AI 工作流 / 影片剪輯

怎麼教 AI 剪影片?|字幕壓臉、角色忽左忽右,親手調一次再讓 AI 量成數字檢查

一支真的短影音從 AI 原稿到我調過的版本:人先動手改,AI 存數字、分析、被糾正,最後把感覺量成數字,寫成不用截圖的檢查。

封面:怎麼教 AI 剪影片?朵拉在手機短影音畫面裡把字幕條往下推,咪卡拿捲尺量她跟上一個位置差多少

AI 幫我把一支短影音剪好,角色朵拉 11 幕的臉都被字幕壓到,位置還一幕左、一幕右來回跳。我覺得不對,就先在剪輯台親手把朵拉調一次,叫它把數字存下來、分析我為什麼這樣調;它分析不到位的地方我再糾正,最後把「微調」這種說不清楚的話量成數字,寫成一支用尺寸計算的檢查程式,放回它的剪輯規則裡。這篇把錯的版本跟對的版本都攤開來,其中我覺得最重要的一課,是分清楚通則跟個例。

適合誰
  • 用 AI 剪影片、做短影音,成品總是差一點,又說不清楚差在哪的人
  • 已經會跟 AI 說「改一下」,但同樣的錯下一支片又出現的人
  • 想把自己的剪輯眼光、版面判斷交給 AI 或助理照做的講師、創作者、一人公司
你可以帶走什麼
  • 我教 AI 剪片實際走過的七個步驟,從自己動手改到寫成檢查
  • 把「微調」「不要擋到臉」這種感覺翻成 AI 算得出來的數字的做法
  • 分清楚通則跟個例:抓出 AI 把「這支片剛好如此」寫成「一律如此」的地方
  • 什麼時候直接用尺寸算就好,不用叫 AI 一張張截圖看
  • 一張對照表:這次七步怎麼對應到隱性知識提煉,換到其他 AI 員工也能照著走
  • 文末一段可以直接貼給 AI 的提示詞
  1. 1
    第 1 幕對照:左邊 AI 剪的朵拉小小的、臉被字幕壓到;右邊我拖過,朵拉放大、臉在字幕上方
    我先自己動手改一次

    這次:AI 剪的朵拉,臉被字幕壓到、左右亂跳。我在剪輯台把 11 幕的朵拉一個一個拖過、調大小。

  2. 2
    AI 的記憶檔 第 1 幕 改前 → 改後 第 2 幕 改前 → 改後 第 3 幕 改前 → 改後 ……一直到第 11 幕
    AI叫 AI 先記住

    這次:我說「請你先記住。」AI 把每一幕我改之前、改之後的位置和大小,存進它的記憶檔。

  3. 3
    AI:我看到的規律是 ① 全部放大 ② 臉全部在字幕上方 ③ 內容越少,朵拉越大 ④ ⑤ ……
    AI叫 AI 分析我為什麼這樣改

    這次:AI 歸納出五條規律,例如「臉全部在字幕上方」「畫面內容越少,朵拉越大」。

  4. 4
    我: ② 臉全部在字幕上方 → 圖表滿時,朵拉可以   小小的放在字幕下方 + 畫面要連續,   不要忽左忽右
    我我糾正它的分析

    這次:我指出「臉在字幕上方」只是這支片剛好如此,圖表很滿時,朵拉可以小小的放在字幕下方;也補上它沒看到的:畫面要連續,不要忽左忽右。

  5. 5
    微調 重疊一半以上 忽左忽右 完全沒重疊
    AI把模糊的話變成數字

    這次:我問「到底怎麼叫微調?」AI 用我改的 11 幕算出門檻:相鄰兩幕,朵拉的身體要重疊一半以上。

  6. 6
    檢查結果 第 1 幕 字幕壓到臉 ✗ 第 2 幕 字幕壓到臉 ✗ 第 2→3 幕 忽左忽右 ✗ …… 不用截圖,一次算完
    AI寫成檢查程式

    這次:「字幕壓到臉」和「忽左忽右」兩件事,寫成一支程式用數字算,不用截圖看。

  7. 7
    剪輯規則 大小跟資訊量走 字幕不壓臉 鏡位連續 剪完先跑 ☑ 字幕壓臉 ☑ 忽左忽右 再給我看
    AI放回剪輯規則

    這次:寫進剪輯台的規則手冊。下一支片剪完、給我看之前,先跑這支程式。

我教 AI 剪片的順序。標「我」的是我做的,標「AI」的是我叫 AI 做的。這支片有一個例外:字幕壓臉那支檢查,是在我動手調之前就先叫 AI 寫好的,鏡位連續的檢查是第 5 步之後才補進同一支程式。

AI 剪好的短影音,角色 11 幕的臉全被字幕壓到

這支片是〈朵拉:大模型怎麼訓練出來 為什麼別無腦信 AI〉,直式、86 秒。朵拉是我的 AI 角色,每一幕站在畫面下方講解,字幕固定在畫面靠下的同一個高度。

我做短影音的方式是:AI(這次是 Claude)把素材、配音、字幕剪好,接進我的「剪輯台」。剪輯台是我請 AI 做的一個網頁,整支片每一幕都在上面,我可以在瀏覽器裡直接預覽、拖位置、改字,存檔後再匯出影片。

這次 AI 交給我之前有自己檢查一輪,可是它截圖檢查的那幾張,剛好都是沒有朵拉的畫面。我一打開就看到了:

「你沒發現,朵拉的臉被字幕遮到了嗎?」「好幾個。」

(這篇引號裡是我當時口述的原話,經語音辨識轉成文字;整理時補了標點、改了辨識錯的字,意思沒動。)

後來用程式算,是 11 幕全部。第二個問題是位置:朵拉第 1 幕站右邊、第 2 幕跳到最左邊、第 3 幕又回到右邊,整支片左右來回跳。

AI 原稿|草稿・電腦語音臉被字幕壓到,左右來回跳
我調過|定稿・朵拉標準聲音臉露出來,位置連續

同一份畫面、同一份字幕,只動了朵拉的位置和大小。兩支聲音不一樣是刻意的:草稿階段要一直改,用免費的電腦語音比較省錢;內容確定了,我才錄成比較好聽的聲音。

第 1 幕與第 9 幕放大對照:AI 原稿的字幕橫在朵拉臉上,我調過的版本朵拉放大,臉在字幕上方
放大其中兩幕。左邊兩張是第 1 幕,右邊兩張是第 9 幕。

同一份資料,我也讓另一家 AI(Google 的 Gemini 4 Neon)獨立剪了一版。用後面會講的同一支程式檢查,它那版有朵拉的 8 幕也全部壓到臉。兩家都一樣,代表「字幕跟角色會不會疊到」這件事,AI 剪的時候沒有在算。

AI 自己檢查為什麼沒抓到:截圖抽錯張,內建檢查又默默跳過

回頭追原因,有三個。

哪裡漏了實際發生什麼
截圖檢查是抽樣AI 截了幾張畫面來看,剛好都沒有朵拉。抽到的那幾張沒問題,它就當全部沒問題。
內建的自動檢查一直沒在跑剪輯台裡本來就有一道「字幕壓到臉」的檢查。可是它要知道臉在角色圖裡的哪個位置,這支片接進剪輯台的流程沒有把這份資料帶進去,所以那道檢查每次都默默跳過,不報錯也不擋。這次追下去才發現。
一句話被寫成固定做法剪輯規則裡原本寫著「每幕左、中、右輪換」,那是 11 月 17 日我說「希望朵拉的位置,短影音裡可以更多變靈活」之後記下的做法。這支片的初稿就照這條,朵拉一幕右、一幕左地換邊。

第三個最值得記下來。我當時說的是「多變靈活」,到了規則裡變成每一幕都要換邊,剪出來就是忽左忽右。

字幕會不會壓到臉,用尺寸算得出來,不用截圖

我要 AI 設計一個檢查機制,但我特別交代:

「我希望不是用截圖的。」「應該是可以用尺寸比例去估,這樣會比較快吧?」

後來我講得更完整:

「朵拉的臉的比例尺寸是固定的,字幕的比例尺寸是固定的,應該直接用算就可以算出來了。用數學去計算,絕對是會更便宜。」「所以有些素材的位置跟什麼的,盡量可以用數學去計算就用數學去計算,因為這樣子更省 token,也更快速、更準確,不要一直截圖去看。」

叫 AI 截圖檢查,等於每一張畫面都要它重新看圖、辨識一次。截圖去辨識圖片,又慢、又貴、又不準,而且很抽象,它看完說「沒問題」,你也不知道它到底看了哪裡。

截圖檢查
一疊這支片的截圖,標著乘以 11 張:每一幕都要截一張給 AI 看
每一幕截一張圖11 幕就要截 11 張
↓
把圖丟給 AI 看每一張圖都要花 token 讀
↓
AI 自己判斷臉在哪、字幕在哪又慢、又不準,可能截錯張、看漏
↓
回你一句「看起來沒問題」抽象,不知道它看了哪裡
用數字算
朵拉這張圖 臉 字幕 ① 臉在圖裡的位置固定 ② 朵拉放在哪、多大:已知 ③ 字幕位置:已知 紅色那塊疊到 =字幕壓到臉 三樣都是數字, 直接算,不用截圖看
三個現成的數字臉在朵拉圖裡的位置、朵拉放在哪多大、字幕的位置
↓
一支小程式直接算不用看圖
↓
11 幕一次算完快、便宜,每次算的結果都一樣
↓
每一幕說清楚:壓到或沒壓到哪一幕、差多少都講得出來
同一件事「字幕有沒有壓到臉」,兩種檢查方式:左邊靠 AI 看圖判斷,右邊用現成數字算,紅色那塊疊到就是壓到臉。

所以我要它把這件事量化成數字。朵拉這張圖不管換什麼姿勢,臉差不多都在同一塊位置;字幕的位置和大小也是固定的;每一幕朵拉放在哪、放多大,剪輯台本來就記著。這三樣都是現成的數字,臉會落在畫面哪裡直接算得出來,再看它跟字幕有沒有疊到就好:臉跟字幕的框,距離不到 8 像素就算壓到。

整支片 11 幕一次算完,一張圖都不用截,算出來 AI 原稿 11 幕全部壓到臉。

同一支程式還順手做了一件事:把「臉在圖裡的位置」寫進剪輯台,原本一直默默跳過的那道內建檢查,從此有資料可以算了。

AI 接著用這支程式把每一幕的朵拉上下挪開。挪完臉是露出來了,但每一幕都剛好貼著字幕邊緣,左右來回跳的問題也還在。接下來我自己動手調。

就近延伸閱讀

我親手把角色位置調一次,叫 AI 先存下來,再分析我為什麼這樣調

我在剪輯台裡把 11 幕的朵拉一個一個拖過、調大小,然後跟 AI 說:

「我移動了朵拉圖片,調整大小位置。」「請你先記住。」「然後思考分析,為何我這麼移動。」「我的規律跟邏輯。」

順序是先記住、再分析。AI 先把每一幕我調之前、調之後的位置和大小寫進它的記憶檔,再開始分析。數字先存下來,後面分析說錯的時候,糾正有原始數字可以對照。

AI 分析我調角色位置的規律:哪幾條說對,哪幾條我糾正

AI 從這 11 幕的數字歸納出五條規律。我逐條回它:

AI 的分析我怎麼回
1. 全部放大,大約是畫面寬的一半到九成沒有另外改,後來併進「大小跟畫面資訊量走」
2. 臉全部在字幕上方更正:「所以並沒有臉一律在上方。如果今天這個圖表很滿的話,那朵拉,也可以小小的,放在字幕下方。」
3. 腳站在畫面底,內容少的幕放到半身、腳出框沒有另外改
4. 頭頂貼著上方內容的下緣,內容越少朵拉越大確認:「所以像這個東西比較空,朵拉就可以大一點;如果資訊比較多,那朵拉就是小一點。」
5. 右側有紅章的幕移到左邊避開,其他往中間收補上它沒看到的:「因為我們畫面是連續的……一下朵拉跳左邊,一下朵拉跳很右邊……會有點煩。」「可是應該我每次的位置就是微調。」「……換個姿勢,就換個動作這樣子,比如在旁邊像在中間……就是永遠是全身,現在是半身。」「我不是忽左忽右這樣子。」
第 2 條是 AI 把「這支片剛好如此」寫成了「一律如此」。這是 AI 很常見的錯誤,也是我覺得這整件事裡最重要的概念,下一節專門講。

第 5 條是 AI 看到了每一幕各自在哪裡,沒看到相鄰兩幕之間的關係。我在意的是畫面連續,朵拉的變化靠換姿勢、全身換半身、在旁邊和中間之間小移動,不靠換邊。

AI 據此把規則改寫成「鏡位連續,每幕只微調」。我看完又問了一句:

「那個微調會不會寫得太空泛了?到底怎麼叫微調?」

AI 很常見的錯誤:把個例寫成通則,通則跟個例要分清楚

上一節 AI 歸納的「臉全部在字幕上方」,這支片確實 11 幕都是這樣,但那是這支片剛好如此,換一支圖表很滿的片馬上不成立。

這就是把個例寫成了通則:

  • 通則:每一支片都要守的。
  • 個例:只有這支片、這個畫面才成立的做法。

AI 手上只有這一支片的數字,它看到 11 次一樣,就很容易寫成「一律」。所以我的做法是三步:

  1. 每一條規律都問一句:這是這支片剛好如此(個例),還是每支片都要這樣(通則)?
  2. AI 如果分不清楚,就跟它講:哪些是通則、哪些是個例。
  3. 能夠成為通則的,盡量提煉成通則:個例往上多問一層「為什麼這樣做」,找到背後每支片都成立的那一條。

這支片實際提煉出來的對照:

這支片看到的(個例)提煉成的通則
11 幕的臉都在字幕上方字幕不能壓到臉;臉在字幕上方或下方都可以
大字那幾幕,朵拉放到半身、放很大朵拉的大小跟畫面資訊量走:資訊少朵拉大,資訊多朵拉小
第 2、6 幕右邊有紅章,朵拉站到左邊避開畫面上的重點
多數幕朵拉往中間收鏡位連續,每一幕只微調,不忽左忽右

左欄換一支片就失效,右欄每支片都用得上。寫進剪輯規則的,是右欄的通則。

角色位置「微調」到底是多少?用我調的 11 幕量出門檻

AI 被我糾正之後,在規則裡寫下「鏡位連續,每幕只微調」。看起來寫對了,其實這是回寫技能包很常見的坑。我當時說:

「AI 知道要微調,它就寫微調,這樣有寫跟沒寫一樣……不知道到底微調怎麼調,到底多微,對不對?」「所以我們就要具體把微調這件事情給量化,一個具體的判斷跟標準。」

同一個「微調」,其實有三種講法:

誰在講怎麼講下一支片 AI 照得做嗎
我「我每次的位置就是微調。」只說了每次移一點,沒說移多少做不到。AI 不知道「一點」是多少
AI 第一次寫進規則「鏡位連續,每幕只微調」做不到。寫了跟沒寫一樣,它不知道多微才算
量化之後相鄰兩幕,朵拉的身體要重疊一半以上;重疊不到兩成,就是忽左忽右做得到。程式算得出來,每次判斷都一樣

AI 用我調的 11 幕定了一個量法:相鄰兩幕,朵拉的身體左右重疊多少。重疊的寬度除以兩隻朵拉裡比較寬那隻的寬度,100% 代表站在同一個位置,0% 代表完全換到另一邊。

微調 重疊一半以上 可以
避開重點時才可以 重疊兩成到一半 列警告,要寫原因
忽左忽右 重疊不到兩成 擋下來,要改

實線框是上一幕的朵拉,虛線框是這一幕。

把真的朵拉疊起來看更清楚。下面兩張,半透明的是上一幕的朵拉,實心的是這一幕:

AI 原稿第 5→6 幕、第 8→9 幕疊影:上一幕的朵拉在左邊,這一幕整隻跳到右邊,身體重疊 0%
我調過的第 5→6 幕、第 8→9 幕疊影:朵拉在同一個位置換姿勢、小移一點,第 8→9 幕從全身換成半身,身體重疊 61% 與 73%

AI 原稿是一直跳來跳去;我調過的版本,看起來像朵拉稍微換個姿勢、稍微靠近一點。

怎麼看這張圖:條越長,代表兩幕之間朵拉移得越少;過了 50% 那條線就是微調,連 20% 那條線都沒過,就是忽左忽右。

兩個版本差在這裡:

  • AI 原稿十組相鄰幕裡,九組重疊不到 20%,其中六組是 0%,也就是整隻換到另一邊。
  • 我調過的版本十組都在 23% 以上,一半以上超過 60%。
  • 換成朵拉中心點左右移動的距離:AI 原稿平均每換一幕移 253 像素,我的版本平均 98 像素(畫面寬 540)。

從這組數字定出來的門檻是:

相鄰兩幕重疊算什麼
50% 以上微調,可以
20% 到 50%只有為了避開畫面重點時可以(例如右邊有紅章就站左邊),列成警告,要寫原因
不到 20%忽左忽右,擋下來,要改
大小變化超過 0.6 倍到 1.6 倍列成警告

我調的版本落在 20% 到 50% 的有三組:第 1 到 2 幕、第 2 到 3 幕、第 6 到 7 幕。三組都跟第 2 幕、第 6 幕右側有紅章、朵拉站到左邊避開有關。

這組門檻是錨點,不是絕對值這些數字是 AI 從我調的這一支片、11 幕算出來的,我還沒有改過數字。之後多調幾支片,門檻可能會動。
但一定要先定下來。我當時是這樣說的:「我們可以說我們先這麼做,這不是絕對的值,但是先有一個基礎。這樣子有這個判斷之後,我們後續就可以更好的去修正、去補充、去改變,或再去疊加。總是有一個起點,或總是有個錨點……如果我們一開始沒有定這個點,那我們就永遠沒有校準的可能性了。」

量好的數字寫成檢查程式,放回 AI 的剪輯規則

最後一步是讓下一支片不用再教一次。AI 把兩項檢查寫成同一支程式,放進剪輯台的技能包(技能包是我給 AI 的工作規則手冊,剪片時它會照著做):

  • 字幕壓臉:用臉的位置跟字幕的位置算,疊到就擋。
  • 鏡位連續:用相鄰兩幕的重疊比例算,照上面的門檻分成可以、警告、擋。

技能包裡也寫進四條擺位規則:大小跟畫面資訊量走、字幕不壓臉、鏡位連續每幕只微調、能用數學算的位置就用數學算不截圖。原本那條「每幕左、中、右輪換」標成過時。AI 剪完片的自我檢查清單多了一題:接進剪輯台之後、開給我看之前,先跑這支程式,貼結果,不截圖。

這次改動有找另一家 AI(Google 的 Gemini 4 Neon)審過一輪,判定要修正,抓出幾個問題:程式在發現壓臉時沒把鏡位的結果印出來、往上挪沒有設上限、計算重疊比例時,要以兩幕裡比較寬的那隻朵拉為基準。都改了才收。

三個版本跑同一支程式的結果:

版本字幕壓到臉鏡位連續:擋鏡位連續:警告
AI 原稿11 幕全部9 組0
AI 用程式挪過臉之後(我還沒動)5 幕(臉剛好貼著字幕邊緣)9 組0
我親手調過003 組(都跟避開紅章有關)
就近延伸閱讀

教 AI 剪片,就是在提煉隱性知識:訓練一個 AI 剪輯師的過程

回頭看這整段,我做的事情就是平常在教的「隱性知識提煉」,也是我訓練 AI 員工的方法。這次要訓練的員工,是一個 AI 剪輯師。

隱性知識,是你會做、看一眼就知道對不對,但說不出為什麼的那種判斷。朵拉該站哪裡、該多大,我是動手調出來的,當下並沒有一套寫好的規則;連我自己講的「微調」,也說不出到底是多少。沒寫下來的東西,AI 學不到。

而且這次要提煉的還是畫面感覺,很抽象。我的想法是:

「哪怕是這種抽象的圖片,我們還是可以去提煉。它這種抽象的圖片跟感覺,我們還是可以把它提煉出來。」

把這次的七步,對回隱性知識提煉的做法:

這次實際做的對應的提煉做法為什麼要這樣做
說不清楚哪裡不對,我先動手調一次說不出來的,先示範判斷藏在做法裡。做一次,判斷就留在結果上了
叫 AI 先把改前改後的數字存下來先留下可以對照的原始紀錄後面分析說錯的時候,有東西可以對
叫 AI 分析我為什麼這樣調讓 AI 把看到的規律說出來它說出來,我才看得到它理解成什麼樣子
糾正它把「這支片剛好如此」寫成「一律如此」分清楚通則跟個例個例換一支片就失效,寫進規則的要是通則
問它「到底怎麼叫微調」形容詞換成具體的判斷跟標準寫「微調」等於沒寫,下一個 AI 不知道多微
門檻先標草案,不等完美先定錨點有起點,才能在上面修正、疊加、校準
寫成檢查程式,放回剪輯規則讓判斷可以被下一個 AI 照著做不靠人每次重講

這個順序不只能用在剪片。只要是「我會做、但說不清楚」的工作,訓練 AI 員工的時候都可以照這樣走:你先做一次,讓它存、讓它分析、你糾正,再把說不清楚的形容詞變成標準。

就近延伸閱讀

用數學檢查剪片,哪裡有把握,哪裡還是草案

有把握的部分:字幕會不會壓到臉,是純粹的尺寸問題。只要臉在角色圖裡的位置量對了,答案就是準的,而且 11 幕一次算完,不用一張張截圖叫 AI 看。

還沒把握的部分:

  • 「微調」的門檻是從一支片、11 幕、我調一次算出來的,我還沒改過數字。
  • 臉的位置只量了朵拉現在這組站姿。換角色、換成坐姿或側身,要先重新量臉在圖裡的哪裡。
  • 字幕只算一行。剪輯台本來就把字幕換行當成錯誤擋下來,所以一行夠用;如果你的影片允許兩行字幕,算法要跟著改。
  • 程式只算兩件事:字幕有沒有壓到臉、相鄰兩幕有沒有跳太遠。朵拉的大小跟畫面資訊量配不配、有沒有擋到畫面重點,程式沒有算,還是靠人看。

今天就能開始:下次 AI 剪錯,先自己改一次,再叫它分析

不一定要有剪輯台。剪輯軟體裡顯示位置、縮放數字的地方,或 AI 給你的設定檔,都可以拿來做。

  1. 不要只說「改一下」。自己動手改一次,拖位置、改大小都算。
  2. 叫 AI 把你改前改後的數字存下來,列成表給你看。
  3. 叫 AI 說出你為什麼這樣改,每一條規律都要附上是哪幾幕的數字支持它。
  4. 逐條糾正。每一條都問:這是這次剛好如此(個例),還是每次都要這樣(通則)?特別注意它說得太絕對(「一律」「全部」)跟太空泛(「微調」「適當」)的地方。能提煉成通則的,請它往上提煉。
  5. 空泛的詞,叫它用你改的數字量出門檻。
  6. 能用尺寸、座標算的檢查,叫它寫成程式,不要每次截圖看。
  7. 放回它的工作規則,並且講好什麼時候跑:剪完、給你看之前。

第 6 步不用自己會寫程式。程式由 AI 寫,你看的是它跑出來的結果:哪幾幕擋到、相鄰兩幕差多少。

可以直接貼給 AI 的版本:

我剛手動調整了影片裡〔角色/字幕/素材〕的位置和大小。
1. 先把我調整前、調整後每一幕的數字(位置、大小)存起來,列成表給我看。
2. 分析我為什麼這樣調,列出你看到的規律,每條都附上是哪幾幕的數字支持它。
3. 我會逐條糾正。改完之後,把規律裡「微調」「不要太大」「避開」這類形容詞,用我調的數字算出門檻。
4. 能用尺寸和座標算的檢查(會不會擋到、相鄰兩幕差多少),寫成一支程式,不要用截圖檢查。
5. 用這支程式分別檢查調整前和調整後的版本,把結果貼給我。我確認之後,再寫進你的剪輯規則,並寫清楚每次剪完、給我看之前要先跑。

「逐條糾正」這一步最花時間。這次 AI 歸納的五條裡,就有一條是把「這支片剛好如此」寫成「一律如此」,要人一條一條指出來。