第 1 章・免費試看
選題與拆解參考片
黃志弘 Leo
跟 AI 一起做東西的筆記
這一章做完,你手上會有兩樣東西:一個通過五項檢查的題目,和一張參考片的拆解表。後面七章都從這兩樣東西開始。
課程範例:Shazam 解說動畫
整門課用同一支片示範:一支 60 秒的中文解說動畫,講 Shazam 怎麼在吵雜的酒吧裡,幾秒就認出一首歌。每一章我先講做法,再給你看這支片在那一步實際長什麼樣子。

成品:YouTube 橫式版、Shorts 直式版。先完整看一遍,後面講到每一步,你會知道它在片子裡的哪裡。
| 項目 | 規格 |
|---|---|
| 旁白 | 20 句,約 430 字,唸完約 60 秒 |
| 畫面 | 直式 1080×1920(Reels、Shorts 共用)、橫式 1920×1080(YouTube) |
| 字幕 | 中文,下方加一行小的英文 |
| 製作時間 | 上午 10:43 開工,下午 2:07 在 YouTube 公開 |
第一版畫面大約 6 分鐘就做出來,之後的時間都在修:結尾收得太快、句子之間停太久、字幕被 Reels 的介面擋住、封面配色。這幾個地方,到了對應的章節我會先提醒你,讓你一開始就避開。
課程章節
| 章 | 主題 | 做完手上會有 |
|---|---|---|
| 01 | 選題與拆解參考片 | 一個通過五項檢查的題目、一張參考片拆解表 |
| 02 | 寫中文旁白 | 20 句旁白定稿,包含結尾三句 |
| 03 | 配音 | 對過稿、停頓壓好的旁白音檔 |
| 04 | 用 AI 寫動畫 | 可以直接改來用的開工指令、第一版影片 |
| 05 | 字幕與安全區 | 直式、橫式的安全範圍數字,中英字幕 |
| 06 | 配樂 | 配樂提示詞、混音參數 |
| 07 | 三種規格與封面 | 橫式版本、Reels 封面、YouTube 縮圖 |
| 08 | 上傳發文 | 上傳設定、標題與說明、片尾導流句 |
順序就是實際製作的順序。中間不要跳著做:旁白沒定,配音就會重錄;配音沒定,畫面就要重排。
第一步:用五個條件挑題目
先列三到五個你想做的題目,寫在筆記裡就好。然後一題一題對下面五個條件,五個都符合才留下來。
- 觀眾每天會碰到。 App、日常現象、常用工具都適合。
檢查方法:把題目講給一個不做這行的朋友聽。他不用你解釋,就知道你在講什麼,這條才算過。 - 大家以為的答案和實際答案差很多,而且一句話講得完。
檢查方法:把那一句寫出來。Shazam 這支片的那一句是「它根本不是在聽旋律」,片中放在第 3 秒。寫不出來,或要兩三句才講得清楚,這題先放著。 - 原理可以畫成一張會一路變形的圖。
檢查方法:用三到五個詞,寫出畫面會怎麼變。Shazam 是「頻譜圖、星圖、連線、直線」,每一步都是同一張圖被丟掉一些、被連起來、被排整齊,所以全片不用剪接。 - 60 秒講得完。
檢查方法:用自己的話把整個原理講一遍,手機計時。超過 60 秒,就刪內容或換題目,不要分上下集。 - 有公開、查得到的來源。
檢查方法:找到一份你貼得出網址的原始資料。Shazam 的方法出自 Avery Wang 2003 年的論文〈An Industrial-Strength Audio Search Algorithm〉。沒有來源,之後就沒辦法核對 AI 寫的旁白對不對。

這五條,是我拆一支 Shazam 英文解說片時整理出來的。那支片 66 秒,2026 年 10 月 4 日我看的時候有 52 萬觀看、5.9K 收藏。我用同樣五條篩過、留下來的題目還有:ChatGPT 怎麼決定下一個字、AI 怎麼看懂一張圖、AI 生圖為什麼常把手指畫錯。
第二步:找一支參考片,拆成一張表
題目定了,到 YouTube、Shorts 或 Reels 找一支同類型、觀看數高的解說片。能找到同一個主題的最好;找不到,就找畫面風格和節奏是你喜歡的。
找畫面風格時,可以到 prompt-motion.com 看。那裡收了兩百多支用 Claude 做的動態影片,每支都附原作者寫的指令,分類選「Diagrams」就是圖解類。看到喜歡的,記下它「怎麼動」,寫進你的拆解表右欄。影片和指令屬於原作者,參考動法就好。
開一張表,三欄。下面用我這支片的前三句示範怎麼填:
| 句 | 旁白在講什麼 | 畫面怎麼動 |
|---|---|---|
| 1 | 在吵雜的酒吧拿起手機 | 酒吧剪影,一條聲波從左畫到右 |
| 2 | 拋出問題,馬上給反差答案 | 「旋律」這個字被劃掉 |
| 3 | 聲音先變成一張圖 | 聲波轉成格子,由左往右長出來 |
| … |
播一句、暫停、填一行。左欄用自己的話寫意思就好,不用逐字抄。右欄要寫畫面「怎麼動」,例如「格子由左往右長出來」「暗的點淡掉」。只寫「頻譜圖」這樣一個名詞,到第 4 章寫指令時會用不上。
我自己是用影片閱讀工具一次拿到逐字稿和截圖。手動做也一樣,只是多花一點時間。
表填完,回答下面三個問題。右邊是 Shazam 參考片的答案,你可以對照:
| 問題 | Shazam 參考片 |
|---|---|
| 幾句? | 17 句英文,66 秒,一句一個畫面 |
| 畫面怎麼接? | 沒有剪接,同一張圖一路變形:波形、頻譜圖、星圖、指紋、直線 |
| 怎麼收尾? | 約 3 秒:線發光、變成打勾,一句「Line found. Song named.」 |
第三題最容易漏掉。參考片的作者追蹤數多,結尾只有 3 秒,觀眾看完也會自己去找他其他作品。你的帳號如果還在起步,結尾要多做幾件事,第 2 章會帶你寫。
參考到什麼程度
- 可以參考:講解的順序和結構。原理本身是公開知識。
- 要自己寫:旁白。用自己的話重寫,不要逐句翻譯。
- 要自己做:畫面。原片的圖、影片、音樂,一樣都不要用。
開始前準備好的工具
| 工具 | 用途 |
|---|---|
| Claude Code | 寫程式畫出每一格畫面、組裝成影片 |
| Google AI Studio 的 API key | 用 Gemini 語音模型配音。免費層每個模型每天約 10 次 |
| Gemini 網頁版 | 生成配樂 |
| ffmpeg、Whisper | 剪音檔、抓每一句的時間點 |
ffmpeg 和 Whisper 沒裝過的話,直接跟 Claude Code 說「幫我安裝 ffmpeg 和 Whisper」,它會處理。我用 Mac 示範。
如果你想先試做一支、還不想裝任何東西,可以先看我另一篇免費教學〈用 ChatGPT 做知識型動畫放上 YouTube〉。那篇用 ChatGPT 寫腳本、剪映組裝,YouTube 營利門檻也整理在那裡。這門課改用程式畫畫面,每個元素的位置和出現時間都能精確控制,改一句旁白就能整支重新輸出。
這一章做完,你手上應該有:
- 一個五項都符合的題目,加上那一句反差句
- 一張參考片拆解表,和三個問題的答案
兩樣都有了,就可以進第 2 章寫旁白。