怎麼用 AI 做短影音：Reels 與 Shorts 製作流程

15 到 60 秒直式影片的製作流程

不管是 TikTok（抖音國際版）、Instagram Reels、YouTube Shorts，還是抖音、快手、小紅書和微信視頻號，短影音獎勵的都是同樣幾件事：強力的開頭、沒有空白的秒數，以及清楚的收尾。AI 工具能加快中段的製作，但開頭和結尾的決定仍然由你做。

腳本和配音這兩個階段各有專屬教學：請看短影音腳本、AI 配音與自動字幕。本文著重各階段怎麼串起來，以及是什麼讓短影音留得住觀眾。

前 1 到 3 秒決定一切

根據我們的測試，開場第一格畫面對早期流失率的影響，比片中任何後面的部分都大。第一格就該是整支影片最好看的一格：明亮、臉部完整且打光清楚、主體已經在動或在微笑，並用近景或中景讓主體佔滿大部分螢幕。

實際上會流失觀眾的開場有：緩慢的鋪陳、低頭的臉、黑暗的房間、被遮住一半的臉、標誌卡片，或是用來解釋概念的「醒來」式開頭。請把概念放進道具和場景。比如影片主題是下雨天的食譜，就從窗邊冒著熱氣的碗開始，而不是從有人走進廚房開始。

畫面再搭配一句做出具體承諾、或點出具體問題的開頭，例如「這是讓羅勒活下去最省錢的方法」或「三個設定，解決手機照片模糊」。這句話和畫面要講同一件事。

畫面、配音、字幕與配樂

• 照著模型支援的秒數規劃鏡頭。許多模型只接受整數秒，或 5、10、15 秒這類固定檔位。30 秒的短影音常常是六個 5 秒鏡頭，或三個 10 秒鏡頭。
• 每個角色用一張參考圖，並拿每張新圖去對照：服裝、手、配件、髮型、顏色和身高。圖片編輯工具可能改掉你沒要求的細節，影片模型就會把錯誤複製到每一格。
• 只寫鏡頭拍得到的東西。影片模型會把比喻照字面畫出來，寫「山像水墨畫」可能讓真實背景變成一張平面插畫。
• 在最終剪輯前先錄好或生成好配音，讓畫面跟著人聲剪，而不是反過來。
• 字幕要短、對比要高，並避開底部和右側邊緣，因為平台會把按鈕和文字放在那裡。安全區請看直式影片尺寸教學。
• 讓音樂長度與影片長度一致。分段生成時，每一段的音訊請自己剪，不要讓模型隨便挑一段。

如果由模型生成或重新渲染配樂，音樂可能會慢出現。我們實測過約一秒的偏移，而動作節奏則幾乎照著提示詞的時間走。判斷同步之前，先把原始音訊換回生成的片段上：

ffmpeg -i gen.mp4 -i song.mp3 -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -shortest synced.mp4

生成的片段常常只有 720p，或偏糊的 1080p。放大要在剪完之後做，不要在前面做，並且只留一個母檔。社群 App 每次重新上傳、重新編碼，都會多一分壓縮痕跡。

完播率：循環與節奏打斷

短影音 App 會先把你的片段推給一小群人，如果大家看完、重看或分享，才會擴大觸及。實務上有幾個剪輯習慣很有幫助：

• 每 2 到 4 秒就讓畫面有變化：換鏡頭、推近、出現字幕、物件進入畫面。靜止鏡頭超過這個長度，在手機上就會覺得慢。
• 高潮放後面，但承諾要早點給。「看到最後一個」只有在最後一個真的最精彩時才有用。
• 做成循環：讓最後一格接回第一格，重看時就像沒有斷點。一句話從結尾開始、到開頭才講完，也有同樣效果。
• 把人聲裡所有停頓都剪掉。長影片裡沒問題的沉默，在短影音裡就像失誤。
• 結尾停在高潮，不要加再見或標誌卡片。觀眾通常在說再見的時候離開。

實例：30 秒 AI 短影音

這份分鏡表是做一支 30 秒的解說，主題是貓為什麼愛把東西推下桌。使用由同一張角色圖生成的卡通貓，共六個 5 秒的 AI 鏡頭，約 80 字的旁白，結尾做成循環。

0-5 s   SHOT 1 close-up: orange cat on a kitchen counter, paw already pushing a cup
        toward the edge, bright morning light. Cup falls off frame at 4 s.
        VO: "Your cat is not being rude. It is running an experiment."
5-10 s  SHOT 2 medium: cat watches the floor, ears forward.
        VO: "Cats are hunters. A paw tap tests whether something is alive."
10-15 s SHOT 3 close-up: paw taps a pen three times, pen rolls.
        VO: "If it moves, it is interesting. If it falls, even better."
15-20 s SHOT 4 medium: cat looks at the camera, then at an empty bowl.
        VO: "It also works on you. You came running, didn't you?"
20-25 s SHOT 5 wide: owner's hand fills the bowl, cat ignores it, looks at a glass.
        VO: "The fix: give it toys that move, and keep glasses away from edges."
25-30 s SHOT 6 close-up: paw rests next to a new cup at the counter edge.
        VO: "Because tomorrow, the experiment starts again..."
        (last frame matches the first frame for a clean loop)

Captions: 3-5 words per line, upper middle of the frame.
Music: light pizzicato loop cut to exactly 30 s, -18 dB under the voice.

第一格畫面就已經看到貓和杯子在動，沒有緩慢的鋪陳。每個鏡頭只有一個動作，每句旁白大約佔一個鏡頭的長度。

系列影片的批次製作

做系列比做單支更容易累積粉絲，因為觀眾知道下一集會得到什麼。批次製作真正省時的，是重複使用結構和素材，而不是重複使用內容。

1. 先定好格式：長度、節奏結構、字幕風格、配樂風格、封面版型。
2. 把可重複使用的素材一次做好：角色設定圖、背景素材、片頭音效。
3. 一次寫好五到十份腳本，每份都有各自的資訊或故事。
4. 先生成所有首圖，對照角色設定圖檢查，再一起送出影片鏡頭排隊。
5. 從範本專案開始剪，但每次都要換掉開頭鉤子、鏡頭和高潮。

發布檢查清單與數據解讀

各平台的限制會變動，開始做系列之前請在各 App 內再確認一次。以下是撰文時（2026 年 11 月）在官方頁面上查證過的幾點：

看數據時，不要只看觀看次數，要看完播率圖表。自 2026 年 8 月 24 日起，YouTube 在影片開始播放的那一刻就算一次觀看，所以觀看數很高、有效觀看卻很低，通常代表前幾秒沒有發揮作用。找出曲線掉最多的那一秒，看看那個畫面，然後在下一支影片只改一件事：第一格、第一句話，或長度。標示規則的更多細節，請看 AI 內容標示指南。