短影音音效怎麼選？從剪映內建到 AI 生成，一次搞懂 SFX 工作流
做短影音時，很多人會把注意力放在畫面：怎麼剪、怎麼轉場、怎麼加字幕、怎麼做 B-roll。
但實際剪完之後，常常會發現一件事：
畫面看起來沒問題，卻總覺得少了一點「節奏」。
很多時候，差的就是音效（Sound Effects, SFX）。
音效不是拿來吵，也不是每一刀都要加一個「咻」。真正好的音效，是幫畫面增加「感覺」。
畫面放大時，觀眾不只看到 Zoom，也聽到 Whoosh；重點字出現時，不只看到文字跳出來，也同時聽到 Ding 或 Impact。這些聲音會讓觀眾更自然地感受到：
「這裡有變化。」
這件事其實也跟 Pattern Interrupt 很有關係：
畫面的 Pattern Interrupt 是看得到的變化，音效則是聽得到的 Pattern Interrupt。
先把短影音聲音拆成三層如果你剛開始剪影片，不需要一次學很複雜。先把短影音的聲音分成三層，就能建立清楚的混音順序。
第一層：人聲 Voice人聲最重要。不管配樂多好聽、音效多厲害，只要觀眾聽不清楚你在講什麼，整支影片基本上就失敗了。
第二層：背景音樂 BGMBGM 負責情緒與整體氣氛，例如科技感、輕快、溫暖、懸疑、熱血或專業感。這一層可以用 Suno 產生；如果你在意公開播放或商業使用，也可以先參考在 Suno 做了一首歌，想公開播放？小心踩雷！《安心播放三重門》正式指南。
第三層：音效 SFXSFX 負責節奏與強調，例如：
咻！叮！啵！砰！喀！
短影音真正開始「有剪輯感」，很多時候就是從這一層開始。
所以我建議固定採用這個順序：
人聲 → BGM → SFX
先讓人聲清楚，再加入音樂，最後才用音效補節奏。
新手先用剪映內建音效就夠了如果平常使用剪映或 CapCut，其實內建音效已經可以應付大部分短影音需求。CapCut 官方的 Sound Effects 頁面提供 Transition、Magic、Laugh、Fight、Horror 等分類，也可以搜尋 whoosh、click、explosion 等關鍵字。
基本操作邏輯很簡單：
音訊 → 音效 → 搜尋
有一個很建議新手記住的技巧：
中文搜尋不到，就搜尋英文。
很多常用的短影音音效，本來就是用英文名稱分類。先從搜尋開始，不需要一開始就下載一大堆素材。
短影音最常用的音效，先記住這些其實不需要收藏幾百個音效。先掌握下面這些，就已經可以應付大部分 Reels、Shorts 與商品短影音。
音效
可以搜尋
適合使用情境
咻、刷過
Whoosh / Swoosh / Swish
畫面切換、Punch In
輕微咻聲
Soft Whoosh
圖卡、字幕出現
叮
Ding / Chime
答案、重點、完成
啵
Pop
圖示、文字跳出
點擊聲
Click / Tap
App、按鈕、介面操作
撞擊聲
Impact / Hit
強調重點句
低沉轟聲
Boom / Bass Hit
震撼、結論、反轉
上升音
Riser / Rise
揭曉之前、製造期待
低頻下降
Bass Drop / Sub Drop
反轉、結論
掃過
Sweep
轉場
故障聲
Glitch
AI、科技、錯誤
閃亮聲
Sparkle / Magic / Twinkle
AI 生成、變身、完成
相機快門
Camera Shutter
照片、Before / After
打字
Typing / Keyboard
ChatGPT、電腦操作
通知
Notification
LINE、訊息、提醒
錯誤聲
Error / Buzzer
NG、錯誤觀念
嗶聲
Beep
警告、消音
唱片急停
Record Scratch
反轉、「等等！」
倒轉
Rewind
回到前面重新解釋
心跳
Heartbeat
緊張、倒數
掌聲
Applause / Cheer
成功、完成
金幣聲
Coin / Cash Register
價格、營收、賺錢
如果你真的只想先背幾個，我會挑這 8 個：
Whoosh、Ding、Pop、Click、Impact、Riser、Glitch、Sparkle
先把這八個用熟，比收藏 500 個音效更有用。
音效應該放在哪裡？先對齊畫面變化這才是真正重要的地方。不是「有 Cut 就放音效」，而是問自己：
這個畫面變化，有沒有需要讓觀眾聽見？
Punch In：畫面拉近時人物本來是中景，講到：
「但真正重要的是這件事。」
畫面突然拉近，這時候可以放一個 Whoosh，讓放大的感覺更明顯。
大字突然出現畫面跳出：
錯！
可以配 Impact。視覺與聲音會同時告訴觀眾：
這一句很重要。
正確答案出現例如：
「答案就是 ChatGPT。」
配 Ding，會產生「答案揭曉」的感覺。
三個項目依序出現畫面依序出現：
ChatGPT
Pop
Gemini
Pop
Claude
Pop
這種音效不是拿來炫技，而是在幫觀眾感受到「一、二、三」的節奏。
AI 生成完成例如：
Before
↓
AI 處理
↓
After
最後成果出現時，可以配 Sparkle / Magic，讓觀眾自然理解：「完成了。」
如果你也在處理字幕與剪映流程，可以延伸閱讀 AI 影片字幕工作流：結合 Gemini 與剪映的極速上字幕教學；字幕與音效同樣都需要對齊畫面節奏。
音效不是越多越好這是新手非常容易犯的錯。有人第一次發現 Whoosh 很好用，就開始：
咻、咻、咻、咻、咻……
每一個轉場都放，最後反而很累。
音效跟 Pattern Interrupt 一樣：
重點不是多，而是放在該放的地方。
可以先用下面這個簡單原則判斷：
畫面狀況
音效建議
一般 Cut
不一定需要音效
有明顯動作
可以考慮 Whoosh
有重要資訊
可以考慮 Ding、Pop、Impact
有情緒轉折
可以考慮 Record Scratch、Bass Drop、Riser
有特殊場景
才需要特殊環境音或 AI 生成音效
剪映找不到時，從 Mixkit 與 Pixabay 補素材Mixkit：建立免費 SFX 素材庫如果剪映裡真的找不到，我第一個會推薦學員去 Mixkit。
Mixkit 提供大量免費 Sound Effects，包含 Swoosh、Transition、時鐘、掌聲、電話鈴聲與科技類音效。官方頁面也將素材分成 Transition、Impact、Whoosh、Click、Ding、Notification、Glitch 等類型，適合用英文關鍵字快速搜尋。
Mixkit 的說明指出，Sound Effects 可用在個人與商業專案，例如 YouTube、社群內容與線上行銷廣告，且不強制署名。不過，實際使用前仍建議查看素材頁與當下授權條款。
所以很適合先搜尋：
whoosh
impact
click
notification
然後下載幾個自己喜歡的版本。
Pixabay：免費、可修改，但要看完整授權Pixabay 不只有圖片和影片，也有音訊與 Sound Effects。
依 Pixabay 目前的 Content License Summary，一般內容可以免費使用、修改，也不強制署名；但不能把原始素材單獨拿去重新販售或散布。如果素材含有可辨識的商標、Logo 或品牌，商業使用可能還有額外限制；某些內容也可能涉及第三方的著作權、商標權或肖像權。
因此，如果是 YouTube、Reels、Shorts 或商業社群影片，Pixabay 很方便，但不要把「免費」直接等同於「任何情境都不用確認授權」。
我的順序通常會是：
剪映內建 → Mixkit → Pixabay
大部分需求到這裡就能解決。
什麼時候才需要 AI 生成音效？當你要的聲音很具體，而素材庫不好找時，才值得使用 AI。
例如：
一列火車從遠方靠近，先聽到警笛，再經過身旁。
或是：
未來科技實驗室裡，機械手臂啟動的聲音。
又或者：
一顆巨大水滴落進金屬容器，再產生長尾回音。
這種聲音不太適合一直翻音效庫，直接用 AI 描述反而更快。
Adobe Firefly Sound Effects：特殊音效首選Adobe Firefly 現在提供 Generate Sound Effects，可以直接用文字描述音效，也能上傳影片或音訊作為參考，還能用自己的聲音或錄音來引導生成。
依 Adobe 目前官方說明，免費帳號有每日免費生成額度；正式版 Firefly 產出的 Sound Effects，在遵守 Adobe 指南與商業版本條件下，可用於商業用途。音效檔可下載為 WAV；上傳影片或音訊作為組合素材時，目前支援的檔案最長為 30 秒。功能、額度與授權都可能調整，正式使用前請再次查看 Adobe Firefly 說明 與官方 Sound Effect Generator 頁面。
例如輸入：
distant passenger train horn approaching, realistic railway ambience
就可以生成「遠方列車逐漸靠近的警笛與環境聲」方向的音效。
如果我是現在重新設計這堂課，我會把 Firefly 排成：
特殊音效 AI 首選
ElevenLabs：適合快速試做與比較如果你以前有用 ElevenLabs 生音效，現在仍然可以繼續用。它的 Sound Effects 功能可以直接用文字生成指定聲音。
依 ElevenLabs 目前官方方案頁，免費帳號每月有 10,000 credits，約可進行 50 次 Sound Effects generation，單段最長 30 秒；但免費方案標示為 Personal use only，商業用途需要付費方案。付費帳號的 Sound Effects 可依方案用於商業影片、YouTube、社群與廣告。方案、額度與授權可能變動，請以 ElevenLabs Sound Effects 的最新說明為準。
因此我會這樣分：
課堂練習、測試ElevenLabs Free 很適合先測試提示詞與聲音方向。
客戶影片、正式商業用途先確認授權，或使用符合需求的付費方案。
AI 音效提示詞，也有公式其實跟 AI 生圖、AI 生影片很像，不要只輸入：
火車聲。
資訊太少。
我會用這個公式：
聲音主體 + 動作 + 距離 + 環境 + 強度 + 時長 + 排除項目
火車警笛
Realistic passenger train horn approaching from a distance, outdoor railway ambience, powerful but natural, 3 seconds, clean sound effect, no music, no speech.
短 Whoosh
Short soft whoosh, fast left-to-right motion, clean video transition sound, 0.5 second, no music.
Ding
Single bright notification ding, crisp and clean, positive feeling, 0.5 second, no background music.
重點撞擊
Deep cinematic impact hit, short and powerful, strong low-frequency punch, 1 second, no music.
你會發現，提示詞不是寫得很文青，而是：
把你想聽到的聲音講清楚。
建立自己的 SFX Starter Pack短影音剪久了之後，不需要每次重新搜尋。我建議建立自己的音效資料夾：
123456789101112131415161718192021222324252627282930313233SFX Starter Pack01_Transitions whoosh_soft whoosh_fast swoosh sweep02_UI click tap ding pop notification03_Emphasis impact_soft impact_heavy boom bass_drop04_Emotion fail_buzzer record_scratch sparkle applause05_Ambience typing camera crowd street rain
差不多 20 個左右，就已經可以剪非常多影片。
重點不是蒐集音效，而是：
慢慢建立自己熟悉、知道什麼時候可以用的音效庫。
把整個短影音音訊流程串起來如果是新手，我會建議固定這個工作流：
先處理人聲
↓
Suno 產生 BGM
↓
剪映加入常用 SFX
↓
找不到特殊音效？
↓
Adobe Firefly／ElevenLabs 生成
↓
最後混音與檢查
音量可以先從下面的數字當作「起始參考」。以下比較接近剪輯軟體中的峰值概念，不是所有素材都必須固定在同一個數字：
🎤 人聲：約 -3 ～ -6 dB
💥 SFX：約 -10 ～ -15 dB
🎵 BGM：約 -18 ～ -24 dB
最後還是要依素材、播放設備與平台需求調整。最重要的只有一句：
最後用耳朵確認，人聲永遠要最清楚。
給新手最簡單的結論如果不想一次學太多工具，可以先記這三個：
剪映處理 80% 常用音效。
Mixkit建立自己的免費 SFX 素材庫。
Adobe Firefly Sound Effects處理素材庫找不到的特殊聲音。
然後 Suno 負責 BGM。
這樣其實就已經是一套很完整的短影音聲音工作流。
真正讓影片變好看的，不是音效越多，而是你開始知道：
哪一個地方，需要讓觀眾不只「看到變化」，還要「聽到變化」。
這才是音效在短影音裡真正的價值。
常見問答 (FAQ)Q1：短影音裡的 SFX 和 BGM 有什麼差別？BGM 負責整支影片的情緒與背景氣氛；SFX 負責對齊畫面中的動作、重點與轉折，讓觀眾在特定瞬間「聽到變化」。兩者都不能蓋過清楚的人聲。
Q2：短影音每一次 Cut 都需要加入音效嗎？不需要。一般 Cut 可以不加音效；有明顯動作、重要資訊、情緒轉折或特殊場景時，再考慮使用 Whoosh、Ding、Impact、Riser 或環境音。
Q3：新手應該先用哪一個工具找音效？建議先用剪映或 CapCut 內建音效，再用 Mixkit 與 Pixabay 補充免費素材；只有當素材庫找不到具體聲音時，才使用 Adobe Firefly 或 ElevenLabs 生成。
Q4：AI 生成音效可以直接用在商業影片嗎？要看工具、方案與當下授權條款。Adobe Firefly 官方目前說明商業版本產出的音效可依指南用於商業用途；ElevenLabs 則標示免費方案限個人使用，商業用途需使用符合條件的付費方案。Mixkit 與 Pixabay 也各自有授權限制，正式使用前應查看最新官方條款。
Q5：AI 音效提示詞要寫哪些資訊？至少寫清楚聲音主體、動作、距離、環境、強度、時長與排除項目，例如「遠方靠近的列車警笛、戶外鐵路環境、自然但有力量、3 秒、不要音樂與人聲」。
