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。
- 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
- 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
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。
- 2AI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。
- 3AI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。
- 5AI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。
- 6AI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。
- 7AI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。
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。
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。
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。

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。
- 讓 AI 只做需要判斷的事,其他交給程式:字幕會不會壓到臉,就是那篇講的「完全不用判斷」那一種,該寫成程式,不該每次叫 AI 重看。
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 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:
- 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)?
- AI 如果分不清楚,就跟它講:哪些是通則、哪些是個例。
- 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。
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。
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 | 0 | 0 | 3 組(都跟避開紅章有關) |
- 寫了一堆規則給 AI,為什麼還是沒人執行?:把檢查掛進「接進剪輯台之後、給我看之前」這個時間點,就是那篇講的把規則掛在既有流程上。
- 我明明都講過了,AI 為什麼還要再問我?:把重複的判斷寫成標準、讓 AI 自己檢查自己,這篇是同一件事用在剪片上。
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。
- 如何訓練自己的 AI 員工:員工+顧問框架:這篇是其中一個員工(AI 剪輯師)實際被訓練的過程,那篇講整體怎麼帶 AI 員工。
- 訓練 AI 員工的四個層次:從自己會用,到讓 AI 幫你訓練 AI;這次寫回剪輯規則、讓下一個 AI 照做,就是往上走的那一步。
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。
- 不要只說「改一下」。自己動手改一次,拖位置、改大小都算。
- 叫 AI 把你改前改後的數字存下來,列成表給你看。
- 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。
- 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。
- 空泛的詞,叫它用你改的數字量出門檻。
- 能用尺寸、座標算的檢查,叫它寫成程式,不要每次截圖看。
- 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。
這篇提到過的
再往前後延伸
- 用 Claude Code 剪影片,配樂從哪來、怎麼卡在拍子上?:用 AI 剪片的另一半,配樂、旁白與卡點
- 做過筆記也建過知識庫,還缺什麼?:把知識當員工,答案落在隱性知識提煉
- AI 交出一份很專業的分析,但它根本沒看過那支影片:AI 說它檢查過、看過,跟它真的看過是兩回事