YouTube 無露臉頻道與 CapCut 廣東話字幕秘笈：懸疑旁白 MP3 連 .SRT 字幕的 30 秒基準

無露臉懸疑片主要靠聲音建立畫面。句子太長，觀眾要一路聽一路追字幕；開場太早交代答案，後面再加音效都難補返張力。先寫清楚角色當時知道幾多，再將每句拆成一個動作或發現，聲線先有位置放慢、收細同停一停。

原稿（書面語）vs 執靚後（地道香港口語）逐字對比如下。原稿（書面語）：「凌晨兩點，我已經把門鎖好，卻聽見走廊傳來三次敲門聲。我從門上的窺視孔向外看，外面沒有任何人。」執靚後（地道香港口語）：「凌晨兩點，我明明鎖咗門，走廊卻傳嚟三下敲門聲。我望住門眼，外面一個人都冇。」其中「明明」建立反常感，「三下」貼近日常講法，「門眼」亦比完整書面描述更適合旁白。

本文提供嘅兩個播放器屬不同示範素材，用嚟分別聽敘事方式同懸疑聲線，未經核對不可當成同稿前後測試。上方示範稿可用作另行生成嘅素材。選用 cantonese-thriller-narrator 同 fearful 設定後，仍要覆聽，確認恐懼語氣有冇蓋過字音，尤其係句尾、氣聲同細聲位置。

MP3 負責聲音，SRT 負責每段文字嘅開始同結束時間。兩者使用同一份定稿，可以減少旁白講「冇人」、字幕卻寫「沒有任何人」嘅版本分歧。不過，同源腳本本身唔代表逐字同步；同一句文字換聲線、語速或情緒，實際發聲長度都可能唔同，時間碼必須對應你最後採用嘅音訊。

下載配對檔案時，可以用相同主檔名管理，例如 thriller_take01.mp3 同 thriller_take01.srt。保留文字稿、聲線同生成版本嘅紀錄，之後改一句都知應該重做邊一組。若平台當次輸出冇提供配對 SRT，就要另行建立字幕並對時，唔好將另一個版本嘅時間碼直接套上去。

SRT 嘅時間格式包含時、分、秒同毫秒，例如開始 00:00:03,200，結束 00:00:05,600，即該段顯示 2.4 秒。字幕文字一樣，時間碼亦可以完全唔同。當你喺剪接軟件刪走旁白中間一段靜音，後面嘅字幕通常都要跟住前移；若只改聲音而冇處理字幕，就會逐段走位。

先喺 CapCut 建立項目、設定畫面比例，再匯入 MP3 放到音軌。使用具備本機字幕檔匯入功能嘅版本時，喺文字或字幕相關面板揀選匯入 SRT，將字幕軌同旁白放喺相同起點。介面名稱同功能供應會隨版本、裝置及地區改變；搵唔到入口時，先核對你用緊嘅版本是否支援，必要時轉到支援字幕匯入嘅桌面版本處理。

開聲播放第一句，再跳到中段同最後一句抽查。如果三個位置都固定遲半秒，可以先整組平移字幕；如果越播越遲，就要檢查係咪用錯音訊版本、調過速度，或者中途刪過片段。整組平移只適合固定偏差，累積偏差要返到相應片段逐段處理。

直向短片可以先試每行約 10 至 14 個中文字、最多兩行，作為排版起點。字體大小、手機尺寸同閱讀速度都會影響結果，呢個數字唔係硬性標準。盡量喺完整語意之間斷行，例如「我望住門眼」同「外面一個人都冇」分開顯示；英文字母同數字另計實際佔位。懸疑片尤其要避免太早顯示結局字幕，否則觀眾會比旁白早一步知道答案。

CantoneseTTS.com 團隊內部實測基準案例（Studio Benchmark）應以可重現嘅素材、設定同計時紀錄呈現。本文先提供三十秒成片嘅基準規格及核對方法；現有資料未附生成計時日誌、配對 SRT 或音檔長度驗證，因此暫時未能將「30 秒同步出齊」列為已證實結果。兩段示範音訊亦不可用作外部客戶成效或生成速度嘅證據。

正式計時可由提交已定稿腳本開始，到 MP3 同配對 SRT 都可下載為止，清楚記錄有冇包含排隊、下載同重試。腳本修改、CapCut 匯入、時間軸校正、畫面設計同影片輸出應另外記錄。三十秒片長同三十秒生成耗時係兩個不同量度，結果亦只適用於當次文字長度、聲線、設定及系統狀態。

工時可以先做透明計算：三十秒成片完整覆聽兩次，最低播放時間係 30 × 2 = 60 秒。若以每小時 HK$300 計，呢部分工時成本為 300 × 60 ÷ 3600 = HK$5。當中未計停低改字、處理時間軸、生成費、素材授權或輸出等待，所以 HK$5 只代表指定條件下嘅純覆聽成本，無法當作整條片嘅製作報價。

發布同類教學時，保留原稿、修改稿、測試範圍同限制，讀者先可以判斷方法是否適合自己。Google 嘅實用內容指引重視可靠資訊及對讀者有用嘅原創價值；其生成式 AI 內容指引亦要求重視準確度並作人工核查。呢啲原則支持清楚交代製作方法，並不保證搜尋排名、影片觀看量或任何生成速度。