AI 影片製作一條龍工作流

五步一條龍工作流（作者統整版 2026-05-22）

1️⃣ 靈感 / 故事發想

自己想、生活觀察、品牌概念。這一步 AI 可以協助但不能替代——核心創意仍需人主導。

2️⃣ GPT / Claude / Gemini 整理腳本

把零碎想法整理成：

劇情、旁白
角色設定
畫面描述
分鏡節奏

社群心得：提示詞品質決定影片成功率。AI 生提示詞後仍需人工調整——例如 ChatGPT 一次給 5-6 個動作，但 10 秒影片只能跑 2-3 個動作，需要刪減。

分鏡語法示範（catbubu04 分享）：

shot 1，3s，畫面風格：紅黑色調，東方神秘感，電影感光影，高對比
全黑畫面，隨著低沉鼓聲慢慢浮現絲綢，在黑暗中緩緩飄動（鏡頭慢推進）

shot 2，3s，第二聲鼓聲落下，絲綢開始旋轉，黑色煙霧與絲綢交織...

每個 shot 明確標注：時長、鏡頭動作、畫面細節，AI 照著跑成功率更高。

3️⃣ 先生成分鏡圖 / 角色圖

先固定角色外形、場景、風格，再生影片，一致性更好。

常用工具：

GPT 生圖（ChatGPT image generation）
Gemini
Midjourney
Nano Banana Pro

4️⃣ 丟進 AI 影片工具生成影片

社群中提到最多的工具：

工具	特色	備注
Seedance	高品質，主流首選	較貴：120–240 點/支，越長越貴
Kling（快手）	text-to-video + image animation	社群高頻提及
即夢	字節跳動出品	免費額度較多
PixVerse	多風格支援	入門友善
Higgsfield	較新	風格化強
Grok（xAI）	圖轉影片	免費額度，用來練習
Runway	老牌，創意影片
Veo（Google）	高品質

社群心得：Seedance 效果好但成本高，很多人先用 Grok 練習提示詞，確認方向後再花點數跑 Seedance。

5️⃣ 剪輯軟體整合收尾

CapCut / 剪映（最多人用，AI 輔助字幕/音效）
Perfect Video
快影

收尾工作：字幕、節奏、音樂、轉場、情緒控制。

AI 分工角色框架

作者（jworld_49）的比喻，把各工具比作影視製作崗位：

AI 工具	類比角色
GPT	編劇
Claude	企劃總監
Gemini	分鏡助手
Kling / Seedance	攝影師
CapCut	剪輯室

常見工作流變體（留言整理）

alicehu721 的流程： ChatGPT 生角色卡/分鏡圖 → Grok 圖轉影片 → 快影剪輯

catbubu04 的流程：先想構圖（完整 shot-by-shot 語法）→ 丟 AI 生成 → 微調

對 FLUX Vault / Hahow 課程的應用

Hahow 課程宣傳：課程封面影片、宣傳短片，可用「1→2→4→5」的流程快速製作：自己定主題 → Claude 整腳本 → Kling/即夢生影片 → CapCut 收尾。即夢免費額度可先測試，再決定是否花費 Seedance。

局限：這個工作流偏向社群短影音，課程內容本身（教學影片）需要不同的製作邏輯。

我的觀點

確認：2026-05-31（對話深化）

這篇是 Hahow 宣傳短片的執行 SOP，不只是研究備忘

這份統整的最大價值是「工具角色分工框架」——把 GPT/Claude/Gemini/Kling/CapCut 各放在哪個位置，讓流程有結構，不是亂試。

定位更新：我打算在 Hahow 課程上線時自己做宣傳短片，所以這篇不是「以後可能用到」的資料，而是上線前要實際執行的 SOP。實際工作流：自己定主題 → Claude 整腳本 → 即夢（免費）先跑測試版 → 確認方向後 Kling 或 Seedance 出正式版 → CapCut 收尾。Seedance 成本（120–240 點/支）需要在宣傳預算裡評估，初期練習階段優先用即夢。

一個核心立場：「AI 只是助手，故事感/腳本/節奏最重要」——這和我對 AI 工具的整體立場一致，工具服務於判斷，不替代判斷。宣傳短片的核心仍然是「能不能讓看到的人想買課程」，AI 只是讓製作成本降低，不自動讓內容有說服力。

待執行：Hahow 課程上線前，以本篇為 SOP，跑一遍完整流程。第一支先做最短版（15–30 秒），測試提示詞→影片的轉換效率，再決定是否擴大製作。

video-autopilot-kit：CapCut + Computer Use 自動化路線

補入：2026-06-05（來源：GitHub Hao0321/video-autopilot-kit，34 stars，MIT，最後 push 2026-06-02；使用者截圖補充引入）

video-autopilot-kit 是以 CapCut Desktop + Computer Use 為核心的 YouTube / 短影音自動化框架，ffmpeg 負責匯出後處理，SETUP 問卷把空白模板轉成個人化系統。

關鍵限制（重要）：

CapCut 沒有公開 API——這個框架的「自動化」實質上是 AI 操作 CapCut GUI（Computer Use）
這意味著穩定性依賴 CapCut 的 UI 結構，每次 CapCut 更新介面都可能造成自動化中斷
和有 API 的工具（如 ffmpeg）相比，GUI 自動化的維護成本明顯更高

對現有工作流的補充：

現有 SOP 是：腳本 → 即夢/Kling 生成影片片段 → CapCut 手工剪輯
video-autopilot-kit 試圖自動化 CapCut 剪輯這一步，但 GUI 依賴的穩定性需要實測確認
優先評估場景：Hahow 宣傳短片的重複性剪輯步驟（片段組合、字幕添加）

可連結的主題

延伸方向 — 雷蒙的 AI 工作流同樣強調 Skills 分工
延伸方向 — AI 設計工具的類似分工邏輯
延伸方向 — 影片製作是未來可擴展的 AI 應用場景

2026-06-10 evergreen 通膨重審：降回 developed（頁內無真實使用/實測記錄）。升回條件＝觀點經真實使用驗證並記錄於頁內＋快照事實複查。