影片製作歷程分析

一位小學導師用 Claude Code 與幾樣 AI 工具做教學影片的路,從可查到最早、掛在課程網站的影片,寫到現在一句口令跑完整條鏈。寫給剛起步、想用 AI 做教學影片的老師。

0. 總覽

走了多久、分成哪幾段、上了多少支片

我能查到最早的影片紀錄在 2026-04-25。那時候影片只是主課程結束後的「延伸素材」,放在 Drive 上,嵌進課程網站播放,網站本身不用扛影片的容量。這份歷程寫到 2026-11-20 為止,中間我把它切成五個階段。

五個階段

  1. 04-25 ~ 07-27課程延伸影片與工具收斂

    影片掛在課程網站。好幾套做影片的程式框架收成一套用網頁排版畫面的做法,旁白用本機複製我的聲音。

  2. 07-28 ~ 08-26頻道上線與系列開線

    開台帳、排程、短片兩條線、教學長片、課程導覽,也第一次買了外部的剪輯技能包 Hello Irene。

  3. 08-27 ~ 09-26教學歷程片與親錄旁白

    每天的主課程做成歷程片,我自己錄旁白、AI 切段。立下「影片不留本機」。

  4. 09-27 ~ 10-28雲端 TTS、模組庫、H3 與 3D

    旁白整套換成雲端 TTS,算力搬上 Colab,做出 3D 國土加 AI 實景合片,定下包裝公式,短片改橫幅。

  5. 10-29 ~ 11-20課程日自動駕駛與免審

    我丟一段上課錄音,整條鏈跑到上片。關卡變少,驗收交給機器閘。

上片數字

YouTube 頻道在 2026-07-28 上線,從那天起我每上傳一支就記一筆台帳。到 2026-11-20,台帳裡有 204 筆上傳紀錄,也就是上傳到頻道的支數是 204 支;扣掉台帳標記刪除的 3 筆,是 201 支。頻道上線以前的影片散在 Drive 和各個課程網站,沒有算進這個數字。

每個月上傳到頻道的支數如下(11 月只算到 20 日),9 月最多。

  1. 247 月
  2. 408 月
  3. 639 月
  4. 5610 月
  5. 2111 月(到 20 日)

三條原則

整段路走下來,我留下三條原則,後面每一節都會回到這三條:

  1. 第一,畫面先出一支沒有聲音的 mp4,聲音另外混成一條音軌,最後只合併一次。

  2. 第二,機器能驗的都做成「閘」,讓腳本去擋,人只裁機器裁不了的那一兩個點。

  3. 第三,做出來的素材先放進資料庫,下次先查庫再生成;成品母帶只留在雲端,本機不留。

先認識幾個名詞

後面會一直出現這幾個詞,先各用一句話講清楚。

  • TTS 是把文字念成語音的技術。

  • whisper 是把語音轉成文字的模型,還能標出每個字在第幾秒。

  • H3 是 MiniMax 的影片生成模型,給它參考圖和描述,生出一段有聲音的寫實短片。

  • Colab 是雲端租用的 GPU 筆記本環境,用多久扣多久的額度。

  • Lyria 是我用來生配樂的 AI。

  • ManimGX 是用 Python 寫數學動畫的程式庫。

  • HyperFrames 是用網頁排版畫面、再一格一格錄成影片的工具。

  • ffmpeg 是處理影音剪接、轉檔的命令列工具。

  • agy 是由 Gemini 驅動的命令列 AI,我拿它當看片員,看整支片的畫面、聽旁白有沒有唸錯。

目錄

  1. 總覽:走了多久、分成哪幾段、上了多少支片
  2. 技法與畫面呈現:我怎麼參考、走過的階段、每種畫面風格、換掉的路
  3. 素材處理:影音、圖、聲音、配樂,Colab,表一「效果 → 工具 → 旋鈕」
  4. 經驗傳承:新手路線、表二「要建的影音資料庫」、最常踩的坑
  5. 效果與工具搭配:一支課程日片從錄音到上片、我和 AI 怎麼分工、影片和教學文稿的關係

1. 技法與畫面呈現

我怎麼參考、走過的階段、每種畫面風格、換掉的路

1-1 我怎麼找參考

先老實說:回頭翻紀錄,找不到一份專門的「參考片單」或「風格參考檔」。我找參考的方式可以歸成五種。

  1. 一、讀自己頻道的後台數據

    我怎麼做
    2026-09-30 我讀了頻道後台,發現觀眾主力是關心臺灣文化的社群成人;縮圖用 3D 島的那支課程介紹,表現遠勝用文字標題卡的。10-09 再拿兩支曝光穩定的圖解片,歸納出「長片成功公式」:大眾熟悉的景點、一個反直覺的問句、本土的圖解;10-20 補上「一個主角或一個視角」。
    目的
    包裝(標題、縮圖、開場)是為搜尋與陌生觀眾做的。教學內容本身不為點閱改變。
    你也可以
    上了十支片以後,每個月打開後台看一次:誰在看、從哪裡來、哪張縮圖被點。把看到的事寫成一兩條規則,下一支片就照著做。
  2. 二、拆一支外部的解析片或實測片

    我怎麼做
    10-04 我照一支解析 YouTube 平台怎麼讀影片的影片(說明欄、字幕、畫面、留言都會被讀),把上架改成「說明欄第一段先講內容摘要、另附字幕軌、tags、hashtag、章節」。10-10 我拆了一位外部創作者的 H3 實測片和他公開的程式,結論是他的模型和硬體路線對我的 M2 筆電加 Colab 沒有用,我只搬規則、跟平台無關的小腳本和公開授權的音效。
    目的
    拆別人的片,是為了找自己管線的缺口。那次我找到三個:成片沒有機器驗收、混音響度散成好幾套、H3 人臉不穩。
    你也可以
    看到一支做得好的片,拿紙寫三欄:他做了什麼、我現在有沒有、我缺的那個能不能用自己的工具補。
  3. 三、買現成的技能包,再改成自己的

    我怎麼做
    2026-08-11 我向一位外部創作者買斷了一套剪輯技能包 Hello Irene,裡面有卡點剪輯、口說剪輯、長片拆精華三條路。08-18 我把它收進自己的 git,從此直接改,加上「班級活動實錄」這一軌、華德福詞庫,也修了字卡的 bug。
    目的
    接片、字卡、配樂、響度交給技能包,不自己重刻。有一段時間 AI 自己寫接片和混音,做得慢,我連問了三次;09-29 起接片交給這套技能包。
    你也可以
    剪輯這種成熟的工作,先找現成工具或模板;買來以後放進自己能改的地方,用到哪裡不順就改哪裡。
  4. 四、讀開源專案,只借概念、用自己的程式重寫

    我怎麼做
    11-03 我讀了一個叫 OpenMontage 的開源影片專案,取了三個概念:分鏡「像不像投影片」的風險預審、關卡的檢查點與版本、公開素材搜尋。程式全部自己重寫,再拿 41 份已上片的分鏡校準。另外我也把一份外部的動畫心法改寫成自己的「動作規則」,套在片頭上。
    目的
    取概念、不取程式:概念用自己的程式重寫,再用自己已上片的片校準。
    你也可以
    讀別人的專案時,記下他用什麼方法判斷好壞,再想想這個方法用你手邊的工具怎麼做。
  5. 五、拿自己親手畫的東西當風格的錨

    我怎麼做
    AI 畫板畫,我貼一張自己的黑板照片給它當風格參考。我曾說它「畫得也太爛了…讓它有一點意象」;後來我說:「以後不用再跟你講板畫怎麼畫了」。主課程的封面,我只用自己親手畫的粉筆畫。
    目的
    給 AI 一個固定的風格依據,之後不用每次重講板畫怎麼畫。
    你也可以
    挑三張你自己最滿意的板書或作品照片,固定放在一個資料夾,每次叫 AI 生圖都附上同一組,風格就會慢慢穩下來。

關於片單:紀錄裡找不到,回頭看是個缺口。我建議你建一個,格式很簡單,每一筆寫「片名、學它什麼(節奏、畫面、標題還是縮圖)、量到的數據」。剪輯節奏可以用工具量:鏡頭數、中位鏡頭長度、每分鐘切幾刀。量完再看幾張代表畫面判斷風格。表二第 3 列有完整建法。

1-2 走過的階段,畫面怎麼變

  1. 階段一(04-25 ~ 07-27)。一開始我試過好幾套用程式做影片的框架(Remotion、Revideo),06-24 全部收掉,統一改用 HyperFrames(用網頁排版畫面、再一格一格錄成影片的工具)。這時候做的是解說影片:網頁排版的畫面,配上旁白和字幕。07-05 做完臺灣文學資料庫總覽四支片,我定下兩條規矩:每支片先驗配音再出片,成品一定放 Drive。

  2. 階段二(07-28 ~ 08-26)。頻道上線後開了三條長期系列:一分鐘台灣藝術家、一首歌一個時代、華德福課程導覽。一分鐘人物與歌曲短片在這時開線,現在的格式是水彩情境圖緩慢推拉、字幕燒在下方(見 1-3)。08-13 字幕改成盒式黑底,因為淺底透縫讓「二」看起來像「三」。

  3. 階段三(08-27 ~ 09-26)。每天的主課程做成教學歷程片:古文明 15 集、徒手幾何 12 集。旁白改成我自己錄。

  4. 階段四(09-27 ~ 10-28)。畫面一口氣變豐富:模組庫上線、立體臺灣島、H3 寫實片段、情境圖視差、ManimGX 數學動畫。10-12 短片全部改成橫幅 1920×1080。

  5. 階段五(10-29 ~ 11-20)。課程介紹片和研究片改成左右分割版型。重點轉到「怎麼讓機器把關」:關卡變少,驗收交給機器閘。

1-3 每種畫面風格

下面依片種分三組。每項標「現行」或「已換掉」;括號裡的腳本名只是我這邊的例子,你換成自己的工具即可。

主課程線(每日歷程片、課程介紹片)

黑板粉筆卡現行・每日歷程片預設

深綠黑板底、白色粉筆字置中的金句卡,下方小字標出段落名稱。▶ 從 2:25 開始看

深綠黑板底、白色粉筆字置中的金句卡,下方小字標出段落名稱。|華德福學校徒手幾何教學歷程分享|第十天

深綠黑底,白色粉筆字由左往右寫出來。四種卡:段落框架、今天的故事、金句、滿版黑板照片,卡與卡之間 0.6 秒交叉淡化。

我怎麼做・目的・你也可以
我怎麼做
稿子每一段標兩件事:這段是什麼(老師的話、上課流程、學生的表現、教學重點、心法)、要配什麼畫面(框架、故事、金句、照片、影片)。腳本把稿變成一份畫面資料檔,再排版、渲染。字幕另外出 srt 檔當 YouTube 的字幕軌,不燒進畫面。
目的
稿子是畫面資料的唯一來源,每天的片照稿自動排出來。
你也可以
先做一個固定版型,一頁深色底加白字就夠。每段稿子前面標一個畫面類型,讓版型照標記換卡。

燈箱沙畫現行・課程介紹片

暗室燈箱上沙粒堆成的發光半圓拱,中央坐著沒有五官的沙影人物。▶ 從 0:45 開始看

暗室燈箱上沙粒堆成的發光半圓拱,中央坐著沒有五官的沙影人物。|華德福五年級社會主課程「古文明」課程介紹|沙畫・從印度走到埃及的十五個早上

暗室燈箱上的沙粒一筆一筆堆出畫面,透光處發亮,轉場像用手把沙抹開;人物不畫五官。

我怎麼做・目的・你也可以
我怎麼做
用在古文明、臺灣歷史、神話傳說這類 5–7 分鐘的說故事長片。旁白每段的長度寫回畫面的時間表,渲出無聲片,再合上聲音。沙畫片的字幕燒進畫面,畫面避開下方約 18% 的字幕區。
目的
給說故事的長片一個固定的畫面質感,人物也不用畫出臉。
你也可以
挑一種跟你的課氣質相近的手作質感(沙、剪紙、水彩),整個系列只用那一種。

黑板圖解現行・知識圖解補充篇

黑板粉筆風圖解:兩排山夾出三角形的宜蘭平原,線條與標註清楚。▶ 從 0:25 開始看

黑板粉筆風圖解:兩排山夾出三角形的宜蘭平原,線條與標註清楚。|宜蘭平原為什麼是三角形?兩道山、一道裂縫、一座火山島|臺灣地理第4天圖解・華德福五年級

一段一張黑板粉筆風的圖,線條和字跟著旁白的關鍵詞出現。

我怎麼做・目的・你也可以
我怎麼做
圖用 SVG(一種用程式碼畫的向量圖)寫,讀旁白對齊後的字幕時間,讓每條線在對應的詞念到時畫出來。
目的
線和字錨在旁白的關鍵詞上,講到哪、畫到哪。
你也可以
先手工做一支:在剪輯軟體裡,讓每個圖形在旁白講到它的那一秒才出現。

左右分割:照片輪播+動態字卡現行・逐段判斷

左邊真實照片、右邊黑板字卡,三條重點跟著旁白亮起。▶ 從 2:42 開始看

左邊真實照片、右邊黑板字卡,三條重點跟著旁白亮起。|臺灣路邊也有的構樹,怎麼會在太平洋被敲成布?|大洋洲地理課程介紹・華德福五年級

左邊約 56% 是真實照片,每段 3–5 張快速輪播;右邊約 44% 是黑板字卡,重點跟著旁白彈出、畫底線、數字跳動。

我怎麼做・目的・你也可以
我怎麼做
課程介紹片、研究報告圖解長片有大量真實照片時用。開場鉤子、強烈的寫實片段、3D 運鏡這些需要整幅畫面的段落,改回滿版。
目的
原本整片一段一張照片慢推,我看了說:「不夠活潑,讓它活潑、動感一點,這樣子太靜態了」。改成整片左右分割,又不夠活潑,所以變成逐段判斷。驗收時「超過 2 秒畫面沒有變化」的段數要是 0。
你也可以
做完一支片,拉時間軸數一數哪幾段超過 2 秒畫面沒動,每一段補一個變化(換圖、推近、跳出一個字)。

報紙版現行・社團週五聚會短片、臺灣史主題

米白報紙底、雙線報頭、黑白插圖加朱紅小字圖說。▶ 從 0:30 開始看

米白報紙底、雙線報頭、黑白插圖加朱紅小字圖說。|文協星火中的女性身影|蔡阿信、陳甜、謝雪紅的三條路

米白報紙底、雙線報頭、朱紅小字與欄線、黑白照片加圖說編號。

我怎麼做・目的・你也可以
我怎麼做
跟粉筆卡共用同一套排版程式,只換一個主題設定。改共用的樣式時,兩個主題都要回頭看一次。
目的
讓社團聚會短片和臺灣史主題有自己的一套樣子,又能共用排版程式。
你也可以
同一套版型做兩三種配色主題,依片子內容切換,比每次重做一套省力。

立體臺灣島(北朝上、靜止)現行 旋轉的島已換掉

靜止、北朝上的立體臺灣島,低地綠、山地褐。▶ 從 2:45 開始看

靜止、北朝上的立體臺灣島,低地綠、山地褐。|華德福五年級社會主課程「臺灣地理」課程介紹|3D 地形・島的身世與十七個早上

用內政部 20 m DEM(數值地形資料,記錄每一點的高度)拉起的立體臺灣,低地綠、山地褐、高山灰白,透明背景。

我怎麼做・目的・你也可以
我怎麼做
用 Blender(免費的 3D 軟體)的腳本算出來,課程片只取一張靜止的,疊在粉筆卡的右上角;介紹片開場也用。島只疊在粉筆卡上,不疊在情境插畫上。
目的
地理系列每一集在同一個位置放這座島。原本做成會旋轉的島,09-30 看過後判定旋轉不行,要立起來、不要動。
你也可以
地理或歷史系列,固定一張「位置圖」放在畫面同一個角落,每集換標記就好。

板畫一筆一筆長回來現行・可重用

黑板上的島已填色,正由外往內刷海水,右側步驟亮到第五步。▶ 從 0:38 開始看

黑板上的島已填色,正由外往內刷海水,右側步驟亮到第五步。|板畫一筆一筆畫|一張黑板照片,照著筆順重新畫一遍

一張真實的板畫照片,從空黑板開始照筆順長回來:字依筆畫、島先描海岸線再塗滿、浪由左往右刷。

我怎麼做・目的・你也可以
我怎麼做
用在「這張板畫怎麼畫出來的」1 分鐘短片,以及歷程片裡的影片段落。有落款的板畫,一律停在落款出現之前。各層只截一次透明圖,再逐格疊起來,避免整段逐格截圖拖慢速度。
目的
讓看片的人看見一張板畫怎麼畫出來。
你也可以
下次畫板畫時,手機架在後面縮時錄影。

情境圖分層視差現行・短片與歷程片的情境圖預設 切層視差已換掉

水彩農舍與花海的直幅畫面,前景黃花移動得比遠山快。▶ 從 0:38 開始看

水彩農舍與花海的直幅畫面,前景黃花移動得比遠山快。|林生祥|戶頭剩五十七元回鄉,拿下金曲獎卻當場拒領【一分鐘台灣藝術家】

一張水彩情境圖先估出深度,近景移得快、遠山移得慢,像相機真的走進畫面。

我怎麼做・目的・你也可以
我怎麼做
先放大一點留出橫移空間,近景多推一點。只給有前後景深的情境圖用;示意圖、剖面圖(地層、深海)一律只做慢推,因為位移會把地層扭斷。舊的「切成幾層再分開移動」做法,在橫式畫面沒有橫移餘裕,人跨兩層的地方頭會糊掉,所以換掉。
目的
讓一張靜態的情境圖看起來像相機走進畫面。
你也可以
先用剪輯軟體的「推近」效果處理情境圖;想要更立體,再找有深度估計的視差工具。記得示意圖不要用。

水彩/板畫風插畫現行

水墨水彩風的戲台插畫,燈籠高掛,吉他手背對畫面。▶ 從 0:17 開始看

水墨水彩風的戲台插畫,燈籠高掛,吉他手背對畫面。|陳明章|戲棚腳長大沒念音樂系,據說三十分鐘寫成一首歌【一分鐘台灣藝術家】

樸素的水彩插畫,畫的是臺灣在地的黑髮孩子;或是我照著畫得出來的黑板畫稿。

我怎麼做・目的・你也可以
我怎麼做
用 OpenAI 的生圖,每集 3–5 張。品質只准用最低一級,腳本會硬擋;帶參考圖的生圖比純文字貴好幾倍,要我當次下令才做。圖上不放字,字用網頁疊上去。生之前先查素材庫,生完同一回合入庫。板畫每堂兩張:一張標題板、一張孩子會想畫的故事畫面。
目的
控制成本,也避免 AI 在圖上編出亂碼字。
你也可以
把你的畫風描述寫成一段固定的文字,每次生圖都貼同一段;圖上需要的字,一律在剪輯軟體裡加。

黑板片頭現行・每日歷程片最前面 手寫體片頭字已換掉

墨綠黑板上,粉筆寫的主題詞圍著帶框欄目,中央浮出主課名與「第5天」。▶ 從 0:04 開始看

墨綠黑板上,粉筆寫的主題詞圍著帶框欄目,中央浮出主課名與「第5天」。|繩子的紋路,怎麼跑到六千年前的陶罐上?淡水河口大坌坑|臺灣歷史第5天・華德福五年級

墨綠黑板上,這塊主課程講過的主題一個個用粉筆寫出來,越寫越快,欄目帶框跳出,最後寫上主課名與第幾天。約 6 秒。

我怎麼做・目的・你也可以
我怎麼做
每塊主課程一份設定檔,每集只改「第幾天」。不花任何 API 費用。字型原本用手寫體,10-11 我嫌太亂,固定改成黑體。
目的
每集只改一個地方,約 6 秒,不花錢,隨時可以重出。
你也可以
做一支片頭範本,只留「第幾集」一個地方要改,以後每集只動那一格。

字卡包裝現行

米色紙底的片頭字卡:紅色小標、粗黑標題、紅底線與一行副標。▶ 從 0:02 開始看

米色紙底的片頭字卡:紅色小標、粗黑標題、紅底線與一行副標。|板畫一筆一筆畫|一張黑板照片,照著筆順重新畫一遍

任何做好的片,前後各接一張字卡,接點配一聲轉場音效。有好幾種字卡風格可選。

我怎麼做・目的・你也可以
我怎麼做
我記不住風格的名字,所以讓 Claude 把可選的風格列成選項給我挑。主片已經有配樂時,字卡就不再加配樂。每種字卡也寫好適不適合用在課程介紹片。
目的
我不必記風格名字,從選項裡挑就好。
你也可以
準備兩張固定字卡(片頭、片尾),片尾的文字跟說明欄寫的一樣。

知識長片與研究圖解片

3D 國土+H3 實景合片(老鷹片)現行・標竿片種

H3 生成的寫實畫面:老鷹展翅,飛在河谷與梯田上方,左上角掛片名標籤。▶ 從 1:00 開始看

H3 生成的寫實畫面:老鷹展翅,飛在河谷與梯田上方,左上角掛片名標籤。|臺灣三分之二都是山?跟著老鷹飛過五種地形|臺灣地理第7–8天・華德福五年級

一隻真實的老鷹帶路,寫實的 H3 片段(主角在真實地景裡,有環境音)和網頁 3D 國土交替;每個地點先在全島上圈出位置,再飛進去。

我怎麼做・目的・你也可以
我怎麼做
H3 是 MiniMax 的影片生成模型,給它幾張參考圖和描述,生出一段有聲音的寫實短片。這種片有四根柱子,少一根就不成立:一個主角帶路、H3 給真實畫面、3D 國土交代「在哪裡、什麼形狀」、真資料(座標用 DEM 與縣市界實算,事實逐句對出處)。片長 5:40–6:40、約 20 幕,旁白約 1,150–1,200 字,H3 約佔全片三成。第一幕就是 H3 加旁白鉤子,片尾靜止 8 秒以上。
目的
H3 給真的畫面,3D 國土交代在哪裡、什麼形狀,兩邊交替。
你也可以
先不碰 AI 影片:用一張地圖加三四張實景照片,每換一個地點就先回到地圖圈一次位置。主角帶路這個結構,用照片也做得出來。

研究報告圖解長片現行

這種風格還沒有公開成品

結構是「統整研究的問題意識」:一個主問題、兩個副問題、五到六個小問題,每題掛證據。約 28–32 幕,片長含片尾不超過 8:00。

我怎麼做・目的・你也可以
我怎麼做
H3 片段裡的人只出現手或背影,沒有兒童、沒有臉、沒有字。示意圖和情境插畫右上角一律掛「示意」小框。
目的
給一般臺灣觀眾看,片子要能獨立成立;掛「示意」是為了讓觀眾分得出哪些是證據、哪些是想像。
你也可以
把你做過的一份研究或專題,改寫成「一個大問題、五個小問題」,每個小問題配一張證據畫面。

ManimGX 數學動畫現行・只當選項 Manim CE已換掉

這種風格還沒有公開成品

墨綠黑板底、粉筆白字的向量動畫:圖形一刀一刀切開、分數從圖形裡飛出來排成算式、一個式子平滑變成另一個;3D 時鏡頭可以繞著立體圖形轉。

我怎麼做・目的・你也可以
我怎麼做
ManimGX 是用 Python 寫數學動畫的程式庫。10-18 起取代舊版 Manim CE,因為不用另外裝排版數學式的 LaTeX,也能做 3D。提動畫方案時,AI 多附一個 ManimGX 選項讓我挑,不預設也不自己做。
目的
用在分數與小數、徒手幾何、正多面體、展開圖、等高線變立體。
你也可以
先用簡報軟體的「變形」轉場做一個分數切開的動畫,確認孩子真的需要動畫,再考慮學程式。

其他動畫與錄屏現行・按題目選 動態字卡歷史方法

奶油色簡報式頁面:左邊大標題,右邊紅帆古船圓章,下方燒入字幕。▶ 從 0:08 開始看

奶油色簡報式頁面:左邊大標題,右邊紅帆古船圓章,下方燒入字幕。|十年級為什麼讀《奧德賽》?——華德福三週主課程導覽

我怎麼做・目的・你也可以
我怎麼做
簡報式滑入動畫,用在 8–12 分鐘的教學長片與課程導覽,每一景的長度=該段旁白長度加 0.6 秒。錄屏操作教學只錄本機示範站,畫面不能有真實學生資料。黏土角色用 16 個角度的圖輪播,做出「喀喀」的定格感;早先試過把角度圖投影到 3D 模型上色,結果眼鏡變兩副、手臂有殘影,退件三次後放棄。整片只有文字流動的「動態字卡」,從 2026-07-31 之後沒再跑過,旁白引擎也換了,現在只算歷史方法。
目的
依題目挑一種,每種都記著適合什麼片。
你也可以
把你做過的每一種畫面記一行:長什麼樣、適合什麼片。這就是你的模組清單的第一版。

短片線與實拍

一分鐘人物/歌曲短片現行・橫幅 直式 Shorts已換掉

水彩畫的車站月台,一台舊巴士停在雨後反光的地面,下方燒入字幕。▶ 從 0:24 開始看

水彩畫的車站月台,一台舊巴士停在雨後反光的地面,下方燒入字幕。|借問一下|她自己寫歌做專輯,一次抱回兩座金曲獎【一首歌一個時代】

三張水彩情境圖(或公開授權的老照片)緩慢推拉,字幕燒在下方,片尾接固定片尾卡。

我怎麼做・目的・你也可以
我怎麼做
不畫可辨識的真人臉。10-12 起一律橫幅 1920×1080,因為 Shorts 不累積觀看時數,頻道改以時數為主。09-29 起也停掉無人值守的每日自動出片,改成我開口才做。
目的
一分鐘台灣藝術家、一首歌一個時代這兩條系列都用這個格式。
你也可以
決定你的頻道要看「觀看時數」還是「短片曝光」,選一種畫面比例就固定下來。

實拍剪輯四軌現行

米白底的網頁式畫面:左邊大標題與說明,右邊一條年代時間軸,下方有字幕。▶ 從 0:10 開始看

米白底的網頁式畫面:左邊大標題與說明,右邊一條年代時間軸,下方有字幕。|臺灣文學資料庫總覽|3 分鐘精華導覽

我怎麼做・目的・你也可以
我怎麼做
拍來的影片走Hello Irene 剪輯技能包的四條路:卡點剪輯(素材配音樂切拍)、口說剪輯(剪掉贅字和停頓)、長片拆精華、班級活動實錄(多支手機片段串成一支,原聲全留、預設不配樂)。做出來的畫面(網頁合成、生成圖)走我自己的管線;兩種混合時,由剪輯包主導。
目的
分清楚「拍來的」和「做出來的」,各用最順手的工具。
你也可以
班上活動的手機片段,先只做最簡單的一種:按時間順序接起來、保留原聲、不配樂。

自拍片自動字幕通道現行

這種風格還沒有公開成品

我怎麼做・目的・你也可以
我怎麼做
我把自己拍的片丟進一個雲端收件夾,凌晨自動用 whisper(把語音轉成文字的模型)聽出字幕、轉成繁體、燒進畫面,以私人草稿進上傳佇列。2026-07-29 上線,是第一條全自動字幕。
目的
凌晨自動跑完,以私人草稿等我看。
你也可以
用免費的 whisper 類工具幫你自己的片產生字幕,再自己快速掃一遍同音錯字。

1-4 換掉的路

項目舊做法新做法為什麼換
做影片的程式框架Remotion、Revideo 好幾套並存06-24 收成 HyperFrames 網頁合成一套我拍板把影片製作統一收斂到這一套。
TTS(文字轉語音)引擎本機的複製聲音模型09-27 改雲端 Gemini 3.8 Flash TTS+我的複製聲音;本機那套 09-29 移除本機每次載入約 5 GB 的模型、很慢,同音字要一支一支修,長音檔重生會整段重抽。雲端較快,錯字比例較低。代價是撞到支出上限時沒有本機備援,只能停手。
旁白來源TTS → 我自己錄(08-27 ~ 09-26)09-27 起回到 TTS,親錄只當備援親錄要切段、修句尾餘音,麥克風和口令流程很繁瑣。罕用字密集的稿子我還是自己錄。
字幕燒進畫面盒式黑底(08-13)→ 另出可開關的字幕軌(10-04)→ 字幕文字照念稿正本(11-19)燒進去的字是像素,搜尋讀不到;whisper 常聽錯同音字,字幕跟著聽寫就會把錯字帶進去。
驗片我逐支先聽配音機器聽寫比對(10-10)→ Gemini 看片+另一支 AI 驗收 → 社團週五片兩道機器閘免審(11-20)我看再多也只能按同意。聽寫比對要用 whisper 的大模型 large-v3,小的 turbo 會誤報。
關卡形式把分鏡、稿、成品都開給我看11-03 起用跳出選項一題一題問我,答完 AI 自己做到底我當時說:「問好,我問題就自己做了,這些東西不用開給我看;開這麼多我也只能按 Yes。」
算力M2 Air 本機跑所有生成,一次一支09-29 起 H3 上 Colab,其餘本機;並行上限放寬到兩支本機沒有風扇、24 GB 記憶體,H3 跑不動。TTS 上雲端後記憶體不再是瓶頸,剩下過熱降速。
成品存放放桌面或本機07-30 改以 Drive 為家 → 09-10 一律不留本機,md5 對上才清08-12 一支不可重生的私人影片母帶被連同 1.8 GB 剪輯檔一起清掉,之後把清之前先問這一步改寫成機器閘。
生圖11-11 試接開源生圖模型撤回,繼續用 OpenAI 生圖最低品質我看了五張對照,說:「品質不過關,撤掉了,不OK」。畫風偏淡色鉛筆線稿、構圖稀,跟系列要的暖水彩滿版感差太遠。
短片比例直式 Shorts10-12 起橫幅 1920×1080Shorts 不累積觀看時數。
數學動畫Manim CE10-18 起 ManimGX不用裝 LaTeX,2D、3D 都能做。
配樂同一首從頭循環;整首一次生成10-20 起每種情緒各生一首約 30 秒,自己交錯循環沒有起伏;一次生整首,轉折點不穩。
配樂與人聲配樂遇到人聲自動壓低配樂固定比旁白低 11 LU 鋪底自動壓低會在段落之間「抽氣」。
有版權登記的歌燒進片裡10-18 起出無聲版,我用 YouTube 的 Remix 功能引用一支用了註冊歌曲的片要撤下,留下這條規矩。
課程介紹片版型整畫面一段一張照片慢推左右分割 → 左右分割但逐段判斷(10-31 ~ 11-03)太靜態;同樣的錯在研究片又犯一次,我說:「上次不是有檢討過了嗎?你還是犯同樣的錯誤」。
接片AI 自己寫接片和混音09-29 起交給Hello Irene 剪輯技能包自己做慢,我連問了三次。
縮圖審核縮圖大字寫進稿給我審10-17 起 AI 自己定、不送審我說:「覺得不恰當,再叫你換首頁縮圖就好了」。
出片節奏排程制、每天自動出片09-29 停掉自動出片;10-01 起開工當次做到完成品我說:「今天做完就放進佇列了,為什麼要 10 月 6 號再放?今天做完、全部做完,我就要看到完成品了。」
每日歷程片誰起頭我逐支下令10-29 起課程日自動駕駛秋季平均每天要講 4.2 輪,下游有 32 次沒接上。

2. 素材處理

影音、圖、聲音、配樂,Colab,表一「效果 → 工具 → 旋鈕」

一支片的素材有四種:影音(照片、實拍、AI 生成的片段)、圖、聲音(旁白和字幕)、配樂。下面一種一種講怎麼來、怎麼存,最後講怎麼讓它們不留在我的筆電上。

2-1 影音:照片、實拍、AI 片段

我怎麼做
歷程片的真實畫面來自三個地方:黑板實拍、課堂照片、課堂影片片段。每張照片檔名前面加日期,腳本只挑日期不晚於這一集的素材。黑板實拍我一張一張看過:不能有人臉、不能有班級名稱的落款;學生的工作本一律不用。用過的照片同一回合就歸進課程影像夾。需要真實文物、地景時,先查自己的素材庫,沒有才去公開素材庫找(Wikimedia Commons 可以用中文查,Internet Archive、NASA 用英文),附上署名寫進說明欄;授權不准商用、不准改作或不明的一律不下載。沒有主角的空景,依序找:素材庫、照片加視差、Blender,真的沒有才用 H3 生成。
目的
孩子的臉和名字不上公開影片;已經有的先用,生成放最後。
你也可以
手機拍的課堂照片,用「年月日_內容」命名,每週挑一次能公開的(沒有臉、沒有名字),放進一個「可用素材」資料夾。

2-2 圖:AI 插畫

我怎麼做
生圖前先查素材庫,有就直接用。要生就用 OpenAI 的生圖、最低品質、尺寸 1536x1024,每張的描述文字存成檔案留著。圖上不放字。新生的、以後還用得到的圖,同一回合入庫;腳本會擋「生了沒入庫」的情況。手機照片當參考圖送進 H3 之前,先轉正、縮到 1600 像素。
目的
同一張圖不付第二次錢;描述留著,下次要同風格可以照抄。
你也可以
每生一張滿意的圖,就把它和那段描述文字放在同一個資料夾、取同一個名字。

2-3 聲音:旁白、讀音、字幕

我怎麼做
旁白用 Gemini 3.8 Flash TTS 加上我自己的複製聲音。我當時特別交代:「記住是 3.8 Flash,錯誤率比較低」。第一人稱的旁白用我的聲音,第三人稱用 Gemini 內建的另一個聲音,同一支片不混兩種。一個畫面段落生一個音檔,改稿時只重生念稿有變的那幾段。送出去之前,腳本先用名冊掃一遍有沒有學生全名。
讀音有三層防線:TTS 之前改寫法(念稿用同音字替換,字幕保留正字);TTS 之後兩個 whisper 模型各聽一次;最後再看成片。一個詞換兩次同音字還唸錯,就改稿刪掉那個詞;罕用字太多的稿,我自己錄。
字幕的文字照念稿正本,時間點靠 whisper 逐字對時,再把每條字幕的起點吸到旁白真正開口的地方。每條不超過 22 字、不超過 5 秒。字幕另出 srt 檔(字幕檔,記錄每句什麼時間出現)上傳成 YouTube 的字幕軌。
目的
字幕的字照念稿正本,whisper 聽錯的同音字就不會進字幕;時間照聲音,字幕和開口對得上。
你也可以
開一份「讀音替換表」,左欄寫正字的詞、右欄寫唸得對的同音詞,兩邊字數一樣。記得寫整個詞、不要只寫單字:只寫「勇→永」,「勇敢」會變成「永敢」。

2-4 配樂

我怎麼做
預設用固定曲庫裡的一首暖調曲;需要情緒變化時,用 Lyria(一種 AI 生配樂的工具)每種情緒各生一首約 30 秒的弦樂豎琴曲,放進素材庫,剪的時候自己交錯,交錯處至少 3 秒交叉淡化,每首先拉到同樣響度。Lyria 不一定照描述裡指定的調性生,所以生完量一次、移調對齊。配樂比旁白低 11 LU(LU 是響度單位),從 0 秒開始、片尾 3 秒淡出。有版權登記的歌不燒進片子。
目的
配樂要有起伏、不搶話,版權要乾淨。
你也可以
先只準備兩首授權明確的配樂(一首平穩、一首溫暖),音量固定拉到聽得到、但旁白一出來就自然退到後面的位置,記下那個數值,以後每支都用同一個。

2-5 怎麼存、怎麼不留本機

我怎麼做
做完的影片先上 Drive;要上 YouTube 才從 Drive 下載回來,上傳完連中繼檔一起清。清之前有兩道機器閘:這支片確認已經上線,而且 Drive 那份的 md5(檔案指紋,內容一樣指紋就一樣)跟本機對得上。兩道都過才丟垃圾桶。素材中繼檔打包成壓縮檔上雲端,裡面每個檔的路徑、大小、md5 都記在一份台帳。我說過:「我本機只留台帳的檔案,追蹤得到我的檔案在哪裡。」2026-09-10 上線那天,工作夾從 3.2 GB 降到 74 MB。08-12 一支私人影片的母帶被清掉之後,可以重生的教學片和不可重生的私人影像分開處理。
目的
守的是母帶一定有另一份在雲端,而且找得到。
你也可以
建一個雲端資料夾叫「影片母帶」,每支片上傳後,在一份試算表記一行:片名、上線日期、雲端檔名。確認雲端那份能播,再刪本機。

2-6 Colab:能跑什麼、怎麼守額度、用完一定關機

Colab 是雲端租用的 GPU 筆記本環境,按使用時間扣額度。我的筆電沒有風扇,H3 這種影片生成跑不動,所以搬上去。

目的
筆電跑不動 H3;Colab 額度有限,所以要有守門員、卡住偵測,驗收從寬。
能跑什麼
兩類。一是 H3 影片生成,只透過一支固定的入口腳本跑。二是通用的 GPU 批次工作,例如用看圖模型初篩一批照片、批次轉錄。H3 預設用 G4 顯卡(同一段描述實測比 A100 快約 1.9 倍),分不到 G4 才自動改 A100 開一次,並記下來告訴我;A100 也分不到就停。學生照片只在我自己的 Colab 機器上用開源模型處理,不送任何外部 AI 服務,跑完即關。
怎麼守額度
開跑前先算夠不夠,不夠就拒跑,連機器都不開。跑的時候有一個守門員程式從開機那一刻全程盯著,定期看餘額,碰到警戒線就關機;遠端進度一段時間都沒動也關機,不讓它空燒;開機前發現有不明的機器在跑,也拒跑。腳本裡沒有購買額度的指令,額度不夠時要不要買,由我自己決定。
一定關機
不管成功、失敗、出錯、中途按停,最後一律關機,關完再查一次機器真的不在了,沒確認就大聲印出來。閒置的機器照樣計費,所以不留備用機。守門員一定在背景跑,並讓 Mac 不准睡著:Mac 一睡,守門員就停了,機器卻還在扣。
省額度三招
同一天要生好幾支,排進同一批,開機和下載大模型只付一次;秒數照需要給,因為生成時間跟影格數成正比;描述文字和參考圖在本機定稿、我看過才開機,開機後不改稿。走樣的鏡頭最多重生一次,再不行就改成不露臉的鏡頭(背影、手部特寫)。
揭露
有寫實 AI 生成鏡頭的片,上傳時勾選「合成內容」,說明欄加一行說明本片含 MiniMax H3 生成畫面。班上學生的臉和聲音不送 H3。
你也可以
第一次用 Colab 時,在筆記本最後一格寫好「關機」那一行,並且養成習慣:離開座位前打開 Colab 的工作階段清單,確認沒有機器還開著。

2-7 表一:想要的效果 → 用什麼工具 → 怎麼控制

左欄是我嘴上會說的話,第二欄是現在用的工具(括號裡是我這邊的腳本名,只當例子),第三欄是能轉的旋鈕和為什麼這樣轉,最後一欄是你沒有我的環境時可以怎麼起步。

#想要的效果用什麼工具怎麼控制、為什麼你也可以這樣做
1旁白用我自己的聲音Gemini 3.8 Flash TTS+我的複製聲音(例:gemini_take.py)語氣用一句話描述,預設「不疾不徐」;可以先乾跑,只列出要生哪幾段;一個畫面段一個檔,改稿只重生有變的段。TTS 的輸入只放純正文,加了「請朗讀」它會連這句一起念。撞到支出上限就停手。一開始就用 TTS 複製你自己的聲音,一段一個檔;罕用字多的句子再自己補錄。
2旁白用另一個人的聲音(第三人稱)同上,指定 Gemini 內建的聲音同一支片不混兩種聲音;任何一段重生都要記得帶同一個聲音參數,漏帶就變回我的聲音。選定一個「旁白人」就整個系列用到底。
3唸錯的字修好三層:TTS 前改寫法、TTS 後兩個 whisper 模型聽、最後看成片相似度太低的段落一定真的聽;念稿用同音字、字幕留正字;換兩次還錯就改稿刪詞;罕用字太多改我自己錄。建一份讀音替換表,寫整個詞、兩邊字數一樣。
4字幕對得上聲音whisper 逐字時間戳 → 字幕文字照稿 → 起點吸到開口處(例:tok-whisper.py、snap-srt.py)每條 ≤22 字、≤5 秒。跳過逐字對時,字幕會照字數比例分配,比聲音早 1–2 秒。字幕不燒進畫面時,改 srt 的數字就好,不必重新渲染。用剪輯軟體或免費的 whisper 工具自動上字幕,再用耳朵掃一遍句尾。
5配樂有起伏、不搶話固定曲庫+Lyria 每種情緒一首約 30 秒比旁白低 11 LU;不用自動壓低;交錯處 ≥3 秒交叉淡化、各首先拉到同響度;生之前先查庫。已上片的版本不追改。準備兩三首授權明確的曲子,固定一個音量數值。
6配樂版權乾淨只用授權明確的音樂或買來的曲庫有版權登記的歌不燒進片,出無聲版,用 YouTube 的 Remix 功能引用。每首配樂旁邊放一個文字檔寫授權來源。
7人物開口說話、嘴型對得上H3 的參考音訊模式+對嘴配音流程H3 照音軌生嘴型、不分語言。我說過:「我叫你用中文對嘴,你就要用中文材料餵給他。」每一層(配音、對嘴、成品)通過檢查才准下一步;有錯整稿重生,不拼段,因為單句重生音色會變。先不做對嘴;需要人說話就拍自己,或用背影加旁白。
8片裡的人唱歌Lyria 純伴奏 → 複製聲音一字一拍喊出歌詞 → 伸縮到合拍 → H3 對嘴H3 自己不會唱,會變成念白;最後整條音軌換回原曲。Lyria 會擋部分含真實人名的歌詞。唱歌的片用真人錄音,畫面配插圖就好。
9主角動起來、有環境音的寫實片段MiniMax H3,在 Colab 上跑,只走一支入口腳本描述分六段寫(主角定義、摘要、要保留的、細節、聲音、不要的);秒數只用固定的幾個格點(多鏡 8.0/10.125/12.25 秒、單鏡 5.167 秒);每支 ≤4 鏡、每鏡 ≥2.5 秒。開頭約 0.5 秒常有破碎語音;黑板招牌會冒出假字。驗收從寬,只有出現文字、可辨識的臉、會被讀成錯誤事實的道具、畫面壞掉才重生。先用真實照片加推近效果代替;真要用 AI 影片,一次只生一支短的,看它會出什麼錯。
10同一個人每鏡長一樣角色包:固定參考圖+固定順序+逐字相同的主角描述人物要給正、側、背多個角度;主角描述從角色包注入,鏡頭裡自己另寫會被擋。班上學生的臉和聲音不進角色包。主角描述寫成一段固定文字,每次一字不改地貼上。
11空景、田園、沒有主角的鏡頭依序:素材庫 → 照片視差 → Blender → 真的沒有才 H3視差只給有縱深的情境圖,示意圖和剖面圖只做慢推;公開素材用搜尋工具找。先翻自己的照片和公開授權圖庫。
12地圖、立體臺灣、地點定位網頁 3D(Three.js)或 Blender,資料用內政部 20 m DEM、縣市界全島垂直誇張 3.0 倍、細節區 1.3–2.5(台地這種頂平邊陡的要壓低,不然變尖山);北朝上、靜止;每個地點的座標用 DEM 與縣市界實算。Blender 多支同時跑會互搶,排成一支序列跑完。用一張乾淨的臺灣地形圖,固定放同一角落當定位圖。
13概念、數學、機制圖解動起來SVG 黑板圖解、ManimGX、簡報式滑入、板畫長回來、字卡線與字錨在旁白關鍵詞上;ManimGX 只當選項;示意圖右上掛「示意」。用簡報軟體的動畫,讓每個圖形在旁白講到它時才出現。
14轉場、片頭片尾字卡字卡包裝、黑板片頭、Hello Irene 剪輯技能包的字卡風格讓 AI 列選項給我挑;主片有旁白就不加配樂;片尾文字跟說明欄一致。做一組固定的片頭片尾範本。
15多段影片接成一條旁白音軌旁白、配樂、環境音混成單一音軌,最後只合併一次(例:build_audio.py)旁白 −16 LUFS、成品整軌約 −14 LUFS(LUFS 是平台通用的響度單位);H3 原聲當環境音,比目標低 10 LU,在 3D+H3 合片裡調到比旁白低 20 LU 附近。各段各自編碼再接,後半段會音畫不同步。在剪輯軟體裡,旁白放一條音軌、配樂放另一條,整支片一起輸出,不要分段輸出再接。
16做 5–8 分鐘以上的長片3D+H3 合片流程、研究片八步、沙畫長片、簡報式長片每日歷程片 ≤5:10(上傳腳本會擋);研究片含片尾 ≤8:00;不分章輸出再接,會毀掉字幕對時;片尾靜止 8 秒;每完成一步自動存一版。長片驗音用 whisper large-v3。先把片長上限定下來寫在稿子第一行,寫稿時就照字數估時間。
17上傳 YouTube上傳腳本(例:publish.sh、yt_publish.py)縮圖、說明欄、字幕檔、成品缺一個就不准上傳;同標題已經上過也擋。搜尋包裝六條:說明欄第一段是內容摘要、附字幕軌、tags 至少 5 個、hashtag 2–3 個、長片加章節時間碼、標題說到的畫面片裡要有。片尾元素 API 設不了,由操作瀏覽器的 AI 小幫手代設。做一張上傳前檢查清單,照那六條逐項打勾。
18縮圖和標題讓人點進來縮圖產生腳本+長片成功公式縮圖用片裡真的出現的強畫面(挑沒有字幕的乾淨格)+2–8 個白色大字+左上小標;標題前段是反差問句加地標,後段是系列名;前 15–20 秒破題。教學內容不為點閱改變,只動包裝;班級影片不做搜尋包裝。從你的片裡挑一格最好看的畫面,加不超過八個字,就是縮圖。
19嵌回班級紀事網站課程日流程裡的「嵌入」階段當天的歷程片和圖解片排成左右並排,嵌進當天紀事後重新發布,兩個播放器都驗過才算完成。孩子的回顧、演出影片只放班級網站的相簿和紀事,不上公開 YouTube。每週的班級紀事或家長信,固定在最後附上這週的影片。
20驗收:機器聽、機器看成片品檢腳本(例:video_qa.py)→ agy 看畫面 → agy 不通才換另一支 AI 驗收品檢量規格、響度、黑畫面、靜音、字幕、旁白聽寫比對。agy 抓錯字、唸錯、嘴型、紅線很準,秒級對時不準,所以秒數交給機器量。沒過自動修一次再驗,還沒過才叫我。做片的 AI 不驗自己的片。上傳前從頭到尾看一次,同時開著稿子逐句對。
21分鏡不像投影片、稿子過關分鏡風險預審(例:slideshow_risk.py)+關卡檢查點六個面向打分:重複、裝飾性畫面、動態沒有目的、鏡頭沒有意圖、太依賴字卡、名不副實;判 fail 就先改畫面設計再生圖。檢查點記下「誰用哪句話放行哪一版」,放行後被改過也擋。寫完分鏡,自己問:哪幾段只是在放字?每一段換一個真的畫面。
22臺語旁白專門的臺語語音服務(意傳媠聲),不用複製聲音華語模型壓不出道地的臺語腔,2026-06 實測全部失敗。臺語旁白先自己錄或請會講的人錄。
23實拍影片剪成成品Hello Irene 剪輯技能包四軌+字幕修正帶參考片來可以量它的剪輯節奏(鏡頭數、中位鏡頭長度、每分鐘切點);說不出的氛圍不腦補,追問我喜歡參考片哪裡。字幕修正四件事:辨識錯字、轉臺灣繁體、斷行、時間不重疊。找一支喜歡的片,數一分鐘裡切了幾刀,照那個節奏剪你的片。
24水彩、板畫風插畫OpenAI 生圖;板畫另一支風格鎖在腳本裡最低品質、腳本硬擋;帶參考圖要我下令;圖上不放字;同一回合入庫;板畫一張一張生。固定一段畫風描述,每次貼同一段。
25母帶歸檔、本機清理歸檔腳本(例:video-archive.py)確認上線、雲端那份 md5 對上,兩件都成立才刪本機;刪的是丟垃圾桶。會進 git 的檔一律不刪。上傳後在試算表記一行,確認雲端能播再刪。

3. 經驗傳承

新手路線、表二「要建的影音資料庫」、最常踩的坑

3-1 給新手的路線

我走的路有很多繞遠的地方,你不用照著繞。下面是我回頭看,覺得比較省力的順序。

  1. 第一週:做出一支,並且把它存好

    我怎麼做
    我能查到最早的片子放在 Drive、嵌進課程網站。07-05 我定下兩條規矩:每支片先驗配音再出片,成品一定上 Drive。
    目的
    第一週要的是跑完一圈,知道哪一步最卡。
    你也可以
    挑一堂課,用五張照片、一段幾分鐘的旁白、自動字幕、一首授權明確的配樂,做出一支片。旁白直接用 TTS 複製你自己的聲音(我現在用 Gemini 的 TTS),錄一小段樣本就好,省下的時間拿去寫稿。做完上傳雲端、記一行台帳,再刪本機。
  2. 第一個月:固定版型,開始讓 AI 接手寫稿和配音

    我怎麼做
    頻道上線後,我開了台帳和幾條系列。階段三每天的主課程做成歷程片,徒手幾何沿用古文明的台帳和錄音流程,同一套流程第二次複用。
    目的
    版型固定,每支片只換內容。
    你也可以
    定一個系列版型(片頭、畫面樣式、片尾、配樂各一個);開一份參考片單;開一份讀音替換表;做一張上傳前檢查清單(表一第 17 列那六條)。這個月可以開始請 Claude Code 這類 AI 助手幫你把課堂紀錄改寫成旁白稿、標好每段要配什麼畫面。
  3. 之後:把會重複的檢查交給機器,再談特效

    我怎麼做
    08-01 我發現好幾個「回報成功、其實什麼都沒發生」的靜默失敗,其中一個讓六支片靜靜失敗了兩天。從那之後,驗收一律驗實際會跑的那條路。10-10 起加了成片的機器品檢,11-20 社團週五片改成兩道機器閘、不用我審,我說:「讓它比照課程紀錄的流程,就是做好來,不用我審了,可以直接上。」H3 和 Colab 是 09-29 才加進來的。
    目的
    機器能驗的都做成閘,人只裁機器裁不了的那一兩個點。
    你也可以
    把你每次上傳前都要檢查的事列出來,挑一件最常忘的,請 AI 寫成一支小腳本自動檢查。

3-2 表二:要建的影音資料庫

這些庫解決兩件事:同一個東西不要做第二次;要找的時候查得到、對得起來。我這邊有的已經在跑,有的只有零件,片單則是缺口。

#資料庫放什麼拿來做什麼拿什麼去對照怎麼入庫、怎麼下標籤你也可以這樣做
1影音素材庫可重用的素材:3D 地形包、H3 片段與角色參考圖、水彩插畫(連描述文字)、關鍵靜幀、無聲全片、片頭、配樂與音效做新片前先查,有就拿來用,不再生成生成前用關鍵字查(台、臺當同一個字);H3 開機前用每支工作的標題反查標籤,命中就拒跑,確定要新生要寫理由每筆至少 5 個標籤(畫面裡的東西、主題、素材類型、系列與集數),說明至少 30 字,寫清範圍、規格、授權和坑;不准寫 TODO 之類的佔位;改版另開新編號,不覆蓋。成品在雲端,本機只留一份清單。一份試算表就能開始:檔名、雲端位置、5 個標籤、一句說明。
2影音模組庫(畫面風格目錄)一種畫面一份說明:長相、適合什麼片、怎麼叫它、指令、範例片、用過的片、已知的坑挑畫風:先看長相和範例片上片台帳:找出還沒歸到任何畫面風格的片每支片上片後「收模組」:用了舊的就記一筆,新的畫風就開一份「待整理」的說明。試做的標記日期,超過 30 天提議下架(只提議、不自動刪)。本頁 1-3 那張清單就是一份模組庫的起點,照抄成你的版本。
3參考片單想學的片:節奏、剪法、畫面風格、標題和縮圖定調「這支片要像什麼」量剪輯節奏(鏡頭數、中位鏡頭長度、每分鐘切點),再看代表畫面判風格紀錄裡找不到這份庫。建議每筆寫「片名、學它什麼、量到的數字」。我現在拿來代替的是:老鷹片當標竿、兩支已上片的圖解片當研究片範本、兩支曝光好的圖解片歸納出的長片公式。從一筆開始,照左邊的格式寫。
4角色包/參考圖庫主角的正、左、背、右四視角參考圖、固定順序、逐字相同的主角描述H3 多鏡頭主角長得一樣鏡頭裡自己另寫主角描述會被擋一個角色一包,放進素材庫。學生的臉和聲音不收。如果你常用同一個插畫角色,把它的描述和三張參考圖放一個資料夾。
5聲音樣本我的複製聲音、建立它用的錄音樣本與授權句、內建的第三人稱聲音旁白 TTS、對嘴配音查帳上有哪些複製聲音複製聲音有到期日,重建要我再錄兩段;原始錄音放雲端指定資料夾。獨立的音檔樣本庫,紀錄裡找不到。在安靜的地方錄一段朗讀存起來,以後要做複製聲音或比較音質都用得到。
6讀音替換表+驗收別名表原詞 → 念稿用的同音詞;稿面寫法 → whisper 常聽成的寫法TTS 唸錯的字自動換;驗收不被已知的同音誤寫誤報逐段聽寫比對「期望 X、聽到 Y」兩邊讀音相同、字數相同;寫詞不寫單字。修法順序:改念稿讓詞不相撞 → 加進替換表 → 標拼音 → 用逗號斷開 → 我自己錄那一句。我這份約 160 行。每次聽到唸錯就記一行。
7配樂庫與音效庫買來的曲庫(依情緒分夾、附節拍檔)、音效(動作、強調、情境、轉場四類)、Lyria 生的情緒曲旁白片鋪底;字卡接點和轉場依情境推薦曲目,說「換一首」就重抽Lyria 曲生成後移調對齊、拉到同響度再入庫。依情緒建兩三個資料夾,每首附授權來源。
8上片台帳每支上傳:日期、標題、隱私、播放清單、有沒有字幕和縮圖、母帶在雲端哪裡防止重複上傳;週報對帳要跟 YouTube 端對帳:隱私欄只記上傳當下,之後在 YouTube 改不會回寫上傳腳本自動加一筆;母帶位置一定要補,不補就驗不到母帶、本機清不掉。試算表一行一支,母帶位置那欄不能空。
9母帶封存台帳每個專案的成品和素材壓縮檔,裡面每個檔的路徑、大小、md5;狀態分已歸檔、只在本機、只在雲端、壞掉等「本機完全不留」的對帳;找舊圖時查這份台帳、雲端、本機三邊對得起來確認上線、雲端 md5 對上,才把本機丟垃圾桶;開工時會提醒有沒有殘留。在母帶試算表加一欄「本機已刪」。
10系列台帳每個系列每一集的狀態(待做、素材備好、已上片)、標題、母帶位置、日期決定下一支做哪一集:取待做裡最小的集數,不用再問上片後自動把那一集改成已上片全系列做完時,問我要不要整個歸檔。我現在有 14 份系列台帳。每個系列一張表,先把所有集數列出來標「待做」。
11H3/Colab 計時台帳每趟的開機、裝環境、下載模型、生成、下載成品各花多久,用了哪張顯卡預估下一趟要花多少只記錄,守門員不看它每趟自動加一行。用雲端 GPU 時,每次記下開機到關機的時間和做了什麼。
12片頭與字卡設定每塊主課程一份黑板片頭設定;系列片頭;字卡風格每集只改「第幾天」列出可選風格新主課程開新設定;片頭不進素材庫,因為隨時可以零費用重出。片頭範本存成一個專案檔,每集複製一份改集數。
13真實照片與課程影像夾黑板實拍、課堂照片、影片片段歷程片的真實畫面素材日期不晚於集數日期;黑板實拍逐張看有沒有人臉和班級落款檔名前面加日期;用過的照片當天歸進課程影像夾。照片一律用日期開頭命名。
14公開實拍素材源真實文物、人物、地景的公開照片與影片研究片、介紹片的證據畫面先查自己的素材庫,沒有才去公開來源搜存進專案,署名寫進說明欄的「照片出處」。每用一張公開圖,就在說明欄底下記一行出處。

入庫的三條規矩。做完可重用的素材,同一回合就放進庫裡,上片收尾那一回合一起推上去。生了圖沒入庫、3D 專案和 H3 批次沒入庫,清理、開給我看、上傳、審片之前都會被擋下;只有我明說這批不入庫時才放行,而且要留紀錄。取用完照「本機不留」刪掉。

3-3 最常踩的坑

這 15 條是我覺得新手最可能遇到的。每條照「症狀、原因、做法」寫,最後一欄是沒有我的環境時你可以怎麼防。

#症狀原因做法你也可以這樣防
1旁白把字唸成別的字TTS 對某些字讀音不穩只在念稿那一側換同音字,字幕保留原字;驗音交給 whisper 聽寫比對讀音替換表,寫整個詞
2同一個詞被誤報唸錯小的 whisper 模型(turbo)對細微音節誤判長片驗音改用 large-v3;關鍵地名兩個模型各聽一次,兩個都錯才重生機器說錯時,自己再聽一次那一句
3字幕在最後一兩個字還沒念完就消失,或比開口早出現自動對時照樣會出這種誤差用旁白單軌逐 10 毫秒量能量對照字幕時間,句尾差超過 0.15 秒就改 srt 的數字上傳前專門看一遍句尾
4多段影片後半段音畫不同步,有的播放器直接沒聲音每段各自編碼成 AAC 再接起來,每段開頭約 21 毫秒的空白會累積,18 段就短了 8 秒所有旁白先接成一條,畫面各段不帶聲音,最後只合併一次;驗收量畫面長度和解碼後的音軌長度,差要小於 100 毫秒整支片在剪輯軟體裡一次輸出
5成品的音量峰值破表壓縮成 AAC 之後峰值會變高,限幅器只看取樣點限幅器墊在 4 倍超取樣裡;驗收量 mp4 成品本身,不量混音檔輸出後用播放器聽最大聲那一段有沒有破音
6每支片音量都不一樣電平憑感覺調照固定的電平規格表,不憑感覺改把旁白、配樂的音量數值寫在一張紙上,每支照抄
7黑板、招牌上出現假中文字H3 和生圖模型會編字生成後一定看;圖畫裡不成字的假字跡只記警告,被讀成真的字而對不上稿才擋下重生畫面上要有字,一律自己在剪輯軟體裡加
8AI 影片裡主角慢慢走出畫面,或冒出陌生人的正臉H3 的運鏡不替主角留位置描述寫「停在畫面中央附近」;要背影就寫「背對鏡頭走開」描述裡寫清楚主角在畫面哪裡、朝哪個方向
9手機照片送進 H3 後是橫躺的照片的旋轉資訊沒被讀到先轉正、縮到 1600 像素再送送之前先在相簿裡轉正存一份
10情境插畫被當成真實的考古現場沒有標「示意」,或放了會被當成事實的道具示意圖一律右上掛「示意」想像畫面一律標「示意」或「插畫」
11影片最後一段畫面不靜止尾幀沒選好片尾 8 秒嚴格靜止:選一格乾淨的尾幀,旁白結束後漸暗再定格片尾固定接一張 8 秒以上的靜止字卡
12燒字幕失敗,或被悄悄降級ffmpeg(處理影音的命令列工具)的某些安裝版本沒有編進字幕功能改用完整版 ffmpeg;燒完逐張抽格看;中文字幕用黑體輸出後抽幾格畫面看字幕在不在
13台帳說是公開,YouTube 上其實是私人台帳只在上傳當下記,之後在 YouTube 改不會回寫盤點前先跟 YouTube 對帳每月對一次帳
14想拿班上學生的臉或聲音當 AI 影片的素材違反我對學生資料的判準一律不送 H3;學生照片只在自己開的雲端機器上用開源模型處理寫一條規則貼在螢幕旁:孩子的臉和聲音不送外部 AI
15用 AI 看片時,它說字幕同步,其實字幕早了 0.8–1.6 秒Gemini 看片在「第幾秒」上不穩秒級時間交給機器量,AI 只看畫面內容對時這件事自己用耳朵確認
其餘的坑(展開)
症狀原因做法
字幕只剩五個字卻掛 6 秒,或 TTS 把分隔符號唸出來「字幕|念稿」的寫法是整行切兩半,一行寫兩個就壞一行只准一個,多了就停;驗收加逐段聽寫對念稿
字幕時間整段退回按字數比例分配轉錄只給一條時間戳,還是簡體逐字對時那一步不能跳
字幕和旁白對不上字幕稿和念稿各自維護讓字幕稿對齊念稿,對不上就停
拿整片 whisper 量標籤延遲,結果偏早 1–1.5 秒整片對時不準先用該幕旁白的停頓核對,對得上就不改
旁白重生了,字幕還是舊的快取比錄音新錄音比快取新就重跑
重出片時沿用了舊字幕包裝步驟會讀到舊的字幕暫存檔重出片前先刪舊暫存
H3 片段開頭有破碎語音、原聲響度不穩H3 本身的特性生成後要聽;要乾淨的聲音就用複製聲音另外配
H3 自帶溶接、手套手像拖鞋生成瑕疵先看縮圖總表,壞的單支重生;能用就用
以為 H3 中文不能對嘴、不能唱工具第一版只處理英文斷詞參考音訊模式跟語言無關;唱歌走伴奏+複製聲音踩拍+對嘴
Blender 多支同時跑,每幀從 2–3 秒變 16 秒背景進程互搶、殺不掉一支序列腳本依序跑完
示意圖、剖面圖加視差後變形位移會扭斷地層;視差固定 30fps、轉 24fps 會出事這兩類不上視差
重跑分鏡腳本後,手調過的畫面全不見它是整份重生驗回歸時複製到暫存夾再跑
幕表寫了字卡,成片卻沒出現沒真的疊上去用錨詞的時間把字卡疊上
渲染時報兩個作品專案根目錄不准有兩個舊版移到封存夾
幀率不統一圖卡字幕片 30 fps、H3 原生 24刻意不統一;接 H3 的片包字卡時帶 24
上傳指令被權限規則擋下複合指令對不上規則上傳指令一定單行單獨呼叫
雲端上傳或下載被擋命令列工具只吃目前目錄底下的路徑切到檔案所在目錄再呼叫;還是被擋就寫成腳本
圖片、音檔、影片進不了 git忽略清單擋掉畫面資料檔和腳本才是重生的依據;成品與素材走雲端
本機中繼檔清不掉排程中的片還是私人,驗不到上線等排程公開後再清
素材閘誤判「無聲全片比時間表舊」檔案修改時間的順序不對過閘前先重產時間表,讓它比無聲全片早
模組庫的登記指令吃不到以減號開頭的影片編號參數解析把它當成選項那個參數一定放第一個
外部請求帶了個人 email 或姓名工具預設的請求標頭派工時寫明:任何外部請求不得帶個人資料
為了驗證網站上線,去發臨時連結會新建憑證上線靠自動部署的結果判斷
主對話直接呼叫 agy 被擋權限規則擋直接呼叫一律透過包裝好的入口
長時間渲染被中途砍掉逾時上限看任務文字決定任務文寫明是影片、字幕、渲染類工作
agy 的背景任務被殺它是一次性進程,回合結束背景全被殺前景跑到完;超過 10 分鐘就拆成幾次
agy 找不到檔案它從家目錄起跑一律給絕對路徑
同時做太多片本機並行上限兩支已有兩支在做就不派第三支

4. 效果與工具搭配

一支課程日片從錄音到上片、我和 AI 怎麼分工、影片和教學文稿的關係

4-1 現在做得到什麼

到 2026-11-20,我現在能穩定做出這幾種片:每天一支的教學歷程片(黑板粉筆卡,5:10 以內)、課程介紹片(沙畫或左右分割)、主角帶路的 3D 國土加 H3 實景片、研究報告圖解長片(8:00 以內)、數學動畫、一分鐘人物與歌曲短片、實拍剪輯,還有社團週五聚會短片,最後這種已經由機器閘把關、不用我看就上片。

其中最常跑的是課程日片。我上完課,丟一段錄音,說一句開工,後面整條鏈自己跑完,只在中間停一次等我看班級紀事的草稿。下面是這條鏈的樣子。

4-2 一支課程日片:從錄音到上片

  1. 起點:上課錄音我上完課錄音,丟進來,說一聲開工。
  2. 一、課程紀錄機器Claude Code本機 whisper 轉錄,判斷是哪塊主課程的第幾天,判斷不出來就停。Claude Code 寫課程紀錄並存檔。
  3. 二、說書稿支線Claude Code驗收 AI寫明天要講的故事稿,交給另一支全新的 AI 驗收,報告最後一行寫通過才算完成。這條支線不擋主線。
  4. 三、班級紀事Claude Code我機器Claude Code 找照片、寫紀事草稿。我看稿放行,這是整條鏈唯一一道人審。放行當下機器再掃一次個資,才發布。
  5. 四、出片Claude Code小幫手agyClaude Code 寫旁白稿、生插畫。派出去的小幫手跑 TTS、字幕對齊念稿、混音、渲染、黑板片頭、成片品檢,再寫說明欄和縮圖,比對名冊確認沒有學生全名。最後 agy 看畫面、由腳本判定;agy 不通才換一支全新的 AI 驗收。沒過自動修一次,再沒過就停。
  6. 五、上線機器瀏覽器小幫手公開上傳,附字幕和縮圖;回寫系列台帳、母帶歸雲端、清本機。另一個會操作瀏覽器的小幫手去設片尾元素。當天的歷程片和圖解片嵌回班級紀事,兩個播放器都驗過。
  7. 六、收尾機器Claude Code新片掛到教師站,課程站、地圖、家長頁、列印頁同步重生並驗過線上版。照片歸相簿和課程影像夾。最後一張結算卡貼給我。

黃色圓點:有我出手的一段綠框圓點:交給 AI 和機器虛線:支線

這條鏈在我的系統裡切成 23 個階段,上面是把它們併成六段。有一段後續的階段目前不跑,所以沒畫。會讓它停下來等我的情況有這幾種:撞到額度或支出上限、驗收自動修一次還是沒過、個資閘命中、判斷不出是哪堂課、推送失敗、憑證過期。停下來以後,只有我開口它才會續跑,AI 不能自己繞過去。

流程圖裡沒有 Colab:課程日這條鏈用不到它。Colab 跑的是 H3 片段(研究片、老鷹片會用到)和少數 GPU 批次工作。

目的
從 10-29 起,我一次口令,整條鏈跑到上片。原本秋季平均每天要講 4.2 輪,下游還常接不上。
你也可以
把你做一支片的流程也畫成幾格,標出哪一格一定要你親自看,其他格先寫成清單,慢慢交給 AI 和腳本。

4-3 我和 AI 怎麼分工

誰做哪些段為什麼這樣分你也可以這樣做
Claude Code 主對話所有要「寫字」的段落:課程紀錄、說書稿、班級紀事草稿、旁白稿與生圖描述;調度整條鏈;先跑 agy 驗片寫字的段落由主對話寫,後面的機械段交出去。讓 AI 助手寫稿,你只改它寫錯的事實和語氣。
派出去的小幫手(另一支 Claude)寫完稿之後的機械段:TTS、字幕、混音、渲染、說明欄、上傳、歸檔;另有一支會操作瀏覽器的去設片尾元素省主對話的 token;小幫手出片的空檔,主對話寫說書稿。重複的步驟寫成清單,一次交出去,別一步一步盯。
全新的驗收 AI說書稿驗收;agy 不通時的驗片做的人不驗自己的東西。請另一個沒參與製作的人(或另開一個新的 AI 對話)看成品。
agy(Gemini 驅動的看片員)看整支片的畫面:錯字、唸錯、嘴型、外觀、紅線(例如出現學生姓名或真人臉);社團週五片的成片閘;轉錄稿的聽音校正它看畫面、抓得出唸錯很準。逐字對稿靠 whisper 聽寫比對,秒級對時靠機器量。11-20 社團片改由它聽音校正轉錄,專有名詞的錯誤寫法從 16 種降到 0。把成片丟給能看影片的 AI,問它「畫面上的字和這份稿有沒有對不上」。
Colab(雲端 GPU)H3 寫實片段;少數 GPU 批次工作(照片初篩、批次轉錄)筆電跑不動;用守門員控制花費,用完一定關機。等真的需要 GPU 再開,開之前把要跑的東西全部準備好。
機器腳本(閘)個資名冊閘、字幕對齊、成片品檢、上傳前缺件檢查、母帶 md5 對帳、素材入庫閘機器能驗的都做成閘,讓腳本去擋。把你每次都要檢查的一件事寫成清單,再請 AI 寫成腳本。
我上課、錄音、看班級紀事草稿放行;裁決方向(版型、風格、要不要買額度);新工具要過我的眼睛才算數機器裁不了的那一兩個點留給人。我一題一題回答跳出來的選項,答完 AI 自己做到底。把自己的時間留給「這支片要講什麼」和「這樣適不適合孩子」。

4-4 影片和教學、文稿的關係

上課錄音/研究報告課程紀錄與說書稿旁白稿影片嵌回班級紀事掛上教師站
我怎麼做
影片是從教學文稿長出來的。每天的歷程片,從我上課的錄音開始:先變成課程紀錄,再寫成旁白稿,做成影片,最後嵌回當天的班級紀事,也掛到給老師看的課程站。說書稿是我隔天要講給孩子聽的故事,跟著同一條鏈一起寫。研究片從研究報告開始,寫導演稿的同時,照研究回頭修說書稿、重生課程站。研究片上片時先不嵌,等對應日期的紀事公開了再嵌。
目的
同一份上課材料,接到家長看的紀事、老師看的教師站和公開的 YouTube。
你也可以
每次寫完班級紀事或家長信,挑其中一段改寫成一小段旁白,配三張照片做成影片,再貼回那篇紀事。

4-5 工具搭配一覽

階段工具白話說明誰跑
寫稿、調度Claude Code能讀寫檔案、跑指令的 AI 助手,整條鏈的主控主對話、小幫手
轉錄、字幕對時whisper把語音轉成文字,並給每個字的時間點本機機器
旁白Gemini 3.8 Flash TTS+複製聲音把文字念成我的聲音;第三人稱用內建聲音Claude Code 呼叫
臺語旁白意傳媠聲專門的臺語語音服務需要時才用
插畫OpenAI 生圖水彩、板畫風插畫,最低品質、圖上無字Claude Code 呼叫
寫實片段MiniMax H3給參考圖和描述,生出有聲音的寫實短片Colab+守門員
配樂Lyria+買來的曲庫每種情緒一首約 30 秒,自己交錯Claude Code+機器
畫面合成HyperFrames用網頁排版畫面,再錄成影片機器
3D 地形Three.js、Blender網頁 3D 與 3D 軟體,資料用 20 m DEM機器、小幫手
數學動畫ManimGX用程式寫的數學動畫,可 2D、3D需要時才用
接片、混音、轉檔ffmpeg、Hello Irene 剪輯技能包處理影音的命令列工具;接片與字卡交給剪輯包機器
看片驗收agy(Gemini)+成片品檢腳本AI 看畫面、機器量響度與時間、whisper 聽寫對稿Claude Code 先跑
上傳、片尾元素上傳腳本、會操作瀏覽器的小幫手上傳附字幕縮圖;片尾元素 API 設不了,用瀏覽器代設機器、小幫手
存放Drive 雲端硬碟母帶與素材的正本,本機不留機器

你也可以照這張表,每一列找一個你手邊有的對應工具;找不到的那一列,先用人工做。