AI 影片製作大師
專精於 Apple Silicon Mac 的腳本轉影片製作流程。擅長混合本地/雲端工作流程、風格一致性以及動態圖形生成。
決策點
方法選擇樹
腳本分析:
├── 內容類型 = 教育/企業/紀錄片
│ ├── 預算 < $50/月 → 素材庫影片組合 (InVideo 風格)
│ └── 預算 > $50/月 → 素材庫 + T2V 混合
├── 內容類型 = 創意/藝術/抽象
│ ├── 時程 < 2 天 → Sora/Runway T2V
│ └── 時程 > 2 天 → 自訂 I2V 搭配 LoRA 訓練
└── 內容類型 = 品牌/角色導向
├── 已有現成素材 → I2V 動畫流程
└── 無素材 → 委託藝術家 → I2V 流程
品質 vs. 成本決策:
├── 需要專業交付物
│ ├── 使用 Sora/Runway Gen-3 (高階 T2V)
│ └── 為 I2V 委託客製藝術作品
├── 原型/測試內容
│ ├── 使用素材庫影片 + 免費 T2V 模型
│ └── 本地 ComfyUI I2V 生成
└── 大量生產
├── 雲端批次處理 (Vast.ai)
└── 自動化素材庫影片工作流程
錯誤復原樹:
├── T2V 生成品質不佳
│ ├── 切換至素材庫影片 + 動態圖形疊加
│ └── 改為使用委託藝術作品的 I2V
├── 雲端 GPU 超時/故障
│ ├── 更換供應商重試 (Vast.ai → RunPod)
│ └── 切換至本地處理並延長時程
└── 風格一致性中斷
├── 使用更多參考影像重新訓練 LoRA
└── 使用 IPAdapter + 一致的提示詞結構
處理地點決策矩陣
| 鏡頭數 | 複雜度 | 預算 | 建議 |
|---|---|---|---|
| 1-5 | 簡單 | 任意 | 本地 M4 Max |
| 6-20 | 中等 | <$10 | 素材庫影片 |
| 6-20 | 高 | >$10 | 雲端 GPU 批次 |
| 20+ | 任意 | 任意 | 需使用雲端 GPU |
故障模式
模糊動態抖動
症狀: 影格率不一致、動作卡頓、時間偽影 診斷: FPS 設定不匹配或動態引導不足 修復: 設定一致的 24fps 流程、添加動態強度控制、使用更高的引導尺度 (7-9) 偵測規則: 若時間一致性分數 < 0.7 或影格差異 > 0.3，則套用動態穩定化
角色一致性漂移
症狀: 角色外觀在不同鏡頭間改變、風格不一致 診斷: 參考條件設定不足或 LoRA 過度擬合 修復: 使用 15-20 張參考影像重新訓練 LoRA、使用 IPAdapter 確保臉部一致性 偵測規則: 若連續鏡頭間的角色相似度分數 < 0.8，則暫停並重新訓練
成本超支螺旋
症狀: 雲端 GPU 帳單超出預算 >200%、迭代週期緩慢 診斷: 缺乏成本監控或批次大小設定無效率 修復: 在雲端腳本中設定硬性限制、最佳化批次大小、使用競價實例 偵測規則: 若每分鐘成本超過 $0.50 或每次迭代時間 > 15分鐘，則切換至本地處理
音訊不同步連鎖反應
症狀: 唇形同步偏移、視聽時間點不匹配 診斷: 生成時間變異影響音訊對齊 修復: 先生成所有影片，然後在後期製作中使用標記對齊音訊 偵測規則: 若音訊偏移超過影片標記 200ms，則使用 FFmpeg 重新對齊
方案膨脹癱瘓
症狀: 生成選項過多、分析癱瘓、專案停滯 診斷: 在未先測試簡單方法前就過度最佳化 修復: 總是先從素材庫影片的概念驗證開始，再逐步增加複雜度 偵測規則: 若專案規劃超過 2 小時仍未產出任何內容，則預設使用素材庫影片
實例演練
教育影片：「量子計算入門」
輸入: 關於量子計算基礎的 3 分鐘腳本
決策過程:
- 內容分析：教育 → 建議使用素材庫影片
- 預算檢查：$30 預算 → 使用 Pexels API + 動態圖形
- 鏡頭拆解：需要 12 個鏡頭
- 品質目標：專業但非電影等級
執行:
# 步驟 1：從腳本生成鏡頭列表
python scripts/script_analyzer.py --script quantum_script.txt
# 輸出：識別出 12 個鏡頭，其中 8 個需要素材庫影片，4 個需要動態圖形
# 步驟 2：來源素材庫影片
python scripts/stock_video_generator.py --shots_file shots.json --style documentary
# 選定：實驗室畫面、抽象科技視覺、乾淨背景
# 步驟 3：為複雜概念生成動態圖形
python scripts/motion_graphics_generator.py --type data_viz --concept "quantum_states"
# 建立：疊加態、纏結等動畫圖表
# 步驟 4：組合與同步
python scripts/video_assembler.py --footage stock_clips/ --graphics motion/ --audio narration.wav
專家 vs. 新手：
- 專家：在生成圖形前檢查了音訊電平，選擇 16:9 格式以確保平台相容性
- 新手可能會忽略：素材庫選擇中的光線一致性、動態圖形時長需匹配說話節奏
最終輸出： 3分15秒影片，成本 $0（免費素材），總製作時間 45 分鐘
品質關卡
當所有條件都符合時，影片製作才算完成:
- 所有片段影格率一致為 24fps
- 音訊電平標準化至 -23dB 到 -18dB LUFS 之間
- 視覺風格保持一致（色彩校正、長寬比）
- 動態圖形與旁白同步，容差在 100ms 以內
- 各鏡頭間的角色/主體一致性分數 >0.8
- 任何 5 秒片段中無時間偽影（閃爍、抖動）
- 字幕/標題時機與音訊峰值對齊
- 匯出渲染在目標解析度下無錯誤
- 檔案大小在平台限制內（YouTube: <128GB, 社群媒體: <4GB）
- 備份檔案已使用版本控制儲存
不適用範圍
此技能不應用於：
- 即時影片剪輯 → 請直接使用 DaVinci Resolve 或 Premiere Pro
- 複雜影片效果/合成 → 交由 After Effects 或
physics-rendering-expert技能處理 - 超出基本同步的音訊製作 → 使用
sound-engineer技能進行混音、母帶處理、聲音設計 - 3D 建模或複雜動畫 → 使用 Blender/Maya 或
physics-rendering-expert技能 - 直播或廣播 → 使用 OBS Studio 或廣播專用工具
- 超出基本校正的色彩分級 → 使用專業調色師工作流程
- 動態追蹤或移動比對 → 使用專業追蹤軟體
- 多機同步 → 使用 PluralEyes 等專用同步工具
移交觸發條件：
- 若專案需要超過 20 層合成 →
physics-rendering-expert - 若音訊需要客製聲音設計 →
sound-engineer - 若需要 3D 元素建模 → Blender 專家
- 若需要即時效能 → 使用原生影片剪輯軟體