AI 生成短影音的完整流程可以拆成六步：腳本、配音、畫面、合成、驗收、上架標示。其中真正需要人花時間的是第一步和第五步——AI 負責製作，但想內容和把關還是人的工作。
我們自己同時在經營好幾個短影音頻道，這篇講的是實際在跑的流程，包含一個讓壞鏡率暴增的錯誤。
為什麼要先拆流程，不是先挑工具？
因為短影音工具每幾個月就換一輪，但流程不太會變。
先把流程拆清楚，每一步就能獨立替換工具。某個生圖工具漲價或下架了，只要換掉那一步，其他步驟照跑。我們就遇過生圖模型被宣布停用、必須限期遷移的狀況，流程有拆開的頻道只需要改一個地方。
六個步驟怎麼做？
| 步驟 | 做什麼 | 人的角色 |
|---|---|---|
| 1. 腳本 | 決定這支要講什麼、前 3 秒怎麼抓人 | 主導 |
| 2. 配音 | 文字轉語音 | 選聲音、聽一遍 |
| 3. 畫面 | 生圖或生影片 | 寫畫面描述 |
| 4. 合成 | 畫面、配音、字幕、音樂合在一起 | 設定一次，之後自動 |
| 5. 驗收 | 檢查錯字、怪畫面、時間對不對 | 主導 |
| 6. 上架 | 標題、說明、AI 標示 | 確認 |
步驟 1：腳本
這是 AI 最不該主導的一步。短影音的成敗在前 3 秒，而前 3 秒要講的是你的觀點，不是 AI 的平均值。
做法是：你決定觀點和第一句話，AI 幫你補中段、調整節奏、壓到指定秒數。
步驟 2：配音
選一個固定的聲音，整個頻道都用同一個。觀眾會記住聲音。中文配音要特別注意腔調，多數工具的預設中文聲音是對岸口音，台灣觀眾一聽就會出戲，要特別挑台灣腔的聲音。
步驟 3：畫面
這一步有一個很重要、也很反直覺的規則，下一段專門講。
步驟 4：合成
把畫面、配音、字幕、背景音樂合在一起。這一步設定一次之後就可以自動跑，不需要每支都開剪輯軟體。
步驟 5：驗收
AI 生成的畫面會自己長出亂碼字和假 logo。招牌上的字、衣服上的圖案、背景的海報，常常出現看起來像字但不是字的東西。
所以出片前一定要逐格檢查，不能只看縮圖。我們的做法是每支影片固定抽格檢查，有問題的鏡頭單獨重生。
讓壞鏡率從 7% 變 40% 的錯誤
生影片的畫面描述裡，不要寫否定句。
很直覺的寫法是在描述最後加上「不要字幕、不要 logo、不要文字」。結果正好相反——寫了「no subtitles」，畫面反而更容易出現字幕；寫了「no logo」，反而會畫出 logo。
原因是生成模型對「字幕」「logo」這些詞本身有反應，前面的「不要」反而沒那麼有效。我們實際遇過，加上這類否定句之後，需要重生的壞鏡頭比例從大約 7% 跳到 40%。
正確寫法是只描述你要的東西：要乾淨的背景，就寫「乾淨的牆面」；要沒有文字的畫面，就把畫面描述得具體到沒有空間放文字。
步驟 6：上架時別忘了 AI 標示
YouTube 和 TikTok 都要求創作者揭露具真實感的 AI 生成內容，上傳時有對應的選項。寫實風格的人物和場景特別要標。
另外，平台對營利的要求也在持續收緊，大量重複、彼此差不多的 AI 影片，越來越難通過營利審核。這也是為什麼步驟 1 一定要由人主導——每支影片有自己的觀點，才不會被判定為重複內容。
一支影片的時間分配
流程穩定之後，人的時間大致是這樣分的：
- 腳本：最多
- 驗收：其次
- 其他步驟：設定好之後幾乎不用碰
如果你發現自己大部分時間花在剪輯，代表合成那一步還沒自動化。
畫面要用什麼工具，可以參考AI 做圖工具怎麼選；做好的影片要排程發布，用 AI 一次排完一個月的社群貼文講了庫存與排程的做法。
結論
AI 生成短影音的六個步驟裡，AI 可以接手配音、畫面、合成，但腳本和驗收一定要人來。寫畫面描述時只寫你要的、不寫你不要的；上架時照規定標示 AI。
想把這整條產線，從腳本到自動合成建起來，8 週課程裡有完整的實作。