我讓 AI 接手剪片：半天長出一套「素材進、成片出」的剪輯工作流
身為一人公司經營者，我的影片素材累積速度永遠超過剪輯速度。授課實錄、螢幕錄影、產品 demo⋯⋯硬碟裡躺著一堆影音檔案，等著我有空再剪，而那個「有空」卻從來沒有出現過。
這兩天，我決定換個問法：與其擠出時間學剪輯軟體，能不能讓 AI 直接接手剪輯這件事？這個念頭其實一脈相承，我一直相信，活用 AI 的起點不是挑工具，而是拆解工作流程。剪片，剛好是一個很好的練習題。
半天之後，我有了一套可以運作的系統。這篇文章來跟大家談談，它是怎麼長出來的、有哪些特色、我們踩了哪些坑，以及這套東西以後還能怎麼用。
先看成果：這兩支，都是 AI 剪出來的
下面這兩支影片，就是這套工作流跑出來的實際成果，從選段、運鏡、字卡、字幕到配樂，全部由系統自動組裝，我只在關鍵兩處出手。一支是給 YouTube 與臉書的橫式快剪，一支是給社群的直式短影音。
如果你更想看這套系統怎麼從一批素材一口氣長出好幾支不同風格的宣傳片，我把那段實戰過程另外寫成了〈從一堆素材到八支宣傳片：我只花半天，把剪片變成一套 AI 系統〉。這篇則想帶你走進引擎蓋底下，看看它是怎麼設計、又踩了哪些坑。
這套系統的五個特色
一、剪輯決策表是唯一事實來源。每一刀剪在哪裡、B-roll 疊在哪裡、音量怎麼變化，全部記錄在版本化的 JSON 檔案裡。想改剪法就改決策表重新算圖，原始素材永遠不會被動到。這也意味著每支成片都可以完整重現、完整追溯。
二、人只出現在兩個關卡。系統把專業後製流程壓縮成七個階段，但只在兩個點找我：剪輯計畫加粗剪出來時審一次，成片交付前再審一次。其餘的轉錄、選段、剪氣口、混音、上字幕、多平臺出片，全部自動。
三、把節奏感變成可以檢查的規則。好影片的節奏原本是玄學，現在系統會自動檢查：全片的 0%、25%、50%、75% 位置有沒有安排刺激點？結尾有沒有拖太長？B-roll 會不會喧賓奪主？機器先把底線守住，人只需要做美感的最終判斷。
四、畫面鎖定是硬規則。業界後製流程有一條鐵律：畫面定案（Picture Lock）之後才進音訊和調色。這套系統把它寫進程式：鎖定之後任何工具想動剪接點，會被直接擋下報錯。流程紀律不靠自覺，靠程式碼。
五、片頭與章節卡用網頁技術設計。影片裡的卡片版面不是用剪輯軟體拉的，而是寫 HTML 和 CSS、用瀏覽器截圖、再合成進影片。這代表卡片設計的自由度等同於網頁設計：四種風格方向、換字型、換配色，都是改幾行樣式的事。
踩過的坑，比功能清單更值錢
在第一支真實影片的製作過程中，AI 幫我抓出了四個合成測試永遠測不到的問題。
開發環境的地雷。套件管理器裝的 ffmpeg 是精簡版，缺了燒錄字幕需要的元件，而且錯誤訊息完全是誤導方向的。花在「證明問題不是我想的那樣」的時間，比修復本身還多。
測試的盲區。所有單元測試都用同尺寸的合成素材，結果第一次遇到口播鏡頭與螢幕錄影解析度不同的真實情境，算圖引擎直接崩潰。而這恰恰是這類影片的常態。教訓：測試素材的多樣性，決定了你能提前抓到多少現實。
宣告了卻沒實作的合約。剪輯決策表裡有結尾音訊淡出的欄位，算圖引擎卻從來沒有實作它，宣告默默被忽略，成片結尾硬切。這個問題不是我發現的，是一個獨立的 AI 驗收代理抓到的：它不信任任何自我宣稱，逐項用波形資料驗證，最後判了不通過。從此這個專案多了一條規矩：規格裡的每個欄位，都要有對應的驗證測試。
AI 看得到畫面，看不到時間。系統用抽幀的方式理解素材內容，但四張靜態畫面看不出鏡頭前八秒還在搖晃。於是第一版成片的開場是六秒天花板。解法很有意思：不是重剪，而是用一段主題投影片畫面把開場蓋住，金句的聲音完整保留。限制催生了更好的設計。
半天能做完，靠的是方法而不是奇蹟
回顧這半天的工作歷程，真正值得記錄的不是速度，而是幾個工作方法。這些方法不是為了剪片才發明的，而是我這一整年跟 AI 軍團一起工作累積下來的家底，我在〈三個月，一個人，一支名為 Claude Code 的軍隊〉裡談過它們怎麼一步步長出來。
- 平行分工：十五個開發任務拆成三波，每波由多個 AI 代理同時實作，介面事先鎖死，誰也不會踩到誰。這正是我讀《逆分工》時最有感的那件事：當一個人開始擁有一支 AI 軍團，分工的邏輯就整個翻轉了。
- 驗證不自驗：寫程式的代理不驗自己的活，一律由沒有參與開發的獨立代理做對抗性驗收，它的任務是找出問題，不是確認沒問題。這套機制在一天內抓到了兩個會流出去的真實缺陷。
- 人工判斷點的設計：不是 AI 能做的都給 AI，而是明確劃出哪些判斷本質上屬於人：文案的事實正確性、美感的最終取捨、發布的決定權。系統的自動化程度愈高，這些邊界愈要清楚。
接下來它會長成什麼樣
這套系統目前完整支援口播、螢幕錄影與課程影片。路線圖上排著：調色管線、音樂卡點混剪、直式短影音的智慧重構圖、多機位自動切換。
但比功能更重要的是它改變了我的內容生產結構：以前在錄完到發布之間隔著一座剪輯的山，現在只隔著兩次審片。授課實錄可以當天變成課程影片，累積的素材庫終於有了出口。
其實這套「先蓋系統、再反覆生產」的邏輯，換個場景照樣成立。你把素材換成文獻、把成片換成論文，做的是同一件事：把重複的流程，交給一套你能反覆重跑的 AI 系統。我在〈別只學 AI 工具：研究者如何打造一個可重複運作的學術副駕駛〉裡把這條路整理得更完整。而這一整套剪片工作流，其實就是我在 AI 內容產製系統工作坊裡帶大家練的東西：
我最想分享的一句心得
如果你也在用 AI 協作開發，我最想分享的心得是：把 AI 當團隊用，而不是當工具用。給它明確的驗收條件、讓不同角色互相制衡、把人的判斷留在真正需要人的地方，剩下的就交給流程。
這也是為什麼我一直說，提示詞會過期，你不會。當執行變得愈來愈便宜，真正值錢的，是你把問題與前提講清楚、並設計好誰來檢查誰的能力。這種把 AI 收進工作流、當成長期夥伴的感覺，其實跟我先前寫過的〈當 AI 成為我的編輯〉是同一件事，只是這次的舞臺，從文字換成了影像。
如果你也想把這套「素材進、成片出」的方法，變成自己能反覆重跑的系統，歡迎來我在一人公司 solo.tw 開的 AI 內容產製系統工作坊。更多給創作者與獨立工作者的想法，我平常放在 content.tw（另開新分頁），也歡迎常來 vista.tw 坐坐。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：AI 實戰應用指南動手試：AI 協作界線卡（另開新分頁）
