沒念過影視，也想做 AI 影片？先補這四個基本功，比挑模型更重要

你可能已經會寫指令、也試過幾個模型，生出來的片段看起來都不錯。但一到要剪成完整影片、交給老闆或客戶，就開始卡：少了鏡頭、聲音對不上，對方要字幕檔，你手上只有燒好字幕的影片。

我是工程背景，拍了十年制服人像，但沒念過影視。做了幾輪 AI 影片後我發現，最弱的不是指令，而是影視圈覺得理所當然的那些事。

這篇整理自一份接案教學手冊，加上我自己踩過的坑。手冊的核心主張只有一句：先學會交付，再擴充工具。手冊裡的數字都標明是教學假設或練習起點，不是市場行情，我引用時也照標。

基本功一：看懂整條流程

影片製作大致分四段：前期決定給誰看、要讓對方懂什麼；製作取得畫面與聲音；後期排順序、混音、上字幕；交付處理格式、修改與使用權。

AI 模型只是「製作」這一段裡的一種素材來源，跟實拍、錄音、螢幕錄影是平行的選項。拆細一點，就是下面這八站。

每一站進下一站之前，都可以先問自己一個問題。點開每一站看看：

最常被跳過的是動態分鏡（Animatic）：把分鏡圖放進時間軸，配上自己念的暫時旁白，先看節奏。它很粗糙，卻能在花第一筆生成費之前，告訴你故事有沒有成立、旁白有沒有超時。

手冊有個提醒很實用：先用手機把稿子完整念一遍，量出實際長度，再替畫面留辨識時間。不要把 55 秒的稿硬塞進 30 秒，最後靠快到看不完的字幕補救。

我自己的彩排也是同樣的骨架：關鍵畫面先逐張核准，估好價、確認付費後才生成，之後逐鏡檢查、剪接、配聲音，最後親手上傳。完整經過在〈AI 影片不是輸入一句話就好〉。

基本功二：把核准點當成「改動價目表」

很多人以為核准就是「之後不能改」。比較準確的說法是：核准後還是能改，但你知道改這一刀會牽動哪幾步。

• 改一個字幕錯字：通常只動到後製。
• 旁白的「今天」改成「下週」：可能牽動嘴型和片長。
• 角色從短髮改成長髮：所有關鍵畫面和生成片段可能都要重做。

所以我的流程裡，已核准的檔案不覆寫：要改就出新版本，重新送審。多一道手續，換來每一次修改都看得見代價。

另一個習慣是回饋的寫法。「再有質感一點」這種意見，製作端沒辦法執行。可執行的回饋至少要有三樣：

1. 時間點：哪一秒到哪一秒。
2. 觀察：看到了什麼問題。
3. 期望：改成什麼樣子才算對。

再加上「嚴重度」（擋住交件、應該修、口味問題），以及「這是不是超出原本核准的範圍」。修正瑕疵和變更範圍是兩回事，後者要重新估時間與費用。多人給意見時，先整理成同一輪再交出去。

基本功三：分鏡每格回答七件事

先對齊兩個詞：鏡頭是剪輯裡一段連續的視角；拍攝次是同一個鏡頭的不同版本，AI 每重新生成一次就是一個新的拍攝次。

還有一個常被忽略的事實：素材長度不等於使用長度。10 秒的生成素材可能只有 3 秒能用；成片要用 3 秒，也可能要生成更長，才有自然的頭尾與剪接餘量。

手冊對分鏡的要求我很認同，每一格至少回答七件事：

1. 第幾鏡
2. 在成片裡用幾秒
3. 景別與鏡位（離多遠、從哪個角度）
4. 主體在做什麼
5. 攝影機在做什麼
6. 觀眾聽到什麼
7. 這一鏡的用途（少了它，故事會缺什麼）

用 AI 生成時，我會再加四欄：參考圖、人物或商品的一致性規則、製作方式（生成、實拍還是後製合成）、驗收條件（看到什麼才算通過）。最好再加一欄備案：生不出來時改用什麼拍法。

示意寫法如下（非實際委託）：

• 第 3 鏡，成片用 4 秒；中近景，胸口以上，平視
• 她放下手機，抬眼看向畫面右側；攝影機固定
• 聲音：環境雨聲，手機落桌的輕響；用途：讓觀眾知道她做了決定
• 製作方式：用已核准的關鍵畫面當第一格，讓它動起來
• 驗收：臉與衣著和核准圖一致、抬眼動作完整、全程只有她一人
• 備案：動作不自然，就拆成「放下手機」與「抬眼」兩鏡

最大的好處是：驗收條件在生成之前就寫好了。看片時逐條對，而不是看完才說「好像還可以」。

很多人喜歡讓 AI 一次生一張 3×3 九宮格分鏡。它適合快速檢查景別是否單調，但有三個陷阱：九格圖不是九支影片，不能整張丟給影片模型；切開後每格解析度很低，要重做單鏡參考；九格一起生會互相污染，服裝和人數可能悄悄改變。

生成前還有三個判斷：

• 先選做法，再選模型：商品示範、精確動作，實拍加後製往往比較穩。
• 估一下這一鏡有多難：人數、同時發生的動作、遮擋與接觸、攝影機運動、物件精確度，任何一項增加，風險就上升。整支片的核心是一個很難的鏡頭，就先試那一鏡。
• 每鏡設重試上限：我的規則是每鏡最多兩次，第二次之前一定要先寫出失敗原因、改輸入，不原封不動再送一次。

基本功四：交付規格先寫下來

這是非影視背景最容易輕忽、也最常在最後一刻出包的地方。手冊列了一組練習用的起點（不是所有平台的規定）：

• 直式 1080×1920、9:16
• MP4 檔、H.264 影像編碼
• 幀率和核准的時間軸一致，24、25、30、29.97 不能混稱
• 聲音 AAC、48 kHz
• 附件：封面、字幕檔、核准版與版本說明

我自己上傳 YouTube 的 30 秒彩排預告，是橫式 1920×1080、24 fps，響度約 -16 LUFS（衡量整支片平均聽起來多大聲的單位）。

字幕有兩種：燒進畫面的，和另外交的字幕檔（常見 SRT 格式），後者可以讓平台處理，也方便自動翻譯。對方要「字幕檔」，只交一支有字幕的影片是不夠的；必要時也準備一份無字版。

安全區沒有通用答案：直式影片在不同平台，標題、帳號、按鈕會蓋住不同位置，而且介面會改版。重要的人物、商品和字幕先留空間，再用當下的平台預覽確認。

匯出之後，跑一遍這五項：

1. 打開輸出檔，確認不是黑畫面、空白或舊版。
2. 從頭聽到尾，沒有漏音、跳音或尾句被切掉。
3. 用手機看字幕與重點畫面。
4. 對照最後核准的稿子，再核一次價格、日期與品牌名。
5. 片尾沒有範本浮水印、未授權標誌或不該露出的私人資料。

我自己就在第 2 項被擋過：幾段影片接起來之後，聲音比畫面長了 60 毫秒，超過上傳檢查的容忍值。解法是重新封裝、讓聲音跟著畫面結束，而不是把已核准的畫面重新壓一次。很小的數字，卻足以讓整包交件卡住。

你可以這樣開始

1. 下一支片開工前，先寫一頁需求單：給誰看、哪個平台、片長、要交幾個版本。
2. 生成前先做動態分鏡：分鏡圖加上自己用手機念的暫時旁白，確認節奏和長度。
3. 每一格分鏡照七件事填寫，再加上參考圖和驗收條件。
4. 給回饋或收回饋時，一律寫成「時間點＋觀察＋期望」。
5. 把交付規格和匯出後五項檢查存成清單，每次交件前逐條打勾。

這個系列接著讀

• 寫了一堆「電影感」關鍵字，AI 影片還是拍不出來？先把鏡頭語言分成三層
• AI 影片生出來，到底能不能用？用三種判定取代「感覺還可以」
• AI 影片不是輸入一句話就好：6 天彩排 3 支成片，我踩過的審核、參考圖與成本問題
• 系列入口：AI 影片製作筆記
• 術語看不懂，可以查AI 影片白話術語表