影片筆記：AI 剪片神器：從素材到上字幕，自動化你的剪輯流程

一句話總結

本影片由 BPW 分享一套無需 Coding 的 YouTube AI 剪片工作流，透過整合 AI Agent Moron 與 App Fumora，實現從素材生成、自動剪輯、字幕合成到數據分析的全自動化流程，並以「iOS AI Summer Cap」宣傳影片為例進行實戰演示。

核心重點

1. 四大架構工作流：將剪片流程拆解為「主題與指令碼」、「剪輯」、「字幕」、「上傳後數據分析」四個階段，強調拍攝前應先建立個人工作流。
2. 素材分類與生成：

• A-Raw (主畫面)：創作者講話內容。
• B-Raw (補充素材)：B-Roll、圖片、特效字幕。
• AI 生成能力：利用 AI 生成 B-Roll、無版權背景音樂（可依時間軸調整風格）、以及 16:9 封面圖。

1. 自動剪輯技術：

• 初剪：使用 Fumora 去除人聲空白與錯話，設定音量閾值（<10%）與持續時間（0.2-0.5秒）以符合語速。
• 疊加剪輯：使用 Moron 以 A-Raw 為底，疊加 B-Raw 與網路素材，透過 Prompt 控制畫面變化頻率（每 2-4 秒）與頻道風格。

1. 字幕與合成：AI 自動生成含標點符號、注意專有名詞大小寫的繁體中文 SRT 字幕，並與影片、音樂合成。
2. 數據驅動優化：上傳 YouTube 後，透過後台數據分析影片成效與競爭對手，以優化後續題材。

詳細大綱

I. 前言與工作流架構總覽

• 目標：展示一套完全不需要 Coding 的完整 AI 剪片工作流。
• 建議：在拍攝前應先寫出個人工作流，並隨著拍攝經驗逐步完善。
• 四大架構：

1. 影片主題大綱與指令碼（根基）。
2. 剪輯（核心）。
3. 字幕。
4. 上傳 YouTube 後臺與數據分析。

II. 第一架構：主題、指令碼與素材生成

• 素材分類定義：
• A-Raw (A-Roll)：創作者講話的主畫面。
• B-Raw (B-Roll)：補充素材、圖片、特效字幕。
• 其他素材：背景音樂。
• 封面策略：製作三個版本的 YouTube 封面，用於後台 A/B Test。
• AI 生成素材實戰 (使用 Moron)：
• 生成 B-Roll：透過明確 Prompt 生成特定畫面（如學生坐電腦前、App Demo），並確保風格與鏡頭完整。
• 尋找無版權素材：根據指令碼風格，請 AI 搜尋無版權 B-Roll 關鍵字並下載圖片。
• 生成背景音樂：
• 方法：先請 AI 根據影片主題輸出音樂建議 Prompt，再使用該 Prompt 生成最終音樂。
• 優勢：可依時間軸生成不同風格音樂，解決長影片音樂單一問題。
• 生成封面：提供頻道常用封面風格作為參考，生成 16:9 封面與標題。

III. 第二架構：自動剪輯

• 階段一：A-Raw 初剪 (使用 Fumora)
• 功能：去除人聲講話之間的空白及講錯話的部分。
• 設定建議：
• 音量閾值：調至 10% 以下聲音被去除。
• 最小持續時間：設為 0.2 秒至 0.5 秒，符合人語速與換氣，避免切得太碎或留白未剪。
• 緩衝時間：保留剪輯區間前後幾秒。
• 注意：講錯話部分仍需人工審核，但若指令碼寫好，機率較低。
• 階段二：自動疊加剪輯 (使用 Moron)
• 操作：以剪好的 A-Raw 為底，疊加 B-Raw 及網路搜尋的無版權素材。
• Prompt 關鍵要求：
• 以 A-Raw 為底。
• 關鍵概念由 B-Raw 覆蓋。
• 每 2 到 4 秒需有畫面變化。
• 接近 YouTube 頻道風格。
• 結果：AI 自動將素材、畫面變化及字幕整合，完成影片初版。

IV. 第三架構：自動字幕與最終合成

• 自動字幕：
• 請 AI 聆聽 A-Raw 錄音或影片，生成繁體中文 SRT 檔案。
• Prompt 重點：
• 必須包含標點符號。
• 注意專有名詞大小寫（如 iOS）。
• 每段字幕長度控制，避免換行。
• 最終合成：
• 將 AI 生成的影片、背景音樂、SRT 字幕檔，使用軟體合成最終成品。

V. 第四架構：上傳與數據分析

• 動作：上傳 YouTube 後臺。
• 目的：了解影片成效及競爭對手內容，優化下一步題材。
• 自動化限制：此步驟涉及 Google Council 及 Coding，將另開影片討論。

VI. 結語與 iOS AI Summer Cap 宣傳

• 工作流彈性：不必全交給 AI，可針對找不到的素材請 AI 生成，再手動貼回 A-Raw。
• 活動宣傳：iOS AI Summer Cap 2026
• 對象：100 位學生。
• 時間：7月15-17日。
• 地點：國立臺灣大學。
• 內容：三天內將模糊點子拆成可 Demo 的產品，從 Prompt 到能動功能，再到市場與產品眼光。
• 成果：帶走可上架的 App Demo 及夥伴，而非僅是一張證書。

工具 / 模型 / 名詞整理

• AI Agent / 平台：
• Moron：主要使用的 AI Agent，用於素材生成與自動剪輯。
• GPD：原文提及可生成圖片的模型。
• cloud：原文提及可辨識字幕的工具。
• 應用程式 (App)：
• Fumora：用於處理人聲空白剪輯的免費 App。
• Notion：用於存放工作流檔案。
• 產品 / 活動名稱：
• iOS AI Summer Cap：宣傳活動名稱。
• YouTube：影片發布平台。
• 其他提及：
• Google Council：原文提及自動化需使用的服務。
• SRT：字幕檔案格式。
• A-Raw / A-Roll：主畫面/原始素材。
• B-Raw / B-Roll：補充素材。

操作流程整理

1. 準備階段：

• 撰寫影片主題大綱與指令碼。
• 規劃封面策略（製作多個版本）。

1. 素材生成 (使用 Moron)：

• 生成 B-Roll 素材（確保風格與鏡頭完整）。
• 搜尋並下載無版權 B-Roll 圖片。
• 生成背景音樂（先輸出 Prompt 建議，再生成音樂，可依時間軸調整風格）。
• 生成 16:9 封面圖。

1. 初剪 (使用 Fumora)：

• 對 A-Raw 進行空白與錯話剪輯。
• 設定音量閾值 (<10%) 與最小持續時間 (0.2-0.5秒)。
• 保留緩衝時間，人工審核講錯話部分。

1. 自動疊加剪輯 (使用 Moron)：

• 以剪好的 A-Raw 為底。
• 疊加 B-Raw 及網路素材。
• 輸入 Prompt 控制畫面變化頻率 (每 2-4 秒) 與頻道風格。
• AI 整合素材、畫面變化及字幕，生成初版影片。

1. 字幕與合成：

• 請 AI 生成繁體中文 SRT 字幕 (注意標點、專有名詞、長度)。
• 將影片、背景音樂、SRT 字幕檔合成最終成品。

1. 發布與分析：

• 上傳 YouTube。
• 分析數據與競爭對手，優化未來題材。

值得注意的限制或風險

• 講錯話仍需人工審核：雖然 Fumora 可去除錯話，但仍需人工確認，不過若指令碼撰寫良好，機率較低。
• 自動化限制：第四架構（上傳與數據分析）涉及 Google Council 及 Coding，目前無法完全自動化，需另開影片討論。
• 工作流彈性需求：不必全交給 AI，若 AI 無法生成特定素材，需手動貼回 A-Raw，保留人工介入空間。

逐字稿辨識疑點

• Moron / more run / World Run / moron：逐字稿中對該 AI Agent 名稱的拼寫不一致，疑點標記。
• Fumora / Fillmora：逐字稿中對該 App 名稱的拼寫不一致，疑點標記。
• GPD：原文提及「GPD 的話，它可以生成圖片」，疑點標記，可能為特定模型名稱或口誤。
• cloud：原文提及「比如說像是 cloud，它可以辨識字幕」，疑點標記，可能為特定工具名稱或口誤。
• iOS下令影：原文提及「iOS下令影的宣傳影片」，疑點標記，可能為「iOS AI Summer Cap」之聽誤或口誤。
• Google Council：原文提及「自動化其實是需要用到 Google Council」，疑點標記，可能為 Google Console 或其他服務之聽誤。
• 門汰：原文提及「這些都不再是門汰」，疑點標記，可能為「門檻」之聽誤。
• A-Raw / A-Roll / Arow / A-Rawd：逐字稿中對「主畫面/原始素材」的稱呼不一致，疑點標記。
• B-Raw / B-Roll / Brow / B-Rawd：逐字稿中對「補充素材」的稱呼不一致，疑點標記。
• 100位 / 100位：原文提及「申請字 限了100位」，疑點標記，可能為「申請者」或「名額」之聽誤。

可延伸追問

• Moron 與 Fumora 的具體操作介面與學習曲線為何？
• 如何精確設定 Prompt 以確保 AI 生成的 B-Roll 與 A-Raw 風格高度一致？
• Google Council 在自動化剪片流程中的具體角色與技術門檻為何？
• 如何透過 YouTube 後台數據具體優化下一支影片的指令碼與素材選擇？
• iOS AI Summer Cap 活動的詳細報名方式與參與資格為何？