逐字稿文字預覽
好 我們先來看一段影片 那這個影片就是透過這個「Google Flow」做出來的 各位 如果你有用 AI 做過影片 有一個畫面你一定不陌生 第一個鏡頭你的主角非常帥 表情 衣服 髮型全對 結果切換到第二個鏡頭的時候 他突然換了一張臉 衣服也變了 就好像被掉包了一樣 你知道一直重新生成一直重試 一個晚上就這樣子沒了 那這個「Google Flow」 它就是衝了這件事情來 我會給你看我怎麼樣子 在框框裡面打了一句話 幾分鐘之後我們就把腳本整個角色生成出來 每一個場景都做好還有排分鏡 所以為了解決這種人物不一致的問題 所以為了解決這種人物不一致的問題 我今天就透過「Google Flow」 來重點跟大家講這個部分要怎麼解決 我知道其實很多人他卡住的是在更前面的一步 即便你打開「Google Flow」 可以看到一堆面板 其實「Google Flow」它算是 我也不知道為什麼「Google」 它沒有去很 push 這一個平台 但是我覺得這個平台真的是超強的 它不輸給很多的自影片自圖的這個平台 你看到一堆面板 我也不知道為什麼「Google」 它沒有去很 push 這一個平台 但是我覺得這個平台真的是超強的 它不輸給很多的自圖的這個平台 可是它的介面其實我覺得有一點點小複雜 但如果你用心的下去研究之後 你可能花個 15 分鐘看完我這個影片 你就會發現其實沒有那麼複雜 沒有那麼難 所以我今天會用保姆級的方式帶著你 我會把每個介面的地方先告訴你 再一步一步的把角色跟影片做出來給你看 所以今天你會學到 3 件事情 第一個你可以看得懂「Google Flow」 的每個面板的功能是什麼 第二個你可以自己親自打造 一個不會變臉還會講話的角色 第三個你用一句話 就可以生成出一整個影片的故事情節 所以你自己在心裡面先回答自己一個問題 你上一支 AI 影片 你光是為了角色的臉不要變 你重新生成了幾次 記住這個數字 看完之後你會發現其實它可以是零 照慣例在我們動手之前 我要送你等一下 馬上你邊看可以邊用的東西 我會把今天這個影片用到的內容 整理成一個「Google Flow」的基礎教學包 裡面有一張怎麼樣把「Flow」的每個面板 長什麼樣子擺在哪幹嘛用的地圖 還有一組可以直接複製拿來 創建第一個不變臉角色的提示詞範本 中文英文都有 你等一下跟著我做的時候 你直接拿這一份對著貼就可以了 那領取的方式也很簡單 掃描螢幕上的「QR Code」 或者點擊資訊欄裡面的連結 加入我的官方「LINE」打「Flow」 F L O W 系統就會自動把這個基礎教學包傳給你 這個教學包是先幫你踏出第一步 把「Flow」拋起 你怎麼把它變成一套會賺錢的工作流 這我們就留到最後面再聊 好那我們開始 好今天會有 5 個章節 第一個章節「Google Flow」的介面保姆級全導覽 第二個怎麼建一個從頭到尾 不變臉還會講話的角色 第三個如何透過一句話 去變成一整部影片 這個就是「Google Flow」最強的那個工作流 第四個怎麼樣去設定防止燒光你的 AI 點數 第五個有關於「Avatar」虛擬形象的部分的簡單先說明 OK 好那這邊先跟各位講 先不要急著做東西 我知道很多人一打開一個軟體很興奮 很想要馬上試 但看到之後第一個反應 就是怎麼那麼多的面板那麼多按鈕 到底要點哪裡 所以我們就花個幾分鐘時間 把這個工作台的每一區 是什麼幹嘛用的一次跟你講清楚 等一下你在做的時候你就不會迷路 好那我們怎麼到「Google Flow」 我們就直接在這個「Google」上面打「Google Flow」 按 Enter Enter 之後就會跳出這個 我們就點第一個「Google Flow」「Google Lab」 它是「Google」的實驗室 等下去之後因為我現在已經登入我的帳號了 所以它會直接跳到首頁去 我這邊跟各位講一下 如果我們是使用「AI Pro」的這一個方案 它每個月會有 1000 點的點數 其實我覺得真的算蠻多的 真的是很優惠 進來之後你可以點一個新建項目 就會有一個工作台 但是我這邊我已經先做好了 我現在我要跟各位一步一步來講的東西 所以我就會直接點這個 點進來之後我們一個一個來看 我們就先從左邊清單開始來看 它有左邊的這一條功能選單 它是整個「Google Flow」的骨架 這邊所有媒體內容 我們在這個專案裡面生成上傳所有東西 圖片影片角色通通都會放在這 就是我們的總倉庫 再來角色 這就是我們今天的主角指引 在這邊建立讓這個角色一致 把一個人的臉聲音個性固定下來之後 你再怎麼樣使用他都是同一個人 再來就是場景 這個是你建立跟管理場景還有環境的地方 而且你最後面組好的成片 就會把它存在這裡 好然後這樣子你等下做完之後 你才會知道去哪裡找你的影片 再來工具這邊 這個工具點鍵它是一整櫃的創作工具 今天最重要的那個工作流「storyboard studio」 也是故事工作板也是藏在這裡 還有一堆別人做好的小工具 那在這邊你甚至可以自己再做一個 如果我們今天已經做了很多的素材 那這邊它可以做一個篩選的一個動作 好點下去它可以選你要什麼樣的類型的媒體 圖片視頻還是集合還是場景還是角色 它的比例是什麼 它創建日期是什麼 它時長多久 好最新你排序方式可以從最新到最早這個部分 好但是我們一般的人 現在如果剛開始在接觸 應該不會用到那麼多的這麼細的東西 我們就是一步一步慢慢做 只是跟你講說現在這邊我們有這個功能 那在這個部分大家應該都無陌生了 現在用來跟 AI 溝通的 你要放提示詞放指令 講你的自然語言 讓 AI 模型去生成你的影片用的地方 這邊又有分為智能體 等一下再跟各位解釋 那這個部分很重要 在這個部分我們點下去 它有分為你可以用圖片的還是用視頻的 那如果是圖片 它又可以讓你選擇各式各樣子的比例 有 16 比 9 4 比 3 1 比 1 3 比 4 9 比 16 你可以一次生成 1 到最多可以 4 張 這邊你可以選擇模型 「Nano Banana Pro」 「Nano Banana」 還有「Nano Banana 2 Lite」 我現在因為我們的點數在夠的情況之下 我都會選擇「Nano Banana Pro」 但視頻的部分點下去之後 這邊也是一樣 它會讓你選擇 9 比 16 還是 16 比 9 這個幀就是你要從哪一幀開始到哪一幀結束 這個我們今天就不會講 因為這個已經比較深一點 我們看是要生成直式的影片還是橫式的影片 一樣要選擇一個兩個還是三個還是四個 這邊可以選擇秒數 這邊還可以選擇它的模型 那我們的模型當然是使用現在「OMNI」 最新的這個「Flash」的模型 有 4 秒 6 秒 8 秒 10 秒 那每一次你自己看 譬如說它這邊我 4 秒 它就是扣 7 個點數 6 秒就扣 10 個 8 秒扣 12 個 10 秒扣 15 個點數 那我們剛剛在上面有講 我們的 Pro 的版本每個月會有 1000 點 1000 點來講的話 一支影片如果是 15 個點數 那 1000 點我們可以生成幾支影片 我們現在來算一下 除以 15 我們可以生成 66 支影片 66 支 10 秒影片 我覺得相當的夠用 不過它還有購買點數的這個方案 所以我們如果要生成影片 我們記得這邊要這裡點開來選影片 選擇我們要的格式 那智能體你點這個之後 你跟它講指定 它就按照它就自己拍一個「agent」 去思考你要的內容 開始去幫你思考幫你創作 好那我們這邊再重複說明一遍 生成之前你要先去想好 你到底要做哪些的方向 看是要圖片還是視頻 要什麼樣比例要多少的數量 要用什麼樣模型跟時長要多久 這個都先想好 記得務必在生成之前再檢查 不然就會浪費掉你的點數 因為我是 Pro 的 所以我的點數是 1000 點 那免費的方案每天大概是 50 點 那 50 點來講的話大概就是 4 支影片 你如果想要玩看看 你可以先用免費的點數來去玩看看測試一下 所以我們是 Pro 的方案 我們有很多點數可以扣 所以是沒問題 但是如果說各位是免費方案 就切記我剛前面講的 你一定要先去看你是不是 你是一次點一個影片還是 4 個影片 好如果點了 4 個影片 可能你試了一次你今天就沒得事了 我自己是覺得很多人這種 AI 工具會卡關 他不是不會用也不是沒概念 是一開始沒有人帶他把介面認一遍 每一步都在測試在拆 所以今天你花個 5 分鐘 把這個面板了解清楚之後 接下來你就會知道比較踏實 這是為什麼會先堅持帶大家走 認識整個面板的這個部分 好現在介面認完 那我們現在進入今天的主菜囉 角色的部分 我就先跟各位講一下 先不要急著去生成影片 第一步一定要先把角色建好 那建角色的方法就是套模板 自己打描述或上場一張你已經有的圖片 或從別的專案匯入 或者是讓它幫你生成都可以 套模版就是讓它幫你生成這樣是最快的 來我這邊就直接 DEMO 給各位看 這個部分我們就先點角色 之後我們就先點這個新角色 好點下去之後 這邊有各式各樣子的風格給你選 你們剛看到我原本在裡面那個角色 我是選奇幻 等一下它現在就開始正在生成提示詞 生成了 如果你覺得這個提示詞不滿意 你就可以叫它再生成一個 現在是使用「Nano Banana 2」 那我現在想要把它改成 Pro 好那我就把它生成出來 那生成出來之後 這邊你要去幫你的角色做一個命名 因為我現在不知道它生成出來是什麼 好它已經幫我們生成出來 但是我就不用這一個了 我就要用我之前自己生成出來的 那我之前自己生出來 他只是會有一張這樣子的一個上半身的圖片而已 像你看到這個部分 都是後續我叫它幫我做出來的 他的正面還有細節等等的 那我們生成出來之後 我們就要給他一個名稱 給這個角色一個名稱 那這個名稱的部分你切記 不要用到大眾人物的名稱好嗎 你要給他一個比較特殊一點的名稱 比如說你說他叫湯姆克魯斯好了 你可能是用英文叫湯姆克魯斯 那到時候它就會去直接去抓 變成它 AI 生成的時候 搞不好會直接生成湯姆克魯斯 不然就跟你講說版權關係生成不出來 所以這個命名的部分要注意一下 再來就是我們這個聲音的部分 一開始它就會叫你選擇語音 那這語音的部分 就它這裡有寫 female 跟 male 那我們就選女性 因為它這個主角是女性 我就選擇女性 然後你可以聽她的聲音 OK 好 你還可以把你要指定她講什麼 我已經準備就緒可以開始了 好這邊它就幫我們把聲音變成中文的 這裡你可以去定義他的聲音是高興的 還是悲傷的還是沉穩的 用沉穩的聲音表現出來 好我們現在來聽聽 有沒有跟剛剛的那個就不一樣 有沒有很厲害 你可以直接用嘴巴講的用描述的 去改變他的情緒 了解嗎 好那你這邊可以重置或是保存 那我就選保存 保存好之後我們就添加到角色裡面去 這就是現在他的聲音了 我已經準備就緒沒錯可以開始了 好在這個角色訊息 你也可以去在這邊定義角色的個性行為模式 譬如說他的一些什麼習慣等等 這個就是自己去發想 因為我不是編劇 我只知道它有這個功能 我覺得很厲害 所以各位可以自己去發想 一開始出來的時候 我剛有跟你講他是這樣子的一個照片 我就跟它講說 幫我把這一個人物的各個角度的圖片給生成出來 它就會生成出這樣子的一張圖片 那為什麼要生成這樣的圖片 因為生成這樣的圖片 他到時候他的細節 他在他人物在動在走的時候 他的細節才不會走鐘 不然他只有上半部 那你衣服沒有跟它講其他細節沒跟它講 他可能就會歪掉這樣了解嗎 好完成之後 就回到我們的所有媒體內容部分 像這裡面生成出來的東西 如果你不要可以把它刪除 它就不見了 這個部分我給各位看 我先給你看一下他的影片 好各位有沒有注意到一件事情 雖然說這是只有 10 秒的影片 但它切換了 2 個到 3 個鏡頭 那這個提示詞怎麼做 因為有時候我們在製作影片的時候 我們可能需要很多的鏡頭跟場景 很多人不知道這個眉角 就會想說 10 秒它就是一個鏡頭 其實它可以不需要這樣 來你們各位看一下我的提示詞在這裡 這個就在這裡 這邊我這邊跟它講 我只是給它一句話 用這個角色 我只給它這個角色圖片 跟它講說製作一個 10 秒的科幻短片 然後每 2 到 3 秒切換一個鏡頭 它就照做了 以前你一個鏡頭一個鏡頭 你就要去想要怎麼做 但是現在你可以交給它 甚至是你可以先在其他的 AI 裡面 去把這些鏡頭場景角色全部都把它生成出來之後 你就把它貼到這個提示詞這裡面去 它就可以幫你把整個你想要影片的 場景的拍攝的方式模式 它的環境全部都幫你把它做出來 真的很厲害喔 你看我只有一句話 好那我們再來看第二幕 好我這個是怎麼做的 我就把剛剛的第一段影片 跟它講說根據這個影片的內容 再繼續執行下一個影片 它就開始執行下一個影片了 就這樣 10 秒把影片產出 再來第三個 The hyperdrive is now online 這個部分是我用的這個場景 「Storyboard」 我點進來 我們點進這「Storyboard」 我們就可以把不同的 The hyperdrive is now online We are ready for the jump 先給你們看一下 For the jump Initiating jump sequence For the jump The hyper 我們就是在這裡 在這邊有個加號 我們可以選擇這個影片片段 好選擇第三個影片片段把它加進來 這個片段我們可以去調整它的位置 這樣子拉著它就可以去調整位置 這剛講的那個場景 我們就可以把所有的影片去把它連接起來 我們一個影片生成出來之後 我們就可以把場景連接起來 那場景我們可以看到標誌不一樣 這邊是一個播放的符號 那場景這邊就是一個打板的符號 這個部分我給各位看一下我提示 就是女主飛到飛船外 然後鏡頭從近拉 逐漸拉遠 顯示女主在黑洞前的渺小 我記得有一段是叫她跳到黑洞那邊 We are ready for the jump 這個就是讓這個太空船 跳躍到一個黑洞的前面 接著下一幕就是這個女主 她是因為她是 The hyperdrive is now online 她就可以在外太空走的生物這樣子 全部都是我一句話的 當她自己生成的 因為我本身不是這方面科系的人 那我覺得相關方面科系的 或是說你稍微研究一下 我要怎麼樣去設計整個故事線 你可以把它講的完整一點設計完整一點 它會絕對會出乎你意料之外的 我之前有一個在「OMNI」的介紹的影片 我們去講過「OMNI」 它現在真的很強 它可以去把你的影片 變成各式各樣子的變化 這一個部分變化來的 來我們來看一下 The hyperdrive is n
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：3.4 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：54.0 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：1.1 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.1 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.1 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.2 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.2 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：109.9 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：1.0 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.1 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
- 校正前 transcript.source.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 逐字稿全文快速校讀未完成
已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- 逐字稿可先使用，但有待校正清單
segment=19 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。