Part 5

AI 影片製作

剪輯基礎到語音合成 — 從素材到完整短影片

📌 本頁重點

🔒 3 秒安全檢查

有沒有病人資料?會不會給病人看?我能不能負責?— 動手前先過這三關,任何一題讓你猶豫,先回 Part 3 — AI 安全與隱私

剪輯基礎觀念

在使用 AI 生成影片之前,先理解幾個關鍵的剪輯概念。這些概念不管你用什麼工具都會用到。先看這兩張圖建立整體概念 — 左邊講影片是怎麼「拼」起來的,右邊是剪輯必懂的六個名詞(點圖可放大):

解剖一支影片教學海報:影片是由很多張靜止畫面快速播放再加上聲音組成 — 依序圖解幀 Frame、連續播放、幀率 FPS、片段 Clip、完整影片 Video、聲音 Audio 六個觀念,結語「當你知道影片是怎麼拼起來的,就更容易學會剪輯」
影片的組成 — 從一幀到一支影片
剪輯基礎概念教學海報:新手先懂的六個關鍵名詞 — 首幀與尾幀、關鍵幀、幀率 FPS、轉場、解析度、安全區域,各附手繪圖解,結語「先懂名詞,再學操作,剪輯會容易很多」
剪輯必懂的 6 個關鍵名詞

首幀與尾幀(First / Last Frame)

每個影片片段的第一格畫面(首幀)和最後一格畫面(尾幀)。在 AI 影片生成中特別重要:

  • 首幀 — AI 影片會從這張圖「開始動」。上傳一張靜態圖作為首幀,AI 會讓它動起來。
  • 尾幀 — 影片結束時的畫面。可以指定尾幀讓動態有明確的終點。
  • 實用技巧 — 上一段影片的尾幀 = 下一段影片的首幀,這樣接起來才順暢。
想像翻書動畫:首幀是第一頁,尾幀是最後一頁。AI 會自動畫中間的所有頁面。你只要決定「從哪裡開始」和「到哪裡結束」。

關鍵幀(Keyframe)

關鍵幀是你在時間軸上標記的「控制點」— 告訴軟體在這個時間點,某個元素要處於什麼狀態。

  • 位置關鍵幀 — 文字/圖片從 A 點移動到 B 點
  • 大小關鍵幀 — 元素從小放大(zoom in)或從大縮小
  • 透明度關鍵幀 — 淡入(0% → 100%)或淡出(100% → 0%)
  • Ken Burns 效果 — 靜態圖片上的緩慢平移+縮放,讓照片/插圖有「活的」感覺
關鍵幀就像醫囑上的「7:00 服藥、12:00 服藥、22:00 服藥」— 你標記了三個時間點,中間的過渡(藥效曲線)系統自動處理。
Ken Burns 效果是什麼?就是在一張靜止圖片上做緩慢的平移+縮放(例如鏡頭慢慢推近到重點,或從左掃到右),讓不會動的照片看起來像在動。名字來自美國紀錄片導演 Ken Burns — 他手上多是老照片、沒有影片可用,靠這招把靜態舊照剪成有生命力的片子,因而得名(iMovie、CapCut 都內建這個預設)。
對衛教影片特別實用:你用 AI 生成的插圖大多是靜態圖,每張加一點 Ken Burns 就不會像在放投影片。訣竅是幅度小、速度慢(例如 5 秒內從 100% 放到 110%)— 推太快、拉太多會讓人頭暈,反而不專業。

其他常用概念

幀率(FPS)

每秒播放幾格畫面。24fps = 電影感,30fps = 流暢,60fps = 極滑順。衛教影片用 30fps 就好。

解析度

1080p(Full HD)就夠社群使用。直式 1080×1920(Reels/Shorts),橫式 1920×1080(YouTube)。

轉場(Transition)

兩段影片之間的切換效果。衛教影片建議只用「淡入淡出」,花俏轉場反而不專業。

安全區域(Safe Zone)

IG Reels/Shorts 的上下會被介面元素擋住。重要內容放在畫面中央 80% 的範圍內。


短影片製作流程

有了 AI 輔助,一個人就能做出品質不錯的衛教短影片。完整流程分三步:

Step 1 寫腳本

用 ChatGPT 生成影片腳本,包含:

  • 旁白文字 — 每個畫面要講什麼(控制秒數)
  • 畫面描述 — 搭配什麼視覺
  • 字幕重點 — 畫面上要強調的關鍵字
  • 時間分配 — 30 秒影片約 5-6 個畫面
Step 2 做素材

根據腳本中的畫面描述,用 AI 生成每一格的插圖:

  • 每個畫面生成一張圖 — 風格要一致
  • 比例選對 — 直式 9:16,橫式 16:9
  • 不放文字 — 字幕在剪輯階段加
  • 可混用:部分 AI 圖,部分現有照片
  • 用 AI 語音合成錄製旁白(見下方 TTS 章節)
Step 3 組裝影片

用 CapCut 匯入素材,加上:

  • 配音 — 匯入 AI 語音或自己錄
  • 字幕 — CapCut 自動從語音生成字幕
  • 配樂 — 免費背景音樂庫選輕柔的,或用 AI 生成專屬 BGM(見下方 AI 音樂生成 章節)
  • 關鍵幀 — 加 Ken Burns 效果讓靜態圖「動起來」
  • 轉場 — 不要花俏,淡入淡出就好
時間估算:決定主題(2min)→ 生成腳本(3min)→ AI 生圖 ×5(10min)→ AI 語音合成(5min)→ CapCut 組裝(10min)→ 加字幕調整(5min)→ 匯出(2min)=熟悉後約 30-60 分鐘可完成一支簡單短片。第一次操作抓 1-2 小時比較合理 — 卡住是正常的,不是你不會。
AI 輔助短影片製作流程教學海報:一個人也能完成衛教短片 — 寫腳本→做素材→組裝影片 — Step 1 寫腳本(先決定影片要說什麼):旁白文字、畫面描述、字幕重點、時間分配,30 秒約 5-6 個畫面;Step 2 做素材(把腳本變成畫面和聲音):每個畫面一張圖、風格要一致、比例選對 9:16 或 16:9、AI 語音合成旁白,圖片先不放字字幕留到剪輯再加;Step 3 組裝影片(把素材剪成完整短片):配音、字幕、配樂、關鍵幀、淡入淡出,用 Ken Burns 讓靜態圖動起來;時間估算 — 決定主題 2min、生成腳本 3min、AI 生圖×5 10min、AI 語音 5min、剪輯組裝 10min、字幕調整 5min、匯出 2min,熟悉後約 30-60 分鐘完成,第一次操作抓 1-2 小時卡住很正常;醫療提醒:不放真實病人資料、AI 產出要人工審稿、字幕與旁白避免誤導
短影片製作流程 — 寫腳本、做素材、組裝影片(點圖放大)

腳本生成 Prompt

以下 Prompt 可以直接貼到 ChatGPT 使用。生成的腳本包含旁白和畫面描述。

30 秒衛教短影片

30 秒腳本 — 迷思破解型
請幫我寫一個 30 秒的衛教短影片腳本。 主題:流感疫苗的常見迷思破解 目標觀眾:一般民眾(非醫療背景) 語氣:親切、好懂、不說教 結構: - 開場(3秒):一個吸引注意的問題或驚人事實 - 迷思 1(8秒):「打疫苗會得流感?」→ 破解 - 迷思 2(8秒):「年輕人不需要打?」→ 破解 - 迷思 3(8秒):「去年打過今年不用?」→ 破解 - 結尾(3秒):呼籲行動 + 諮詢管道 請同時為每個段落提供: 1. 旁白文字(要控制在該秒數內唸完) 2. 畫面描述(我會用 AI 生圖) 3. 字幕重點(畫面上要強調的 1-2 個關鍵字)

60 秒衛教影片

60 秒腳本 — 知識科普型
請幫我寫一個 60 秒的衛教影片腳本。 主題:認識高血壓 — 沈默的殺手 目標觀眾:40 歲以上民眾 平台:Instagram Reels / YouTube Shorts(直式 9:16) 風格:資訊型,搭配數據和視覺圖表 請提供完整的逐段腳本,每段包含: 1. 時間標記(例:0:00-0:08) 2. 旁白文字(要能在該時間內自然唸完) 3. 畫面描述(具體到可以用 AI 生圖的程度) 4. 字幕重點(畫面上要放大的關鍵字或數據) 額外請建議: - 適合的背景音樂風格 - 開場的 hook 設計(前 3 秒要抓住注意力)

從腳本到分鏡圖

分鏡生圖 — 搭配腳本使用
根據以下影片腳本的第 [X] 個分鏡,生成一張插圖。 分鏡描述:[從腳本中複製該段的「畫面描述」] 風格要求: - 跟這個對話中前面生成的圖保持完全一致的風格 - 扁平設計插畫,柔和配色 - 比例:9:16(直式影片用) - 不要出現任何文字,字幕我會在剪輯軟體中加 - 畫面要留足夠的上下空間給字幕

AI 語音合成(TTS)

Text-to-Speech(TTS)讓你不用自己錄音,AI 就能幫你把旁白文字轉成自然的語音。

Google AI Studio — 免費高品質 TTS

優點
  • 免費使用
  • 中文語音品質高
  • 多種語音角色
  • 支援情緒調整
  • 可匯出音檔
缺點
  • 需 Google 帳號
  • 介面為英文
  • 偶有不自然的斷句
進入 Google AI Studio → 選擇語音模型 → 貼上旁白文字 → 試聽 → 匯出 MP3。建議每段旁白分開合成,方便後續剪輯。

TTS 使用技巧

  • 分段合成 — 每段旁白(5-10 秒)單獨合成一個音檔,不要一次貼整篇
  • 加標點控制節奏 — 句號停頓長,逗號停頓短。用「……」可以製造較長的停頓
  • 數字用國字 — 「一百二十」比「120」的語音更自然
  • 試聽多次 — 不同語音角色適合不同類型的內容(溫暖 vs 權威 vs 活潑)

TTS 發音秘訣

AI 語音對英文縮寫和專有名詞的發音取決於大小寫和拼寫方式。善用這些技巧可以讓發音更正確:

  • 全大寫 → 逐字母拼讀 — 「LOINC」會唸成 L-O-I-N-C(逐個字母)
  • 全小寫 → 當單字唸 — 「loinc」會唸成「lo-in-c」(像英文單字)
  • 混合大小寫 → 自然讀法 — 「Covid」唸成一個單字,「COVID」逐字母拼
  • 加空格控制節奏 — 「H b A 1 c」比「HbA1c」發音更清楚
  • 用注音/拼音標記 — 遇到 AI 唸錯的中文字,改用同音字替代(例:「惡心」→「噁心」)
  • 英文藥名用音標拼寫 — 「Acetaminophen」可改成「a-see-ta-MI-no-fen」讓 AI 唸對重音
把 TTS 想像成一個很認真但沒學過醫學的播報員 — 你需要用「標音」的方式告訴它怎麼唸。多試幾種拼法,找到最自然的發音。
TTS 旁白優化 — 請 AI 幫你調整
以下是我的衛教影片旁白文字。請幫我優化成適合 AI 語音合成(TTS)的版本: 1. 把數字改成國字(例:120 → 一百二十) 2. 在需要停頓的地方加上適當標點 3. 把書面語改成口語(唸起來更自然) 4. 確保每段在 [X] 秒內能自然唸完 5. 標注建議的語氣(平靜/強調/溫和) 原始旁白: [貼上你的旁白文字]
讓 AI 語音唸得更自然教學海報:TTS 要看的不是文章,而是「發音稿」— ①分段合成:每段 5-10 秒分開輸出,比較好試聽與修改;②標點控節奏:逗號短停、句號長停、刪節號更長停;③數字寫成國字:120 改成「一百二十」聽起來更自然;④大小寫會影響發音:LOINC 全大寫逐字母唸、loinc 全小寫像單字唸、Covid 混合大小寫自然讀法;⑤加空格更清楚:HbA1c 改成 H b A 1 c;⑥專有名詞要標音:Acetaminophen 改成 a-see-ta-MI-no-fen,唸錯時可改同音字;提醒試聽多次,不同語音角色(溫暖/權威/活潑)適合不同內容;重點:把 TTS 想成很認真的播報員,你要先告訴它怎麼停、怎麼唸、哪裡重音
讓 AI 語音唸得更自然 — 停頓、發音、重音(點圖放大)

AI 音樂生成(BGM,Background Music)

影片的最後一塊聲音拼圖是背景音樂(BGM,Background Music)。找 BGM 有兩條路:現成音樂庫(快、授權明確)和 AI 生成(客製、獨一無二)。音樂庫找不到剛好符合氛圍與長度的曲子時,AI 生成就派上用場 — 用一句文字描述,就能做出專屬你影片的配樂。

📅 資訊更新於 2026 年 7 月 — 額度與方案以官方公告為準

Suno — 文字描述生成完整音樂

免費首選 Suno ↗
優點
  • 免費每天 50 credits(約 10 首)
  • 一句文字描述就能生成完整歌曲
  • 可選純音樂(Instrumental)模式
  • 支援中文歌詞
  • 可下載 MP3
缺點
  • 免費版僅限非商業用途
  • 商用授權需付費方案(Pro 以上)
  • 免費額度當日清零、不累積
做影片 BGM 記得切到 Instrumental(純音樂)模式 — 有人聲歌詞的音樂會跟你的旁白打架。生成後試聽 2-3 個版本,挑情緒最貼的那首。
Udio 現況:另一個知名音樂生成工具 Udio,在 2025 年底與環球音樂(UMG)和解後轉為「只能在站內聽、不能下載」的模式,目前無法把生成的音樂拿來當影片配樂,暫不推薦。

BGM 生成 Prompt

Suno 的風格描述用英文效果最穩定。以下範本可直接複製,再依主題調整形容詞:

衛教影片 BGM — 溫暖安心型(貼到 Suno,開 Instrumental)
Calm, warm acoustic background music. Gentle piano and soft strings, light percussion, around 90 BPM. Uplifting and reassuring mood, no vocals, smooth loopable structure. Suitable as background music for a healthcare educational video.
衛教影片 BGM — 輕快知識型(適合迷思破解、快節奏短影片)
Playful, upbeat background music. Marimba, ukulele, hand claps, light and bouncy rhythm around 110 BPM. Friendly and curious mood, no vocals, clean intro and ending. Suitable for a short educational social media video.

BGM 使用原則

  • 音量壓低 — BGM 比旁白低很多(CapCut 裡約 20-30% 音量),觀眾要「感覺得到」而不是「聽得到」
  • 情緒匹配 — 衛教內容選溫暖、平靜的曲風;避免緊張懸疑感(會讓衛教變恐嚇)
  • 頭尾淡入淡出 — 音樂突然開始或戛然而止都很突兀,各留 1-2 秒 fade
  • 一部影片一首曲 — 30-60 秒的短影片不需要換歌,換歌會打斷情緒
BGM 就像診間的背景氛圍 — 好的氛圍讓病人放鬆、更聽得進衛教內容,但沒有人走出診間會說「今天的背景音樂真好聽」。BGM 的最高境界是「沒被注意到」。
⚠️ 商用授權注意:以醫院、診所或機構名義對外發布的影片,可能被認定為商業用途。保守做法:這類影片的 BGM 用 YouTube Audio LibraryPixabay Music 這類明確標示可商用的免費音樂庫,或升級 Suno 付費方案取得商用授權。個人學習、內部教學用免費版沒問題。另外注意:CapCut 內建音樂庫部分曲目僅限在 CapCut/TikTok 生態內使用,跨平台發布前先確認曲目授權標示。
衛教短影片的 BGM 使用原則教學海報:①音量壓低 — BGM 約 20-30%,襯托旁白不搶戲;②情緒匹配 — 溫暖、平靜、安心,避免緊張懸疑;③頭尾淡入淡出 — 開頭結尾各留 1-2 秒 fade in/fade out;④一部影片一首曲 — 30-60 秒短片通常不用換歌;金句:BGM 就像診間的背景氛圍,讓人放鬆,但不該被特別注意到;提醒對外發布前先確認授權 — 醫院、診所、機構影片可能屬商業用途,優先使用明確標示可商用的音樂庫
BGM 使用四原則 — 音量、情緒、淡入淡出、一部一曲(點圖放大)

免費影片工具

剪輯工具

優點
  • 免費版夠用(基本剪輯、自動字幕、匯出)
  • 中文介面
  • 豐富模板
  • AI 配音
  • 手機/電腦都能用
缺點
  • 部分模板、素材與進階功能需付費或有浮水印
  • 進階功能偶有廣告
建議下載電腦版操作,比手機版方便很多。關鍵幀功能在電腦版更完整。詳見 番外 — CapCut 剪輯實戰,獨立一頁完整教學。
備選 Canva ↗
優點
  • 有簡單影片功能
  • 模板漂亮
  • 適合圖文轉動態
缺點
  • 影片功能陽春
  • 不適合複雜剪輯
適合「圖文轉動態」— 把 IG 圖卡變成自動播放的影片。詳見 番外 — Canva 設計入門

AI 影片生成

優點
  • 每天 50 免費 credits
  • 文字/圖片轉影片
  • Gemini Omni 支援對話式編輯
  • 內建分鏡工具
缺點
  • 仍在實驗階段
  • 需排隊
詳見 Part 6 — Google Flow 實戰,獨立一頁完整教學。
優點
  • 圖轉影片效果不錯
  • 有免費額度
  • 中文介面
缺點
  • 品質不穩定
  • 排隊等候長
把 AI 靜態衛教圖丟進去,可以做出有微動效果的畫面。

付費高品質工具

如果你對影片品質有更高要求,或需要更大量的產出,以下付費工具值得考慮。挑這三個是因為各有明確定位:品質當紅的 Seedance、控制力最強的 Runway、最好上手的 Pika。

📅 資訊更新於 2026 年 7 月 — 方案與價格以官方公告為準

AI 影片生成

優點
  • 2026 年最受關注的 AI 影片模型系列之一(字節跳動出品)
  • 官方宣稱單次可生成約 30 秒連續影片 — 相較常見的 5-15 秒分段流程,角色一致性與敘事節奏更有利
  • 多模態參考:可結合文字、圖片、影片、音訊與風格參考(官方說法最多 50 個參考素材)
  • 已整合進 Dreamina / CapCut,本來就用 CapCut 的話不必多學一個平台
缺點
  • 採 credit 計價,不便宜;實際價格、解析度與免費額度依帳號、地區與方案變動
  • 生成影片的著作權、肖像權與平台授權條款仍有未決議題
  • 公開發布(課程、醫院衛教、商業案)應避開名人、品牌角色與受保護 IP
對衛教影片的關鍵價值是「較長連續敘事+多參考素材控制」— 傳統做法分多段生成再剪接,醫師角色與風格容易漂移;較長段落生成能減少斷裂感,適合流程示範與連續講解。帳號可用的話先拿免費 credit 試手感,公開使用時保留素材來源與生成紀錄。
優點
  • 專業級工作流的標竿,好萊塢團隊也在用
  • 精確的動態控制(攝影機運動、角色動線)
  • 社群教學資源最豐富
缺點
  • 月費 $12 起
  • 免費試用有限
適合需要精確控制鏡頭運動的場景,例如「鏡頭緩慢推進到患者手部特寫」這類指令。
付費 Pika ↗
優點
  • 介面最簡單,5 分鐘上手
  • 獨特的特效功能(融化、爆炸、膨脹)
  • 適合短片段和社群內容
缺點
  • 月費 $8 起
  • 長影片品質不穩
適合做 IG Reels 的趣味片頭或衛教內容的「吸睛開場」— 例如把一顆藥丸「膨脹爆開」的特效。

AI 語音合成

優點
  • 最自然的 AI 語音
  • 可複製自己的聲音
  • 多語言支援
  • 情緒控制精準
缺點
  • 免費額度極少
  • 月費 $5 起
如果你想用自己的聲音但不想每次錄音 — Voice Cloning 功能可以用 30 秒的錄音樣本複製你的聲音。只複製自己的聲音:要用同事、講者的聲音必須取得明確同意,醫院或公開影片建議直接用平台授權清楚的通用聲音。
先免費再付費:建議先用 Google AI Studio TTS + Google Flow + CapCut 的免費組合做出作品。確定需求後,再考慮升級到 ElevenLabs(語音品質)或 Runway(影片品質)。

工具總整理

用途免費工具付費工具
寫腳本ChatGPT / GeminiClaude Pro
AI 語音Google AI Studio TTSElevenLabs
AI 生影片Google Flow / KlingSeedance(Dreamina)/ Runway / Pika
剪輯組裝CapCutPremiere Pro
自動字幕CapCutPremiere Pro
背景音樂Suno(非商用)/ Pixabay / CapCut 內建Suno Pro / Epidemic Sound

✨ 零成本工具組

只需要四個免費工具就能做出完整的衛教短影片:

  1. ChatGPT — 寫腳本 + 生圖
  2. Google AI Studio — AI 語音合成
  3. Google Flow — AI 影片片段生成
  4. CapCut — 組裝、字幕、配樂、匯出

四個都有免費方案,課堂練習不用辦付費帳號;實際額度、匯出限制與商用授權以各平台公告為準。

🎯 現在就做(5 分鐘):選一個衛教主題,請 ChatGPT 拆成 5 個分鏡 — 每格一句旁白+一句畫面描述。這份腳本就是下一課 Google Flow 的直接輸入,先存起來。