AI 交出一份很專業的分析，但它根本沒看過那支影片

這篇在講什麼

我在一堂課上示範怎麼用 AI 拆解影片的分鏡腳本。我丟一支電影預告的 YouTube 連結給 ChatGPT，要它逐鏡分析。它交回一份六段式敘事架構，連「這裡鏡頭大概 2 到 4 秒，最後縮到 0.3 秒」都寫得出來，讀起來非常內行。

它沒有看過那支影片。它去爬了 14 個網站，把電影劇情介紹加上預告片的通用剪輯常識，拼成一份讀起來像逐鏡分析的東西。我追問了兩次，它就承認了。

這篇把整個過程攤開：它實際跑了哪些步驟、那些步驟在做什麼、我問了什麼、它承認了什麼。同一支影片我也丟給 Gemini，它給出了可以跟影片核對的時間碼與字卡文字，卻把片名認錯。最後給四個現在就能用的檢查動作，跟可以直接複製的提示詞。

事情是這樣開始的

那堂課在講怎麼用 AI 拆解影片的分鏡腳本。分鏡腳本就是一支影片的施工圖：第幾秒出現什麼畫面、用什麼景別、配什麼聲音、怎麼接到下一個畫面。會拆別人的分鏡，才知道自己的影片為什麼不好看。

我拿《與神同行》的台灣正式預告當教材，把 YouTube 連結貼給 ChatGPT，要它做兩件事：先給我整體的敘事骨架，再往下拆每一個畫面怎麼接。

ChatGPT 的步驟列，其實一路都在說實話

ChatGPT 開始跑之後，畫面上依序出現這幾行小字：

1. 已搜尋 6 個網站
2. 下載了 YouTube 電影預告片
3. 目前已確認這支是《與神同行》台灣正式預告
4. 安裝 yt-dlp 並下載影片
5. 已搜尋 14 個網站

多數人不會點開這幾行。點開之後，第四步那行的完整內容是這樣一句電腦指令：

白話翻譯：它想先安裝一個叫 yt-dlp 的下載工具，再用這個工具去抓那支 YouTube 影片，在高度不超過 720 的畫質裡挑最好的一種，存進它自己的暫存空間。

想法完全正確。要逐鏡分析，本來就得先拿到影片檔。

它沒有拿到影片。這件事最直接的證據是它自己講的，我後來追問的時候，它說：「我剛才重新直接嘗試讀你給的 YouTube 連結，這個環境目前抓不到該影片本體。」我事前就知道這條路走不通，所以才選這個題目來示範。

接著它做了什麼？又去搜了 14 個網站。這一步就是它的補救動作，用查資料代替看影片。

那些來源的品質也很雜。我把它引用的清單攤開來看（分享連結的原始資料裡看得到），裡面有論壇貼文、Facebook 的提及頁、Instagram 貼文、Threads 貼文，還有幾支不是這一支的其他 YouTube 影片。這些東西可以告訴你電影在演什麼，沒辦法告訴你第 34 秒的畫面長什麼樣。

它交出來的東西，讀起來很合理

跑了 49 秒之後，ChatGPT 給我一份相當完整的分析：

• 一個六段式骨架：世界觀 → 任務 → 規則 → 危機 → 情感真相 → 奇觀高潮
• 一張八列的表格，每一段對應「畫面負責什麼、聲音負責什麼」
• 六個層次的說明，從「門檻鏡頭」講到「聲音橋接」再講到「規模與情緒交替」
• 具體到秒數的節奏描述：前段鏡頭 2 到 4 秒，中段 1 到 2 秒，最後 0.3 到 1 秒
• 一份可以套用在自己影片上的兩分鐘模板

這份東西當成「預告片一般怎麼剪」的參考，讀起來是合理的。術語用得順，結構也講得通。

它的問題是：這些描述沒辦法拿來當我給的那支影片的事實。它講的是預告片的通則，加上網路上查到的《與神同行》劇情介紹，兩者拼在一起。「這一句台詞跨了三四顆畫面」這種話，讀起來像它真的數過，實際上沒有。

我追問了兩次，它就承認了

第一次我這樣問：

它的回覆我原文貼在這裡，因為它自己講得比我清楚：

它接著把哪些話不該講明列出來：

最後這一句是整件事的重點：

第二次追問，它把話講得更死

後面我又問了一次：

這次它直接把做得到與做不到列出來：

這裡要幫它講一句公道話：它確實有在那份分析裡寫「YouTube 本身目前沒有讓我直接取得完整影片影格」。免責聲明是有的。

但那句話夾在三千字中間，前後都是講得斬釘截鐵的分析。你讀完的印象是「它看過了」。它自己也承認了這一點。

換一家問，Gemini 給得出對得上的細節

同一支連結，我丟給 Gemini，它給我的東西長這樣（節錄）：

• [00:12] 火災現場高樓濃煙滾滾，警笛聲與呼喊「金自鴻！」
• [00:22] 鏡頭特寫醫護搶救地上一具遺體，正是金自鴻自己
• [00:34] 黑底金字大字卡：「19年一遇的大好人」
• [00:39] 大字卡：「地獄3使者」
• [00:50] 大字卡：「7大地獄 49日審判」
• [01:52] 大字卡：「空前未見的神幻國度」
• [02:08] 定檔上映日期字卡收尾

差別在哪裡，一眼就看得出來。字卡上那幾行字，在劇情介紹裡是查不到的。網路上的文章不會告訴你第 34 秒那張黑底金字寫著「19年一遇的大好人」。這些內容我拿回去對影片，對得上。

Gemini 讀得到 YouTube 這件事，Google 官方文件有寫：可以直接把 YouTube 網址交給它，讓它理解影片內容、指出特定時間點在演什麼，同時也列了限制，例如只讀得到公開影片（Google 官方文件）。

但是 Gemini 也錯了一個地方

這段是我後來查證才發現的，也是這篇最值得帶走的部分。

Gemini 在它那份分析的開頭寫著：這是《與神同行：最終審判 / 神之審判》的正式預告片。

這個片名是錯的。

我去看那支 YouTube 影片的實際標題，寫的是：

這是第一集《與神同行》的台灣正式預告。第一集 2017 年 12 月在韓國上映、2018 年 1 月 11 日在台灣上映，所以你會同時看到 2017 跟 2018 兩個年份。片名後面那句「神之審判」是這支預告的宣傳標語，《與神同行：最終審判》則是同年 8 月上映的另一部續集。Gemini 把宣傳標語跟續集片名混寫在一起了。

有意思的是，它的逐鏡內容反而是對的。它描述的金自鴻、德春、江林、解怨脈、七大地獄四十九日審判，全都是第一集的內容。也就是說，它拿到的內容是對的，卻給這些內容貼錯了標籤。

反過來看 ChatGPT，它雖然沒看影片，卻把片名判斷對了（它說是 2017 年的《與神同行》第一集，2017 是韓國上映年）。

給初學者的四個檢查動作

這四個動作照順序做，大概花你一分鐘。

動作一：把步驟列打開來看

現在的 AI 在回答之前，大多會顯示自己做了什麼：搜尋了幾個網站、開了哪個檔案、跑了什麼指令。這一區通常是灰色小字，可以點開。

看三件事：

• 它有沒有真的碰到你給的東西。你給的是影片連結，它卻在搜尋文字資料，那它多半沒打開影片。
• 有沒有失敗的步驟。失敗之後它接了什麼動作，那個動作通常就是它的補救方式。
• 來源清單的品質。引用的是官方頁面、原始資料，還是論壇跟社群貼文。

這一步不需要任何技術背景。你只要會看「它做的事」跟「你要的事」對不對得上。

動作二：直接問它做不做得到

在它開始長篇大論之前先問一句。可以直接複製：

這句話有效的原因是，它把「做不做得到」變成一個要先回答的獨立問題。分析寫完之後再問，它已經寫了三千字，會傾向自圓其說。

動作三：挑一個「沒做過就答不出來」的細節去問

這是四個動作裡最好用的一個。

不要問「你確定嗎」，它一定說確定。要挑一個只有真的執行過才知道答案的具體細節去問它：

• 影片類：第 34 秒畫面上出現的那張字卡，上面寫什麼字？
• 文件類：這份 PDF 第 3 頁的標題是什麼？
• 網頁類：這個頁面最下面的最後一行寫什麼？
• 資料類：這份表格第 12 列第 3 欄的數字是多少？

可以直接複製這段：

答得出來，代表它很可能真的看了。開始講「通常這類影片在這個時間點會⋯⋯」，它在推。

動作四：換一家問同一題

同一個問題丟給第二家 AI，兩邊答案擺在一起看。

不用兩份都讀完，只要看具體細節有沒有對上。兩邊講的骨架都差不多是正常的（那是通則），一邊給得出字卡文字、另一邊給不出來，差別就出來了。

這次也是這樣抓到的。如果我只用一家，我不會知道 Gemini 那份帶時間碼的東西長什麼樣，也就不會發現 ChatGPT 那份缺了什麼。想把這個動作變成固定流程的話，怎麼設計讓兩個 AI 互審？：三種不同程度的審查機制設計那篇有三種深度的做法跟可以直接複製的指令。

這四個動作的效力是遞增的

照下面這個順序看，你會知道自己現在手上握的證據有多硬：

1. 它自己說它做了：最弱。它說得出口，不代表做得到。
2. 步驟列顯示它跑過：中等。看得到動作，但要分清楚「它試了」跟「它成功了」。
3. 它答得出只有做過才知道的細節：偏強。細節越冷門越有說服力。
4. 你自己打開原始的影片、檔案或網頁核對過：最強，也是唯一能收尾的一層。

前三層都是在幫你決定「要不要花時間做第四層」。重要的事情，最後還是要自己開來看一眼。

為什麼 AI 會這樣做

不用把這件事想成 AI 在說謊。說謊要有意圖，它沒有。

這類模型的本業是「把話接下去」，把一段文字接成通順合理的下一段。從外面觀察到的行為是：中間缺了一塊資料的時候，它常見的反應是用最像的內容把那個洞補起來，然後繼續往下寫。至於它內部怎麼做這個決定，我看不到，也不打算替它斷定。

這也是為什麼錯誤特別難抓。它補進去的東西通順、專業、符合常識，看起來就跟正確答案一樣。放在別的情境下，那些話往往也真的是對的。

還有一層原因跟資料怎麼進到 AI 有關。你給它一個連結，它不見得會整個讀完；它常常是先去撈跟你問題相關的片段，撈到什麼就用什麼。

什麼時候可以放手不盯

盯著看是有成本的。每一題都查證，等於自己做兩遍。所以要分階段。

我自己現在也還在盯。差別是我知道要盯哪裡，不用整份重讀。

收尾前的檢查表

下次 AI 交給你一份看起來很專業的東西，過一遍這幾題：

• 我有沒有打開步驟列，看它實際做了什麼
• 步驟裡有沒有失敗的動作，失敗之後它接了什麼
• 它引用的來源，是原始資料還是社群貼文
• 我有沒有挑一個「沒做過就答不出來」的細節問它
• 它有沒有在某個地方說過自己的限制，那句話有沒有被後面的內容蓋掉
• 這題重要的話，我有沒有換一家問同一題
• 如果它做錯了，我自己看不看得出來