衛教影片的觀眾通常不是在放鬆,而是在焦慮。他們剛拿到診斷、剛出院、或正在幫家人查資料。這種情境下,配音的第一個任務不是好聽,是讓人聽得懂、聽得下去、不會誤解。
也因為如此,衛教內容對配音的要求比其他行銷影片更嚴格:語氣不能太亢奮、語速不能趕、專有名詞要唸對、多語言版本不能出現意思偏差。這篇談 AI 配音在衛教場景怎麼用、哪裡必須留給真人與醫護審核。
本文談製作流程與實務,不構成醫療或法規建議。實際內容與揭露方式,請依機構的合規、法務與臨床審查流程辦理。
衛教配音的四個真實約束
| 約束 | 具體要求 | 對配音的影響 |
|---|---|---|
| 正確性 | 藥名、劑量、療程不能有任何模糊 | 需要逐字稿與臨床複核,不能只靠聽感 |
| 可理解性 | 假設觀眾沒有醫學背景 | 語速放慢、句子縮短、避免堆疊專有名詞 |
| 情緒安全 | 不製造恐慌,也不淡化風險 | 語調平穩、句尾下沉,避免上揚的推銷感 |
| 可追溯 | 內容改版要能對應到版本 | 每支影片保留腳本、聲音、日期與審核紀錄 |
這四點決定了 AI 配音在衛教裡的角色:它是產能工具,不是內容作者。 醫學內容由人寫、人審;AI 負責把已核可的文字穩定地唸出來,並快速產生多語言版本。
語氣:衛教配音最容易做壞的地方
一般廣告配音追求「有能量」,衛教配音追求「可信任」。這兩件事的技術差異很具體:
| 項目 | 廣告配音 | 衛教配音 |
|---|---|---|
| 語速 | 快,製造節奏 | 慢 10–20%,留出理解時間 |
| 音高起伏 | 大,抓注意力 | 小,避免情緒暗示 |
| 句尾 | 常上揚 | 下沉,表示陳述完成 |
| 重音 | 強調賣點 | 強調「劑量、時間、下一步」 |
| 停頓 | 短,保持動能 | 長,尤其在指示句之後 |
實務上最有感的一條:每個指示句後面留 0.6–0.9 秒。 「每天早晚各一次。」停一下,觀眾才有時間把它放進記憶,而不是被下一句推走。
三種語氣,對應三種情境
| 情境 | 建議語氣 | 不建議 |
|---|---|---|
| 門診前準備、檢查說明 | 平穩、清楚、像護理師說明 | 客服式的親切上揚 |
| 慢性病日常管理 | 溫和、鼓勵、具體 | 過度熱情或激勵演講腔 |
| 風險與副作用說明 | 中性、明確、不迴避 | 快速帶過或刻意輕描 |
專有名詞:唸對比唸順更重要
AI 配音唸錯藥名是衛教影片最嚴重的失敗。常見錯誤有三類:
- 中英混用:
HbA1c、MRI、CT直接照字母唸,觀眾聽不懂。 - 多音字:中文藥名、部位名稱有破音字,TTS 可能選錯讀音。
- 縮寫與全稱不一致:前段唸「糖化血色素」,後段唸「HbA1c」,觀眾以為是兩件事。
處理方式:
- 建立一份機構專屬發音表:藥名、檢驗項目、儀器名稱、科別,標註正確讀音與全稱。
- 腳本第一次出現時用「全稱(縮寫)」,之後才用縮寫。
- 用 SSML 或發音標記固定讀音,不要每次重新生成就變一次。
- 生成後一定要人工聽過一輪,尤其是藥名與數字。
需要精細控制停頓與讀音時,用平台提供的 SSML 標記與發音字典;重點是同一批素材用同一份設定,不要每次重新生成就換一套讀音。
數字、劑量與時間:三段式唸法
衛教內容裡的數字密度很高,唸法要一致:
| 類型 | 建議唸法 | 範例 |
|---|---|---|
| 劑量 | 數字 + 單位分開、放慢 | 「每次 5 毫克」,不要連成一串 |
| 頻率 | 先次數、後時間 | 「一天兩次,早晚各一次」 |
| 時間長度 | 明確單位 | 「連續 7 天」,不要說「一週左右」 |
| 範圍 | 兩端都唸完整 | 「收縮壓 120 到 139」 |
同時避免「大概」、「差不多」、「應該可以」這類模糊詞出現在指示句。衛教影片的模糊,觀眾會解讀成「所以我可以不照做」。
多語言衛教:不是逐字翻譯
同一支衛教影片做成國語、台語、越南語、印尼語版本,在許多醫療機構是實際需求。AI 配音讓這件事變可行,但逐字翻譯會出事。
| 做法 | 結果 | 建議 |
|---|---|---|
| 逐字直譯 | 語序怪、專業詞不準 | 不要用 |
| 醫療術語保留英文 | 部分族群聽不懂 | 只在該語言慣用時保留 |
| 本地化改寫後再配音 | 意思準、語感自然 | 建議做法 |
| 每個語言獨立審核 | 品質最高 | 高風險內容必做 |
多語言版本的固定流程:
- 中文母稿由醫護審核定稿。
- 每個語言由該語言的醫療或衛教人員改寫,而不是翻譯社直譯。
- 改寫稿再審一次(劑量、頻率、禁忌)。
- 才進配音生成。
- 每語言獨立聽審。
這條流程比翻譯慢,但可以避免「劑量單位在翻譯後被誤讀」這類高風險錯誤。跨語言版本的製作細節,可延伸閱讀多語言產品影片配音流程;品質把關的清單則在配音本地化 QA 檢查清單。
無障礙:字幕、對比與播放情境
衛教影片常在候診區、病房、手機上播放,環境吵、螢幕小、觀眾可能重聽。基本要求:
- 一定要有字幕,且與配音同步(可參考 WCAG 的 captions 要求)。
- 字幕字級在手機上可讀,避免白字壓在淺色背景。
- 提供文字版(網頁或 PDF),讓觀眾可以回頭查。
- 影片長度控制在 3 分鐘內,必要時拆成多支。
- 播放器預設開啟字幕,而不是要使用者自己找。
字幕不是附加品:它是重聽觀眾、嘈雜環境與靜音播放的唯一入口。把字幕當成必要交付項目,而不是上線前補的裝飾。
合規與揭露:三個實務提醒
- AI 生成語音的揭露:目前沒有全球統一標準,依地區、平台與機構政策而異。做法是先問機構的法務與病患溝通部門,再決定是否在片尾加註「本影片語音由 AI 生成」。
- 不得暗示醫病關係:AI 聲音不能被塑造成「你的醫師」在做個人化建議。旁白角色應是「機構說明的聲音」。
- 個資與案例:使用病患故事需書面同意,且避免可辨識資訊。配音不改變這一點。
另外,若內容涉及特定療法、療效或比較,通常需要更嚴格的臨床與法務審查。不要用 AI 配音去繞過審查流程,那只會讓問題更晚被發現。
製作流程:從定稿到上線
| 階段 | 負責 | 產出 |
|---|---|---|
| 1. 醫學內容撰寫 | 醫護或衛教人員 | 母稿(含劑量、頻率、禁忌) |
| 2. 臨床複核 | 醫師或藥師 | 核可版腳本 |
| 3. 口語化改寫 | 內容編輯 | 適合聽的短句版本 |
| 4. 發音表建立 | 編輯 + 配音 | 專有名詞讀音清單 |
| 5. 配音生成 | 製作 | 各語言音檔 |
| 6. 聽審 | 醫護 + 該語言人員 | 通過或退回 |
| 7. 字幕與上架 | 製作 | 影片 + 字幕 + 文字版 |
| 8. 版控 | 製作 | 版本紀錄與到期日 |
第 6 步不能省。AI 配音的錯誤通常是「聽起來很順但內容錯」,只有逐句對稿才抓得到。
成本與產能:什麼時候值得用 AI
| 情境 | 傳統錄音 | AI 配音 | 建議 |
|---|---|---|---|
| 單支、一次性的高敏感內容 | 交期長、成本高 | 快 | 看機構政策,兩者皆可 |
| 每年改版多次的標準衛教 | 每次重錄成本高 | 只重生變動段 | AI 明顯划算 |
| 多語言(3 種以上) | 成本倍數成長 | 邊際成本低 | AI 明顯划算 |
| 需要主持人情感連結的宣導片 | 真人較好 | 可輔助 | 以真人為主 |
判斷原則很簡單:內容重複、需要多語言、改版頻繁 → AI;需要真實情感與見證 → 真人。 兩者混用也很常見:真人開場,AI 負責說明段落。
想固定機構的旁白聲線,可以用聲音克隆建立一個專屬聲音,再用文字轉語音批次產出各語言與各段落版本。
常見問題
Q:衛教影片可以用 AI 配音嗎? 多數機構沒有明文禁止,但通常要求內容經臨床審核、揭露方式依政策辦理。先確認機構規範,再開始製作。
Q:AI 唸錯藥名怎麼辦? 建立發音表並用發音標記固定,且每次生成後人工聽審。不要只依賴模型自動判斷多音字。
Q:多語言版本可以只做翻譯嗎? 不建議。醫療指示在直譯後容易失真,應由該語言人員改寫並複核。
Q:需要標註「AI 生成」嗎? 依地區與機構政策。保守做法是在片尾或說明欄加一行註記,並在內部文件中記錄使用範圍。
Q:聲音可以克隆醫師的聲音嗎? 可以,但需要書面授權,明確用途、期限與平台,並確保不會被理解為個人化醫療建議。
Q:影片長度建議? 單一主題 90 秒到 3 分鐘。內容多就拆集,觀眾在焦慮狀態下的注意力比一般觀眾更短。
把「聽得懂」當成第一指標
衛教配音的成效不是完播率,而是觀眾看完後能不能正確複述下一步。做法不複雜:內容由人負責、語氣平穩、語速放慢、專有名詞唸對、每個版本都有人聽審。
從 Soundwaver 文字轉語音 生成第一版旁白,需要固定機構聲線就用聲音克隆,方案與用量在價格頁。若同時要處理跨語言版本的品質把關,先看配音本地化 QA 檢查清單。


