第 1 章・免費試看
從一個好問題開始
黃志弘 Leo
跟 AI 一起做東西的筆記
成品與規格
2026 年 10 月 4 日，我做了一支 60 秒的中文解說動畫，講 Shazam 怎麼在很吵的酒吧裡，幾秒就聽出一首歌。
https://youtube.com/shorts/rueej_AVjZ4
畫面、旁白、字幕、配樂都交給 AI 做，我負責選題目、改句子、挑聲音和封面，最後決定什麼時候發。
這支片的規格：
- 旁白 20 句，連標點約 430 字，唸完約 60 秒
- 同一份旁白輸出三支：YouTube 橫式 60 秒、Shorts 直式 60 秒、Reels 直式教學版 66 秒
- 中英雙字幕
- 上午 10:43 開工，下午 2:07 在 YouTube 公開，中間還夾著其他工作和我出門的時間
- 第一版約 6 分鐘完成，之後陸續改了 v2、v3、安全區修正、封面五輪、配樂兩版、結尾三次
第一版做得很快，大部分時間花在後續修改：結尾虎頭蛇尾、句子之間空太久、字幕會被 Reels 擋到、封面配色被我否決好幾次。後面各章照當天的順序記錄每一次修改，當時給 AI 的指令原文也全部附上。
題目來源與改作原則
這個題目來自別人的作品。
那幾天我看到一支講 Shazam 原理的英文解說短片，66 秒，我 10 月 4 日看的時候是 52 萬觀看。我先照它的版本做一支中文版，用來練這套做法；用自己的題目做，是之後的事。
參考別人的片子，我守兩條原則：
- 講解順序和結構參考原片的版本，因為原理本身是公開知識（Shazam 的方法來自 Avery Wang 2003 年的論文）
- 旁白用中文重新寫，畫面全部自己做，沒有使用原片的任何素材
拆解參考片的方法
選好參考片後，我先開一張表：左欄抄每一句在講什麼，右欄記畫面怎麼變化。
我用自己做的影片閱讀工具 crv 跑一遍，拿到逐字稿和固定間隔的畫面截圖。沒有工具也做得到：影片播一句停一次，抄下旁白，再記下這句的畫面。
拆完後看到三個重點：
- 全片 17 句英文，一句一個畫面
- 全程沒有剪接，同一張圖一路變形：波形變頻譜圖、頻譜圖只留亮點變星圖、星星兩兩連線變指紋、比對時變成一條直線
- 結尾很短，線發光、變成打勾、一句「Line found. Song named.」，前後大概 3 秒
選題條件
那支參考片的觀看數這麼高，我歸納出五個原因：
- 很多人用過 Shazam，卻很少人想過它怎麼認出一首歌。觀眾一看就知道在講什麼，很容易點進來。
- 第 3 秒就丟出反直覺的一句「它根本不是在聽旋律」，讓人想看下去。
- 一句話對一次畫面變形，全程沒有剪接，看起來很順，像在看魔術。
- 整個原理 60 秒講完，看完有「我懂了」的感覺，所以收藏很多（我看的時候是 5.9K）。
- 原作者本身追蹤者多。這點沒辦法直接學，但結尾可以自己加強，做法在第 2 章。
後來我選題目，會先用前四點檢查一次，整理成下面這張表。
選題檢查表
- 觀眾每天會碰到這個東西（App、日常現象、常見工具）
- 觀眾原本以為的答案和實際答案有明顯落差，一句話就講得出來
- 原理可以畫成一張會變形的圖（有東西被丟掉、被連起來、被排整齊）
- 60 秒講得完，不用分上下集
- 原理有公開、可查的來源
Shazam 五項全部符合。當時我還列了幾個候選題目：ChatGPT 怎麼決定下一個字、AI 怎麼看懂一張圖、AI 生圖為什麼會把手指畫錯。
課程章節
後面每一章都用這支 Shazam 影片當例子，照當天實際製作的順序排列：
| 章 | 主題 | 內容 |
|---|---|---|
| 01 | 從一個好問題開始 | 選題檢查表、拆參考片的方法 |
| 02 | 寫中文旁白 | 20 句旁白原稿、改寫前後對照、結尾怎麼從 3 秒加到 10 秒 |
| 03 | 配音 | Gemini 語音的實際指令、試聽 8 個聲音的做法、句間空白怎麼壓 |
| 04 | 用 AI 寫動畫 | 給 AI 的完整開工指令、逐格輸出的做法、第一版的三個錯 |
| 05 | 字幕與安全區 | Reels／Shorts／YouTube 的安全範圍數字、英文字幕怎麼放 |
| 06 | 配樂 | 生成音樂的提示詞、音樂墊在人聲下面的混音參數 |
| 07 | 三種規格與封面 | 橫式怎麼重排、封面改了五輪的過程、IG 格子裁切範圍 |
| 08 | 上傳發文 | YouTube 上傳設定、標題說明、片尾導流那一句怎麼改了三次 |
工具與環境
- 一台電腦（我用 Mac）
- Claude Code：畫面和組裝全部由它寫程式完成
- Google AI Studio 的 API key：配音用 Gemini 的語音模型，免費層每個模型每天大約 10 次
- Gemini 網頁版：配樂用它的生成音樂功能
- ffmpeg 和 Whisper：剪音檔、對字幕時間。這兩個可以請 Claude Code 幫你安裝
我之前寫過一篇〈用 ChatGPT 做知識型動畫放上 YouTube：10 步驟〉，那篇用 ChatGPT 寫腳本、剪映組裝，也整理了 YouTube 營利門檻。這門課改用程式畫畫面，字幕位置、線條移動、畫面切換都能一格一格調整，課程裡的流程也都是我做這支片時實際走過的。YouTube 營利門檻寫在那篇，這裡不重複。
本章重點
- 決定題目後，找一支結構清楚的參考片拆解
- 拆解時記下三件事：幾句、每句的畫面、結尾怎麼收
- 好題目是大家用過、卻沒想過原理的東西，而且能用一句話講出最意外的答案