做咗驚訝、激動、懸疑三個版本，每個版本生成約 35 秒，三條加埋約 2 分鐘就準備好做 A/B 測試。
- 第一句旁白避免用「大家好」「今日同大家介紹」呢類慢熱開場
- 頭 3 秒旁白同畫面第一格要講同一樣嘢，唔好各自為政
- 改情緒比改畫面平得多，係 A/B 測試嘅首選變數
Excited, Surprised or Suspenseful: Choosing Your Hook Emotion
喺 CantoneseTTS.com 嘅 7 種情緒入面，激動可以用「開心」情緒做出嚟，驚訝直接用「驚訝」，懸疑就用「恐懼」情緒，配合短句同停頓製造緊張感。三種情緒對應唔同內容：激動 Hook 例如「今晚八點，全場半價開搶！」適合 flash sale；驚訝 Hook 例如「乜話？呢支精華得兩蚊一日？」適合價錢反差或者使用前後對比；懸疑 Hook 例如「千祈唔好咁樣洗面……」適合知識型同揭秘內容。
執稿方面，Hook 句要避免書面語。原稿（書面語）：「本店現正舉行限時折扣優惠活動。」執靚後（地道香港口語）：「今晚八點，全場半價開搶！」原稿 14 字（不計標點），聽完都未知幾時、幾多折；口語版 10 字，時間、折扣、動作一句講晒，3 秒內讀得完。
- 激動 Hook：時間加優惠加動作，例如「今晚八點，全場半價開搶！」
- 驚訝 Hook：用反問句起頭，例如「乜話？」「唔係嘛？」
- 懸疑 Hook：講一半留一半，例如「千祈唔好咁樣洗面……」
The 12-Character Rule: Writing a Hook That Fits in 3 Seconds
好多人寫 Hook 寫到成句 20 幾字，結果 3 秒過咗重點都未出現。CantoneseTTS.com 團隊內部實測基準案例用嘅計法好簡單：清晰廣東話旁白每秒約 4 至 5 個字，開頭預留半秒俾畫面入場，3 秒實際可用約 2.5 秒，即係大約 10 至 12 字。寫完 Hook 數一數字，超過 12 字就刪形容詞、刪客套話。
刪字實例：原稿（書面語）「各位觀眾朋友大家好，今日我們想同大家分享一個非常實用的護膚小技巧。」不計標點共 31 字。執靚後（地道香港口語）「塊面成日出油？試吓呢招！」只得 10 字，用驚訝情緒讀約 2.5 秒。打招呼同「非常實用」呢類形容詞全部刪走，留低觀眾最關心嘅痛點同一個行動。
- Hook 字數上限約 12 字（不計標點），超過就拆去第二句
- 刪走打招呼、自我介紹同「非常」「十分」等形容詞
- 痛點或利益放喺頭 5 個字，畫面同步出字幕
How to A/B Test Hook Emotions and Which Metrics to Read
A/B 測試最忌一次改太多嘢。如果同時換咗旁白、封面同音樂，數據好咗都唔知係邊樣起作用。穩陣做法係固定所有畫面元素，只喺 CantoneseTTS.com 工作台用同一把 cantonese-flashsale-girl 聲線，生成驚訝、開心（激動）、恐懼（懸疑）三個 Hook 版本，配返同一條片。
數據方面，YouTube Studio 嘅 Shorts 報告會顯示觀眾「已觀看」同「滑走」嘅比例，IG Reels 嘅洞察報告就可以睇平均觀看時間同播放次數。建議每個版本累積到數百次播放先比較，避免樣本太細俾偶然數字誤導。勝出嘅情緒記錄低，下一條同類型內容就直接沿用，慢慢建立屬於你品牌嘅 Hook 情緒庫。
- 每次測試只改一個變數：頭 3 秒旁白情緒
- 每個版本累積足夠播放量先比較，唔好睇頭一個鐘數據就下結論
- 將勝出情緒按內容類型記錄，建立品牌 Hook 情緒庫
Frequently Asked Questions
Q1. Should I use AI or record my own Reels voiceover?
Self-recording feels authentic but needs a quiet room and retake time. AI voiceover can produce 3 emotion variants in about 2 minutes for testing, which suits brands that iterate quickly. Many teams combine both.
Q2. How do I create a suspenseful tone with AI?
Use the fearful emotion and pair it with short sentences, ellipses and a half-revealed line such as 千祈唔好咁樣洗面…… so the script and the tone build tension together.
Q3. Can I mix English into a Cantonese hook?
Yes. Hong Kong viewers are used to words like sale and check, but keep English to 1 or 2 words in the hook so pronunciation stays stable in the first 3 seconds.