Adobe Firefly 升級影片工具：自己用嘴配音，AI 就能生成對應音效

大部分 AI 影片工具生出來的畫面，至今都像默片一樣安靜。你想給畫面配點聲音，要麼去音效庫裡大海撈針，要麼自己開啟專業剪輯軟體一點點對波形。

Adobe 打算把這件事變簡單一點。7 月 17 日，Adobe 為旗下 Firefly 推出了一批面向影片創作的新功能，其中最搶眼的就是用聲音線索生成音效。只要你嘴裡發出聲音，AI 就能順著你的節奏把音效做出來。

嘴裡發出擬聲詞，AI 幫你配上真音效

這個功能的操作邏輯很接地氣。你先用文字描述自己想要什麼聲音，比如拉鏈拉開的聲音，然後對著麥克風自己配一段擬聲。

比如演示人員對著電腦嘴裡唸叨一聲「zzzztttt」，Firefly 就能聽懂。Adobe 解釋說，錄音的目的不是讓模型生硬地模仿你的嗓音，而是為了抓取你想要的音量強度和發生時間點。

在實測演示裡，拉鏈聲還原得相當逼真，不過換成水泥地上的腳步聲時效果就稍顯勉強。但要是放在前期創意找靈感的階段，這套工具已經足夠實用。為了方便對齊畫面，介面的底部還配了一條時間軸編輯器，拖拽幾下就能卡準位置。

除了給影片配聲音，Adobe 這次還端出了幾個畫面控制工具。構圖參考允許你上傳一張照片或一段現成影片來引導畫面的構圖；配合影片預設，你可以直接把成片鎖定在動漫、黑白或者向量藝術等風格。

如果想要嚴格控制畫面比例，還有關鍵幀裁剪功能。你只要上傳第一幀和最後一幀畫面並選好比例，Firefly 就會保證生成的影片完全留在指定畫框內。

搬進 Google Veo 3，還有一套控場工具

自 4 月重新設計 Firefly 應用以來，Adobe 幾乎保持著每月一次大更新的節奏。上個月他們剛接入了第三方模型，這個月他們又把 Google 的 Veo 3 請了進來。

Veo 3 是 Google 在 5 月的 I/O 2025 大會上釋出的影片模型，也是目前業內極少數原生就能生成帶聲影片的模型之一。

商業客戶最擔心的版權和資料安全問題，Adobe 顯然早有防備。Google 已經簽署協議，承諾絕不使用 Adobe 使用者的資料來訓練未來的 AI 模型。

同時，Firefly 匯出的每個影像和影片都會打上數字簽名，清晰標明生成時呼叫了哪個模型。這是 Adobe 防範版權侵權風險的底牌。Adobe 產品管理副總裁 Zeke Koch 表示，只要第三方模型廠商願意遵守他們的資料隱私條款，團隊就會馬不停蹄地繼續整合新模型。

為什麼重要

對於剪輯師、自媒體創作者或者獨立製作人來說，這次更新非常值得一試。以前給一段幾秒鐘的 AI 影片配音，光是翻音效庫、裁切時間就要花幾分鐘；現在對著麥克風哼兩聲就能把音量起伏和節奏點佔住，創意階段的溝通和打樣效率會被拉高一大截。

對整個行業而言，生成式影片的戰火已經正式從單純拼畫質延展到了音畫同步和精準控場。單靠生成一段好看但不可控的無聲鏡頭，已經很難打動專業製作流程中的從業者。

我們認為，Adobe 這一步走得相當聰明。他們很清楚自己在前沿基礎大模型上的積累比不過 Google 這樣的巨頭，所以乾脆把 Veo 3 接進自家平臺；同時利用自己在剪輯工作流、版權保護和數字簽名上的傳統優勢，把自己變成一個企業敢放心使用的超級控制台。

當然，這套方案也有隱患。用嘴擬聲雖然直觀，但面對複雜的多層環境音時很容易捉襟見肘；把核心能力託付給第三方模型，長遠來看也會考驗 Adobe 對整個工具鏈的議價權與話語權。