AI 自動剪輯真正改變的，不是讓每個人突然成為剪輯師，而是把剪片從個人手藝轉化為可以分工、測試與重複執行的生產流程。
當轉寫、去停頓、字幕、素材搜尋與動畫渲染都有清楚的輸入輸出，一人公司就能把時間留給觀點、節奏與最後的品質判斷。
▋ Belief：AI 剪片不是魔法，而是一條由成熟工具組成的產線
很多人看到「把影片丟給 AI 就能自動出片」，會以為背後存在一個無所不能的模型。實際上，穩定的自動剪輯更像一間小型工廠：每個工具只負責一道工序，並把可預測的產物交給下一站。
一條常見的短影音流程，可以拆成六個環節：錄製原始素材、Whisper 轉寫、靜音片段偵測、字幕排版、B-roll 素材搜尋，以及 FFmpeg 或動畫框架的最終渲染。Claude Code 等 Agent 的角色不是親自完成所有運算，而是理解任務、安排工具、檢查產物並處理例外。
你不需要讓 AI 學會剪輯軟體的每一個按鈕；你需要讓每一道工序都有清楚的契約。
第一站：Whisper 把聲音變成可處理的時間軸
轉寫不只是取得逐字稿。帶有時間碼的 SRT 字幕，等於替整支影片建立了一張索引地圖，後續系統才能知道哪一句話在什麼時間出現，何時該顯示字幕、切換畫面或插入素材。
轉寫錯誤若沒有先校正，會一路污染字幕、關鍵字搜尋與 B-roll 配對。因此，專有名詞、人名及品牌名稱應該在渲染前集中檢查，而不是等影片輸出後才逐格重做。
第二站：Auto-Editor 處理停頓，但不能取代節奏判斷
自動化工具可以依音量閥值偵測靜音，剪除過長停頓，也能在語意重點附近加入推鏡頭效果。然而，停頓有時是錯誤，有時也是強調、情緒與思考空間。
好的系統不應把所有無聲區段一律刪除，而應設定最短保留時間、句尾緩衝及人工預覽。效率來自可調整的規則，不是來自最激進的刪減。
第三站：字幕與動畫是渲染問題，不只是美術問題
字幕可以先依 SRT 內容產生透明圖層，再由 FFmpeg 燒錄進影片；需要更複雜的動態字型與轉場時，也可交給 Hyperframes 或 Remotion。這種做法比在傳統剪輯軌上逐句拖曳更容易重複套用。
但模板必須先處理手機安全區、字數上限、斷句、顏色對比與不同長寬比。否則自動化只會更快地大量產生看不清楚的字幕。
第四站：AI 搜尋 B-roll，但人類決定它是否真的有意義
Agent 可以讀取字幕，擷取「大腦、電腦、工作」等關鍵概念，再透過 Pexels API 搜尋免費素材。這能省下大量翻找素材的時間，卻也容易出現最典型的問題：字面上相關，敘事上卻毫無幫助。
例如旁白提到「企業記憶」，搜尋結果可能只出現辦公室或硬碟。真正合適的畫面也許是一名資深員工把經驗交接給新人，因為它呈現的是概念背後的情境，而不是單一名詞。
▋ Desire：創作者想要的不是零剪輯，而是把九成重工交給系統
短影音最折磨人的地方，往往不是單一操作太難，而是每支影片都要重複匯入、轉寫、切停頓、排字幕、找素材與輸出。當這些工作沒有標準化，創作者每天都在重新發明同一條流程。
一人公司真正需要的是：錄完之後把素材放進固定位置，系統自動產生初剪版本，人類只處理最有價值的最後判斷。這不是完全無人化，而是把人的角色從操作員提升為導演與品管。
AI 負責重複，人類負責品味；AI 負責候選答案，人類負責承擔最後選擇。
為什麼資料夾結構比超長提示詞更重要？
當專案固定使用原始素材、字幕、B-roll、設計資產與輸出成品等資料夾，Agent 就不必每次猜測檔案在哪裡。結構本身就是一種無聲的工作說明書，也能降低覆蓋原始檔與誤用舊素材的風險。
- 01_raw：保存未修改的原始影片與音訊，原則上只讀不覆寫。
- 02_srt：保存逐字稿、校正版字幕與時間碼。
- 03_broll：保存下載素材、來源網址與授權資訊。
- 04_assets：保存字型、音效、片頭、遮罩與品牌模板。
- 05_preview：保存低解析度預覽，供人工快速檢查。
- 06_output：保存通過驗收的正式輸出版本。
這種結構不只是整理檔案，也建立了責任邊界。某個步驟出錯時，可以直接檢查該站輸出，而不是重新執行整條產線。
從成本角度看，哪些地方值得自動化？
Whisper 可選擇本地執行或雲端服務。本地方案需要電腦運算時間，但資料不必上傳；雲端方案部署容易，卻會產生用量費用與資料治理問題。
Pexels 素材可能免費，但仍應保存來源與授權紀錄。Hyperframes、Remotion 與 FFmpeg 主要成本則落在工程建置、模板維護及渲染時間，而不是只有軟體訂閱費。
評估投資報酬率時，不要只問「這套工具多少錢」，而要記錄每支影片的人工分鐘數、失敗重跑次數、素材費用、運算時間與人工修正比例。沒有這些基準，就無法判斷自動化究竟是在省錢，還是在把成本藏到另一個地方。
社群平台能當唯一備份嗎？
把最終影片上傳至 YouTube 或 Instagram 後刪除本地大型檔案，確實能節省硬碟空間，但社群平台會壓縮畫質，也可能因帳號、政策或版權問題限制存取。因此，社群平台適合做分發端，不適合被視為唯一的原始資產庫。
更穩健的策略是保留原始腳本、SRT、專案設定、素材來源與一份高品質成品；可重新下載的暫存素材與中間渲染檔，則依保存期限清理。真正值得長期保存的不是每一個暫存檔，而是能重新生產內容的配方。
▋ Intention：用七個步驟建立可人工把關的短影音 MVP
- 1，固定錄製規格：先統一解析度、幀率、收音方式、直式比例與最長片長，避免後續流程處理無限變形的輸入。
- 2，建立字幕黃金樣本：挑一支代表性影片，人工校正專有名詞、斷句、每行字數與顯示時間，作為未來驗收標準。
- 3，只自動剪除明顯停頓：先採保守閥值，輸出預覽版，再觀察語氣是否被剪得過急。
- 4，建立一套字幕模板：先完成字級、位置、對比與手機安全區，不要一開始製作大量風格。
- 5，讓 AI 提出 B-roll 候選：每個段落提供兩到三個候選素材與來源，由人類決定是否採用。
- 6，輸出低解析度預覽：先檢查字幕錯字、切點、授權、音量與畫面遮擋，通過後才正式渲染。
- 7，記錄修正原因：把每次人工調整轉成新規則，逐步降低下一支影片的修正比例。
人類最後的百分之十應該檢查什麼？
- 前五秒是否清楚說明觀眾能得到什麼。
- 字幕是否忠於原意，且沒有遮住臉部或關鍵畫面。
- B-roll 是否推進敘事，而非只做表面裝飾。
- 音樂、音效與人聲是否保持舒適比例。
- CTA 是否自然承接內容，而不是突然插入銷售訊息。
- 素材是否有可追溯的來源與使用權限。
真正該學的是剪輯軟體，還是技術名詞？
不必先成為專業剪輯師，但至少要理解 SRT、B-roll、音量閥值、推鏡頭、安全區、幀率與渲染等基本概念。因為當你不知道工序名稱，就無法描述問題，也無法判斷 AI 的結果是否合格。
AI 時代的人類優勢，不是比機器更快按按鈕，而是能定義品質、理解限制，並把一次成功整理成下一次可以重複執行的系統。
如果您想把錄影、轉寫、剪輯、字幕與發布前品管整合成一條適合自己的內容產線，歡迎與蔡教練聊聊您的數位轉型需求，從一支代表性影片建立第一個可驗證模板。
