跳至主要內容

Shopify 商品頁影片 AI 配音:從 Listing 到轉換

Shopify 商品頁影片 AI 配音:從 Listing 到轉換

Shopify 商品頁最貴的資源不是流量,是**「看完了但沒買」**。影片能把這件事拉回來:把商品頁上那些抽象的文字規格,換成一個人在三秒內看得懂的使用情境。而影片裡真正決定觀眾留不留下的,往往不是畫面,是旁白。

這篇談 Shopify 商品頁影片的配音實務:三種影片位置各自的任務、把 Listing 文案改寫成旁白腳本、15/30/60 秒的時間碼模板、規格數字怎麼唸、多市場語系怎麼排,以及一份上線檢查清單。

商品頁影片有三個位置,配音任務完全不同

同一個商品,放在不同位置需要不同的聲音策略。用同一支影片打全部位置,是最常見的浪費。

位置 長度 觀眾當下的狀態 配音任務 最常見的失敗
首圖區(媒體輪播第一格) 15–30 秒 剛從廣告或搜尋進來,還在判斷「這是不是我要的」 三秒內說出「這是什麼、解決什麼問題」 前五秒講品牌故事
圖文區中段(規格與細節之後) 30–60 秒 已經有興趣,在確認細節 解釋材質、用法、尺寸、適用場景 重複講首圖區已經講過的話
頁尾或加購區 10–15 秒 準備按下加入購物車 消除最後一個疑慮(運費、保固、尺寸) 又講一次產品特色
站外廣告導流 6–15 秒 不認識品牌 一個痛點 + 一個視覺證明 資訊量塞太滿

一個實用的分配原則:首圖區賣「這是什麼」,中段賣「為什麼適合我」,頁尾賣「為什麼現在買」。 三段腳本不要互相抄。

從 Listing 文案到旁白腳本:五條改寫規則

商品頁的文字是給「已經在看的人」讀的,旁白是給「還在滑的人」聽的。兩者的語法不同。

Listing 原文 為什麼不能直接唸 旁白改寫
「採用高密度記憶棉,密度 45D,回彈時間 3 秒」 規格堆疊,聽完記不住 「坐下去會陷進去,三秒後慢慢彈回來——這就是它跟一般坐墊的差別」
「適用於辦公室、居家、車用」 三個場景等於沒有場景 「放在辦公椅上,一天八小時不會塌」
「通過 SGS 檢驗」 檢驗名稱對消費者沒有畫面 「通過 SGS 檢驗,甲醛釋放量低於標準」
「100% 純棉,親膚透氣」 形容詞沒有證據 「純棉,洗十次也不會起毛球」
「限量優惠,售完為止」 廣告腔,觸發防衛 「這批只有 300 個,賣完要等下一季」

核心是把形容詞換成可驗證的具體事實。旁白沒有畫面輔助,講抽象詞等於沒講。

前三秒決定一切

開場類型 範例 適用
痛點直述 「你的背墊是不是坐兩小時就塌了?」 有明確困擾的商品
結果先行 「這張椅子讓我一整天不用換姿勢。」 效果可見的商品
對比反差 「一般的跟這支,差別在這一刀。」 有視覺差異的商品
數字鉤子 「三秒,這塊布就乾了。」 有可量化特性的商品

不要用「歡迎來到我們的品牌」「今天要跟大家介紹」開場,那是把最貴的三秒拿去打招呼。

三種長度的腳本模板(含時間碼)

15 秒:首圖區與廣告

[0-3s]  鉤子:一個痛點或一個結果
        「坐兩小時,腰就開始抗議。」
[3-9s]  這是什麼 + 一個視覺證明
        「這片記憶棉坐墊,45D 密度,坐下去三秒回彈。」
[9-13s] 一個具體差異
        「跟一般泡棉不同,它不會坐出一個凹。」
[13-15s] CTA
        「往下看尺寸表,選你的椅子。」

30 秒:首圖區完整版

秒數 段落 配音要點
0–4 鉤子 語速正常,不加音樂,靠內容抓注意力
4–12 產品是什麼 一個名詞 + 一個數字,不要三個形容詞
12–22 怎麼用 動詞開頭:「放上去、坐下來、調整」
22–27 差異證明 對比句,說出「跟什麼比」
27–30 CTA 放慢,指向頁面上的下一步

60 秒:圖文區中段

60 秒不是把 30 秒拉長,而是多一段「細節與疑慮消除」:

秒數 段落 內容
0–5 承接 「如果你已經看到這裡,應該在想尺寸對不對」
5–20 規格 尺寸、材質、重量,每項一句
20–35 使用情境 一個具體的人、一個具體的時刻
35–50 疑慮消除 清洗方式、保固、運費
50–60 CTA 單一動作

注意:60 秒版本不要再自我介紹一次。 觀眾是從同一頁往下滾的,重複開場會讓人覺得影片很冗。

規格數字怎麼唸:六個容易出錯的地方

原文 建議唸法 為什麼
45D 「四十五 D」或「密度四十五」 直接唸字母 D 比唸「密度單位」清楚
500ml 「五百毫升」 不要唸「五百 m l」,也不要省略單位
2.4GHz 「二點四 G H Z」 小數點必須唸出,否則聽成 24
IPX7 「I P X 七」 逐字母唸,數字用中文
100% cotton 「百分之百純棉」 英文與中文版本要一致
S/M/L 「S、M、L 三種尺寸」 加一個「三種」讓聽的人知道有幾個選項

另外兩個通則:

  1. 每個數字配一個參照。 「重 1.2 公斤」不如「重 1.2 公斤,大概是一瓶礦泉水的兩倍」。
  2. 同一支影片內單位不要混用。 全用公分或全用英吋,混用會讓觀眾來回換算,直接跳出。

語速與轉換:快不是重點,節奏才是

段落 建議語速 停頓 理由
鉤子 正常(每分鐘 240–260 字) 句尾 300ms 需要推進感
說明 稍慢(220–240 字) 句間 250ms 讓資訊落地
規格 慢(200–220 字) 每項之間 400ms 數字需要時間處理
CTA 最慢(190–210 字) 前後各 400ms 暗示「現在可以動作了」

英文版本對應約 150–170 wpm(鉤子)到 130–140 wpm(CTA)。不要全程同一個語速,那聽起來像在念規格表,也是 AI 配音最容易被聽出來的地方。

音高方面,商品頁影片只需要兩個層次:說明時平穩,CTA 微微上揚。全程高亢會像電視購物,全程平會像有聲書。

靜音自動播放:字幕不是選配

這一點常被忽略:社群平台與多數商店主題的影片是靜音自動播放的。 觀眾第一眼看到的是無聲畫面。

必要元素 原因 做法
燒入字幕(burned-in) 靜音播放時唯一的文字來源 大字、單行、與旁白逐字一致
前 3 秒的視覺文字 連字幕都還沒讀完時的第一印象 一句話講完產品是什麼
可點擊開啟聲音 部分觀眾願意聽 播放器顯示音量圖示
無障礙字幕軌 給需要調整樣式與語言的觀眾 另外提供軟字幕版本

實務做法:同一支影片輸出兩個版本——社群與首圖用燒字幕版,商品頁主播放器用軟字幕版。字幕與配音的完整做法可以參考 教材配音與無障礙。

多市場語系:Shopify Markets 的配音排法

一個商品賣到五個市場,不代表要五種聲音。先決定策略,再決定數量。

策略 做法 成本 適用
單一聲音、多語言 同一個聲音模型生成各語系 最低 品牌調性比在地感重要時
每語系一個聲音 中文用中文聲音、日文用日文聲音 中 大多數跨境商店的預設
每市場一個聲音 同語系不同地區用不同聲音(如 en-US / en-GB) 高 客單價高、對細節敏感的品類

技術上要注意兩件事:

  1. 長度會變。 同一段話,中文與德文的音節數差距可達 30%,字幕與畫面節奏要留餘裕。細節見 配音本地化 QA 檢查清單。
  2. 不要把中文腳本直譯。 「親膚透氣」直譯成英文會變成沒有意義的形容詞堆疊,應該改寫成該市場消費者會用的說法。整體流程可參考 多語言產品影片配音流程。

素材規格:上傳前先確認這五項

項目 建議 備註
比例 首圖區 1:1 或 4:5;圖文區 16:9 直式在手機上佔的版面更大
長度 首圖 15–30 秒 超過 45 秒的完成率明顯下降
檔案大小 依主題與方案而定 上傳前先看後台提示的上限,不要憑印象
音訊 −16 LUFS 左右,峰值不超過 −1 dB 太大聲會被平台壓縮
首幀 不要黑畫面 自動播放時首幀就是縮圖

一個常被忽略的細節:首幀同時是商品媒體的縮圖。 如果首幀是黑底 logo,等於浪費了一格免費的廣告版位。

上線前九項檢查

# 檢查 通過標準
1 前 3 秒是否說出「這是什麼」 找一個沒看過的人看 3 秒,能複述
2 靜音觀看是否看得懂 關聲音看一遍,仍能理解
3 字幕與旁白是否逐字一致 抽 5 句核對
4 數字與單位是否唸出 對照規格表逐項確認
5 語速是否有變化 至少三段不同語速
6 CTA 是否只有一個 全片只有一個動作指示
7 各語系長度是否對齊 誤差在 10% 內,或已調整畫面
8 手機直式是否可讀 字幕在 6 吋螢幕上不折行超過兩行
9 是否有對應的英文/其他語系版本 同 slug 各語系都在

成本與產能:每月 20 支影片怎麼排

服飾、家居這類商品換季快,影片需求是「多、短、常改」。傳統配音在這個情境下最痛的不是單價,是交期與改稿。

項目 傳統配音 AI 配音
單支 30 秒交期 2–5 個工作天 幾分鐘到當天
改一個數字 重新錄音、重新對軌 改稿後重生成該段
多語系 每個語系各找一位配音員 同一稿生成各語系
一致性 依配音員狀態浮動 同一聲音模型穩定
適用瓶頸 品牌形象片、需要演技的長腳本 商品頁、廣告變體、規格更新

實務上的分工:品牌形象片與需要情緒演技的內容留給真人,商品頁影片與廣告變體交給 AI。 這個分工在多數中型商店都能把月產能拉高三到五倍。

想先算成本,可以直接看 價格頁;要固定品牌聲音就用 聲音克隆;大量變體測試則用 TTS 批次生成。腳本結構的通用寫法(AIDA、痛點、CTA)在 高轉換配音腳本 有模板可直接套。

五個常見錯誤

錯誤 後果 修正
三個位置用同一支影片 首圖區太長、頁尾區太淺 一支商品至少拆成 15 秒與 45 秒兩版
旁白唸出畫面上的所有文字 觀眾閱讀與聽覺互相干擾 旁白講結論,畫面留細節
全片同一個語速與音高 聽起來像規格朗讀,被辨識為 AI 至少三段節奏變化
沒有燒字幕 靜音自動播放時完全沒有訊息 輸出燒字幕版給首圖與社群
多語系直接直譯 譯文文法正確但沒有說服力 每個語系重新改寫開場與 CTA

常見問題

商品頁影片一定要有旁白嗎?

不一定。純音樂加字幕的影片在部分品類(香氛、飾品)效果更好。但只要影片需要解釋「為什麼」或「怎麼用」,旁白能顯著提高理解度。

首圖區的影片應該多長?

15–30 秒。這個位置的任務是「讓人確定這是我要的」,不是完整介紹。完整介紹放圖文區中段。

AI 配音聽起來會不會很假?

在商品頁這種短句、明確語境的內容裡,AI 配音的辨識度很低。真正露餡的通常是全程單一語速與不自然的停頓,而不是音色本身。做法上把長句拆短、每段之間留 200–400ms,就能解決大部分問題。

需要為每個市場做不同版本嗎?

先看語言。同語言不同地區(如 en-US 與 en-GB)在多數品類可以共用;但用詞、尺寸單位與價格表達一定要在地化,否則比不翻譯更傷信任。

一支影片可以同時用在商品頁與廣告嗎?

可以,但要重新剪。廣告需要更短、鉤子更前面、CTA 更明確;直接沿用商品頁影片通常前三秒就流失。

影片會影響 SEO 嗎?

會,但路徑是間接的:停留時間、轉換率、以及頁面可讀性。實務上更該注意的是影片旁白稿本身就是一段可被索引的產品描述,把它放進頁面的文字區(或折疊區)對搜尋有實際幫助。


商品頁影片的門檻不在設備,在腳本與節奏。先把 15 秒版本寫對——三秒說清楚是什麼、十秒給一個證據、兩秒給一個動作——再往上長成 60 秒。這條順序比反過來有效得多。

分享這篇文章
XFacebookLINE