CapCut 的文字轉語音功能可將螢幕上的字幕轉為口頭旁白，而要讓這些旁白聽起來正確，最快的方式是先在瀏覽器型的文字轉語音工具中撰寫並預覽。CapCut 在文字元素上提供內建的文字轉語音選項，但大多數編輯器只在您已將文字加入軌道後才會顯示語音清單，因此在正式加入前先排練冗長的腳本會花費額外時間。一個獨立的瀏覽器工具，支援最多 20,000 個字元、速率可從 0.5× 調整到 2.0×、音高可從 0.5 調整到 2.0，並具備明確的暫停、繼續和停止按鈕，能讓您在開啟 CapCut 之前先排練整份腳本、發現發音錯誤，並精準決定哪些句子該放進時間軸。將瀏覽器這一輪視為排練步驟，可讓您的 CapCut 時間軸保持乾淨，避免因為某個單字聽起來不對而重新渲染影片片段。最重要的是，排練在本機的瀏覽器分頁中執行，因此未發布的腳本和客戶草稿在您反覆調整時仍能保持私密。
為什麼要在獨立的瀏覽器工具中預覽腳本
CapCut 的設計著重於剪輯，而不是用於排練冗長的旁白。行動版和桌面版編輯器會期望您直接將文字輸入到文字元素中、挑選一種語音，並接受引擎所輸出的結果。這對於五秒的字幕沒問題，但六十秒的配音很快就會浮現問題:某個名字發音怪異、某個句子在錯誤的地方斷了氣、一個笑點需要特定節奏才能成立。這些問題在影片片段渲染之前都不會顯示在螢幕上，而每一個問題都意味著重新渲染或手動修補。
專門的瀏覽器文字轉語音閱讀器提供一個為腳本本身設計的工作區，而非為時間軸設計。您可以貼上完整的旁白、從頭到尾聆聽、跳回某個拗口的句子，並反覆修改文字直到節奏到位。由於語音是透過瀏覽器引擎在本機執行，當您把文字貼回 CapCut 時，同樣的文字在其語音資料庫中聽起來會是熟悉的。預覽是排練，而不是最終輸出，您的腳本永遠不會離開目前的瀏覽器分頁。
在瀏覽器中撰寫並預覽配音
這是使用 Text To Speech 頁面的核心排練工作流程。針對您打算放入 CapCut 的每份腳本執行一次下列步驟，並讓瀏覽器分頁與 CapCut 專案同時保持開啟，讓您能在排練和剪輯之間快速切換。
- 在目前的瀏器分頁中開啟 Text To Speech 頁面。
- 將完整的 CapCut 配音腳本貼到文字區域，最多 20,000 字元。標點符號請保留與您打算在螢幕上使用時完全一致，因為覽器引擎會照您給的內容讀出來。
- 從下拉選單中挑選一個可用的系統語音。語音名稱、語言和品質會因作業系統和瀏器而異，因此請選擇一個符合您觀眾期望的區域口音。
- 將速率和音高滑桿設為目標值。速率範圍從 0.5× 到 2.0×，音高則從 0.5 到 2.0。如果您想重現某個先前用過的 CapCut 語音，請將滑桿值調整為該語音當時呈現的數值。
- 按下「朗讀」並在完全不操作頁面的情況下聆聽整份草稿。文字會在內部被分割成不超過 220 個 UTF-16 程式碼單位的分段，避免引擎在冗長段落上卡住。
- 使用「暫停」在某個拗口的句子處停下來，就地修改措辭，然後按下「繼續」。編輯文字或任何控制項都會停止正在進行的朗讀，因此不會有過時的摘要讓您誤以為引擎剛才說的就是那樣。
- 當您想放棄目前這次執行並從頭開始時，請按「停止」，或變更語音或音高後再次按下「朗讀」以聆聽新的設定。
- 當排練結果聽起來滿意時，將最終文字從文字區域複製出來，準備好貼到 CapCut。
按下「朗讀」會取消此小工具先前建立的任何佇列，並透過一個產生編號防止過時的回呼覆蓋較新執行的顯示狀態。這個細節在您快速反覆調整時很重要:您看到的永遠是最後一次語音嘗試的真實結果，而非先前某次朗讀留下的殘留資訊。卸載小工具同樣會取消其已排入佇列的語音，因此關閉分頁是立即停止一切的安全方式。
將調整好的腳本加入 CapCut 的文字轉語音
只有在調整後的腳本乾淨地進入 CapCut 自家的文字轉語音引擎時，瀏器排練才真正發揮效用。請將下列步驟作為從瀏覽器分頁到 CapCut 時間軸之間的橋樑。
- 在行動裝置或桌機上開啟 CapCut，載入您一直在準備的時間軸，或開始一個新專案。
- 在旁白應出現的位置加入一個文字元素到時間軸。拖曳影片片段的持續時間以符合預期的配音長度，單位以秒計算而非字元。
- 在該文字圖層上開啟文字轉語音選項。CapCut 在這個步驟才會顯示其語音清單，與排練時使用的瀏覽器語音是分開的。
- 將排練過的腳本貼到 CapCut 的文字輸入欄。措辭請與在瀏覽器中聽起來滿意的版本完全一致，包括標點符號，因為兩個引擎都會將它們解讀為停頓和強調的提示。
- 挑選一個 CapCut 語音。盡可能挑一個與您排練時使用的系統語音相符的，或挑一個口音和音色與預覽接近的 CapCut 語音。
- 產生語音後，拖動播放頭掃過影片片段，聆聽是否仍有句子聽起來不對勁。如果有句子讀起來奇怪，請先在您排練過的原始稿中修改該句，並在瀏覽器中重新播放，之後才更新 CapCut 的文字。
- 微調影片片段的入點和出點，讓旁白與剪輯對齊，並重新渲染受影響的段落。
覽器排練步驟並不會移除 CapCut 自家的產生步驟，但它消除了意外。當您在 CapCut 按下「產生」時，每個拗口的字詞都已經在更快速的本機預覽中修正過，因此剩下的唯一未知數就是 CapCut 語音本身的特性。
對應到 CapCut 語音的速率與音高設定
瀏器工具將速率和音高以直接的數值呈現，而 CapCut 的內建語音則以具名預設(例如 Normal、Fast、Lively 和 Energetic)呈現。兩者之間的對應只是近似，下表記錄的是它們的定性關係，而非保證的轉換。在您決定採用 CapCut 預設之前，請透過瀏覽器排練確認所選數值對您的觀眾聽起來是合適的。
| 瀏覽器速率值 | 近似感受 | 優先嘗試的 CapCut 預設 |
|---|---|---|
| 0.5× 至 0.75× | 緩慢、從容，適合教學與冥想場景 | Slow 或可用的「Calm」風格 |
| 1.0× | 預設節奏，符合一般對話速度 | Normal 或預設語音 |
| 1.25× 至 1.5× | 輕快、有活力，常見於社群媒體開場 | Fast 或「Lively」 |
| 1.75× 至 2.0× | 高速，適合回顧段落和預告片 | 選定語音中可用的最快預設 |
音高的運作原則相同。將音高設為 1.0 會保留系統語音不變。低於 1.0 的數值會降低聽感上的音高，適合旁白角色;高於 1.0 的數值則會提高音高，適合角色對白。不同的語音引擎對這些數字的解讀方式不同，因此排練那一輪才能告訴您某個數值是否聽起來合適，而非任何單一數字能保證的。
在進入 CapCut 之前應抓到的撰寫錯誤
大多數 CapCut 配音的重新渲染，問題都在排練時可見、但在打字時容易忽略。在瀏覽器中預覽時請留意以下幾點。
- 數字與日期:「2025」會被讀成「two thousand and twenty-five」或「twenty twenty-five」，視引擎而定。任何必須以特定方式讀出的內容，請將其拼寫出來。
- 縮寫:「AI」「API」和「DIY」可能會被讀成字母或單字。如果錯誤的讀法會讓觀眾混淆，請將縮寫替換為完整形式。
- 標點提示:過長的破折號或缺少句點會改變停頓長度。如果某個句子在 CapCut 裡聽起來過於急促，原因通常出在腳本中的標點。
- 同音異義詞:像「read」(現在式與過去式)和「lead」(金屬與引導)這類詞，在瀏覽器預覽中聽起來相同，但在螢幕上意義不同。請確認周圍的字幕也能讓意思清楚。
- 過長且未中斷的詞元:網址、主題標籤和序號可能會讓引擎卡住或讀得很怪。請用空白或連字號將其切開，或改用一般文字描述。
瀏覽器預覽不足的情境
有些 CapCut 專案僅靠瀏覽器排練只能完成一部分。若您需要授權的商用語音、固定的發音字典、SSML 標記，或跨機器可重現的語音，那麼瀏覽器工具這種範圍有限的本機方案就不適合。Lizely 工具刻意保持本機執行:它不會上傳文字、不提供伺服器語音、不提供可下載的 MP3 或 WAV，也不保證跨裝置播放一致。對於這類專案，請在開始 CapCut 時間軸之前改用專門的合成服務。
至於其他所有情境，包括草稿、節奏檢查、單段發音測試，以及對您打算貼入 CapCut 的精確腳本進行排練，瀏覽器這一輪都是避免錯誤造成渲染成本的最便宜方式。將它與 CapCut 自家的文字轉語音選項搭配，就能同時擁有本機預覽的速度，以及 CapCut 語音資料庫的精緻度。
如需更深入的說明，請參閱 How to Use Text to Speech on Android in a Browser。
如需更深入的說明，請參閱 How to Use Text to Speech on Google Docs。