AI ASMR 影片怎麼做？Veo 3 提示詞寫法與台灣實際可用狀況
AI ASMR 影片（切玻璃水果、咬冰塊、捏黏土之類會讓人起雞皮疙瘩的療癒影片）目前幾乎都是用 Google 的 Veo 3 做的，因為它是少數能讓聲音跟畫面動作自動對上的文字轉影片模型。台灣帳號理論上已經可以用，但實際操作時不少人仍遇到地區限制，得搭配 VPN 才能順利叫出 Veo 3。以下把工具、方案、提示詞寫法整理清楚。
為什麼 AI ASMR 影片幾乎都用 Veo 3
Veo 3 是 Google DeepMind 在 2025 年 5 月推出的第三代文字轉影片模型。跟前兩代 Veo、Veo 2 最大的差別在於：Veo 和 Veo 2 只能生成無聲的畫面，Veo 3 則能原生生成跟畫面同步的聲音，包括環境音、音效和對白。
這個差別對 ASMR 影片來說是關鍵。ASMR 的賣點本來就是聲音——咬下去的脆聲、刀子劃過的摩擦聲、液體被撥動的聲音——如果影片是無聲的,根本稱不上 ASMR。Veo 3 的特別之處在於它能從提示詞裡理解「咬的動作」「碎裂的感覺」「水聲撥動」這類描述,自動幫影片補上對應的音軌,不需要另外找音效師後製,這也是為什麼網路上那些切水晶水果、捏脆皮食物的影片,清一色都是拿 Veo 3 生的。
Veo 3 另外也透過跟 Flow、Imagen、Gemini 整合,支援多場景串接、鏡頭控制、畫面裡物體的增刪,以及跨鏡頭的角色一致性,這些是做長一點的系列影片時會用到的功能。
台灣能不能直接用 Veo 3？
這題的答案比較微妙,網路上甚至有互相矛盾的說法,建議兩種情況都做好心理準備。
Google 官方在 2025 年的公告裡表示,Veo 3 已經導入所有支援 Gemini 應用程式的國家和地區,台灣也在其中,訂閱 Google AI Pro 即可使用。但實際測試的回報卻不太一樣：有使用者反映即使已經付費訂閱,台灣帳號沒有連 VPN 的情況下,Gemini 裡叫出來的仍是 Veo 2（無聲版),要連上 VPN 切換到美國或其他支援地區,才能真正叫出 Veo 3 模型。Flow 這個介面台灣已經正式開放使用（限 18 歲以上),不需要透過 VPN;提示詞也支援繁體中文等多種語言輸入,官方建議用英文提示以獲得最佳效果。
換句話說,官方政策跟實際體驗之間可能有時間差，或是不同帳號、不同時間點看到的結果不一樣。如果你訂閱後發現怎麼樣都只跑出 Veo 2,不妨先試試連 VPN 到美國地區再操作看看。
常被推薦搭配使用的 VPN 工具包括 Urban VPN（免費、操作簡單）,或是 TunnelVPN、Proton VPN 這類有提供美國伺服器的免費方案。
要訂哪個方案？積分怎麼算
Veo 3 不是獨立產品,而是包在 Google 的訂閱方案裡,目前主要分兩層：
| 方案 | 每月積分 | Veo 3 可生成數量 |
|---|---|---|
| Google AI Pro（Gemini Advanced） | 1,000 積分 | 約 10 支影片（Veo 3 每支耗 100 積分） |
| Google AI Ultra（5x） | 10,000 積分（約 NT$3,300/月） | 相對多很多 |
| Google AI Ultra（20x） | 25,000 積分（約 NT$6,500/月） | 相對多很多 |
如果你的目的就是做有聲音的 ASMR 影片,訂 Veo 2 省下的積分其實用不上。
另外,先前 Google 針對學生推出優惠,申請學生帳號在期限內可以領到長達 15 個月的免費 Gemini Advanced,如果你還有學生身分,這是比較划算的入門方式,詳細資格與期限建議直接看 Google 官方說明。
提示詞怎麼寫才會自動生成聲音
這是最多人問錯方向的地方：不需要特別告訴 AI「請加上聲音」。Veo 3 的設計邏輯是你只要把「材質」「動作」「環境」描述清楚,它就會自己推測這個畫面該搭配什麼音效。愈具體的物理描述,生成出來的聲音愈貼切。
常見可以直接套用的題材方向包括：
- 紅色石英質地的蘋果被刀切開
- 水晶材質的紅蘿蔔被折斷
- 水晶哈密瓜被挖開
- 炸雞外皮被咬開的瞬間
寫提示詞時,建議把描述拆成幾個區塊來想：主體是什麼材質、動作是什麼速度與力道、鏡頭怎麼帶（特寫或景深）、光線跟環境氛圍如何。這幾塊資訊愈完整,Veo 3 生成的畫面跟聲音搭配得愈準確。
有幾個實際生成時要注意的眉角：
- 預設不含背景音樂或配音,如果想要額外的音樂,得在提示詞裡明確要求,例如直接寫「add music for me」。
- 中文提示詞可以用,但效果有落差。若提示詞沒有明確指定語言,Veo 3 預設會用英文念出對白；但只要在對白前明確指定要說的語言（例如中文),並在引號內同樣用該語言寫台詞,就能成功生成中文語音。
- 單段生成長度是 8 秒（可在 Flow 裡用場景延伸功能加長),畫質可設定為 1080p HD。跟 Sora 2 相比,兩者的解析度同為 1080p,畫質評分也相近,並非 Veo 3 明顯更高；浮水印是否疊加在畫面正中間則無法查證,但輸出仍有官方標記（見下段)。
- 生成時間約 2 分鐘,尖峰時段可能要等到 5 分鐘,這段時間可以先去準備下一個提示詞,不用乾等。
先求單鏡頭成功,再往多場景擴充
實務上的建議做法是：先把一個鏡頭的提示詞寫到自己滿意、聲音跟畫面都對上了,再考慮用 Flow 做多場景串接或鏡頭切換。不要一開始就想著做一支完整的多鏡頭短片,容易卡在轉場失敗要重來。如果你對文生影片的整體流程還不熟,可以先看 AI 影片生成怎麼做？2026 文生影片、圖生影片流程與模型選擇 這篇打底。
浮水印與平台標示
不管是哪種方式生成的影片,只要是透過 Google 相關工具生成,都會有兩層標記：畫面上看得到的浮水印,以及嵌入影片裡肉眼看不到的 SynthID 數位浮水印,用來標示這是 AI 生成的內容。上傳到 YouTube、Shorts 這類平台時,也建議主動標示影片是 AI 生成,這是對觀眾比較負責任的做法。
如果你是先把提示詞的基礎打好,也可以參考 提示詞怎麼寫？2026 推理模型時代,舊技巧該丟與該留的清單,了解現在的模型對提示詞的理解邏輯跟以前有什麼不同。