AI ASMR 觸發音影片生成器

一段提示詞

002003004005

畫面與觸發音，一起生成

在這裡，聲音和影格出自同一次前向傳播，所以它們是天生對齊，不是靠剪輯對齊。你導的是一場本來就有聲音的戲，而不是替一場沒有聲音的戲配樂。 這不代表音訊是自動的——它把工作挪進了提示詞裡，而這個類型需要的三層聲音在那裡各有各的位置。下一節就把那個欄位拆開講。

畫面與聲音同一次產出

1

畫面與聲音同一次產出

立體聲，不是單聲道上混

32 kHz

立體聲，不是單聲道上混

需要授權的音效庫

0

需要授權的音效庫

最短長度，多數站從 5 秒起

4 秒

最短長度，多數站從 5 秒起

• 不用再去音效庫裡搜
• 不用在剪輯軟體裡手動對峰值
• 不用為了讓觸發音出得來而壓低配樂
• 沒有要花錢去掉的浮水印

提示詞生成影片

一段提示詞，一次生成，而聲音是跟著畫面一起來的

16:9 · 6s · 768P

完整的提示詞，不是摘要

16:9, 6 seconds, 768P. Extreme close-up of espresso pouring into a warm cup under a single soft light, crema breaking across the surface. Slow, steady, no hands in frame.

6 秒 · 16:9

六秒，而聲音落在該落的影格上，因為它從來就不是一個單獨的檔案

這些都不是為了這一頁拍的——它們是素材庫裡觸發音最強的幾支。我們寧可給你看五支真的，也不給你看五支擺出來的。

• 01

  用簡單的文字提示詞生成 AI ASMR 影片

  描述 ASMR 的材質，以及它在做什麼。觸發音、次層質感和環境底噪，是同一個欄位裡的三個子句。

  4–15 秒，32 kHz 立體聲
• 02

  用 AI 改進你的 ASMR 提示詞

  把一個粗略的 ASMR 想法貼進去，拿回三欄位結構：聲景被拆成分層，音樂欄位被填上而不是留空。

  替你把分層寫出來
• 03

  從一支參考片到成品的完整 AI 流程

  丟進一支你喜歡的 ASMR 片子，拿回能產出它的提示詞——包括它的聲音是怎麼搭起來的。然後換一種材質，跑起來。

  參考片 → 提示詞 → 成品

三條路，同一個費率——768P 一秒 8 點數，而 ASMR 沒有理由離開 768P。

1. 

   01

   先挑材質，不是先挑氛圍

   Frosted glass, plush fabric, an acrylic sheet, bubble wrap, the teeth of a wooden comb. 材質驅動的觸發音是這個模型最強的地方，也是這個類型流量最大的地方。你寫出材質，模型推得出聲音；你只寫聲音，它就得去猜材質。

   材質優先不需要出鏡的臉
2. 

   02

   把三層聲音寫進同一個欄位

   主觸發音在最前，次層質感壓在它下面，環境底噪墊在兩者之下。那就是每一份 ASMR 混音教學都要你在數位音訊工作站裡搭出來的結構——在這裡它是聲景欄位裡的三個子句，而且一起算出來。

   觸發音質感層底噪層
3. 

   03

   刻意把音樂關掉

   在 `non_diegetic_music` 裡寫 `N/A`。留空不是同一條指令——模型照樣會替場景配樂，而觸發音底下壓著任何有節奏的東西，都會抵消你想要的效果。這是最常見的一個失敗。

   non_diegetic_music: N/A
4. 

   04

   生成 8 秒，然後循環

   ASMR 靠的是完播率高的短循環，而192 個影格——正好 8.000 秒——是模型算得出來的唯一一個整秒，也就是唯一一個接得起來、沒有縫的長度。要別的長度，你就得回剪輯軟體裡裁掉一個零頭。

   192 個影格8.000s無縫循環

這四個步驟裡沒有一步發生在算完之後。這個類型其餘產品要在數位音訊工作站裡做的分層和對時，在這裡被一個照正確順序寫好的欄位取代了。

1. 01空隙底下有底噪

   觸發音之間那種純數位的寂靜，是最容易破壞沉浸感的破綻，因為真實錄音永遠有本底噪音。寫明一層很輕的環境音，讓它墊在所有聲音之下。

   兩層之下的環境底噪

2. 02音樂欄位寫著 N/A

   留空不是一條指令。觸發音底下壓著任何有節奏的東西都會抵消它——這個類型自己的教學也說，寧可完全不要音樂，也不要小聲混進去。

   non_diegetic_music: N/A

3. 03有兩層觸發音，不是一層

   單一聲音循環，三十秒內就會被聽出人工感。把主角放在最前，再在它下面放一個相關的聲音——刀被放下的聲音、指尖重新換位置的聲音。

   主層 + 次層

4. 04聲音和畫面上的材質對得上

   一種材質的畫面配上另一種材質的聲音特徵，沉浸感瞬間就沒了。在這裡兩者出自同一次生成，所以唯一會做錯的方式，是材質寫得太含糊。

   把材質寫清楚

5. 05沒有人說話

   ASMR 觀眾要的是純觸發音。不要假設它不會加人聲，直接寫上 no speech, no narration, no vocals——畫面裡有人的時候，模型很樂意替他配上一句。

   不要說話，不要旁白

那五項裡有四項在講聲音，第五項在講讓畫面跟聲音對上。那個比例本身就是這個類型的定義。

• 實測

  它不會給你數位寂靜

  破壞 ASMR 沉浸感的破綻，是一段什麼都沒有的空隙。這個模型的本能是把聲音鋪滿，所以這個類型最費力氣去避免的那種失敗，在這裡反而要費力氣才做得出來。

• 結構性

  提示詞裡每一層都有自己的位置

  主觸發音、次層質感、環境底噪——每一份混音教學都在講的三層結構，在這裡寫進同一個欄位裡一起算出來，而不是事後在三條音軌上拼起來。

• 結構性

  同步不是一個步驟

  瞬態音會落在事件發生的那一個影格上，因為兩者本來就出自同一次生成。不用挪，換個長度重新算也不會有東西跑掉。

• 誠實的邊界

  耳語類是它的弱項

  材質類觸發音才是它站得住的地方。口腔音那種親密感和貼耳耳語，在生成音訊裡普遍都是最弱的一環，這裡也一樣——如果你要做的是有人說話的內容，請從 對嘴 開始。

• 

  9:16 · 15s

  脆裂與撕開

  先是殼讓開，然後是更軟的內裡。兩層聲音長在同一個動作裡，所以這是最容易上手的起點。

  從這類 ASMR 觸發音開始
• 

  1:1 · 15s

  陶釉上的乾澀摩擦

  粉末、竹子和陶。幾乎沒有動作，整支片子全靠一種你從音效庫裡很難乾淨找到的質感撐著。

  做這一支
• 

  9:16 · 8 秒

  一響一響分開的爆裂

  彼此之間留著真正空隙的獨立事件——這是環境底噪最要緊的情況，因為那些空隙本身就是結構。

  做這一支
• 

  9:16 · 15s

  玻璃、金屬、噴頭

  慢慢處理的硬表面。這一檔最接近傳統的敲擊類 ASMR，也是最撐得起長一點片子的一檔。

  做這一支

注意這四類裡都缺了什麼：一張臉和一個人聲。材質觸發音是生成式 ASMR 更聰明的起手切口，而且它們也正是演算法在完播率上會獎勵的那一類。

跑一支多少錢