← 回到《秘書可芸,請指教》專頁

《秘書可芸,請指教》製作全紀錄

一個人、沒有劇組,怎麼把一部 AI 劇從企劃拍到上架。工具、流程、成本,還有踩過的每一個坑,全部公開。

How one person, without a crew, took an AI drama from proposal to release: tools, workflow, costs and every pitfall along the way. (Full text in Traditional Chinese.)

給創作者的話

For creators

沒有資源,也能把故事拍出來寫給正在等別人點頭的你

  1. 我也等過。

    寫好企劃書、找到願意簽意向書的演員、申請補助、投稿給製作公司,然後等。等到的大多是沒有回音。如果你也正在等,我想分享這一年我是怎麼不再等下去的。

  2. 先有故事,工具才派得上用場。

    AI 能畫出很美的畫面,卻不會替你決定可芸生氣時該叫煦晨什麼。開拍前,我先把人物、世界觀、二十二集的大綱都寫清楚。故事越完整,工具越好用;故事是空的,畫面再美也撐不起來。

  3. 把一個劇組,拆成一個人做得完的步驟。

    定裝:先把角色的臉和服裝固定下來。勘景:每個場景都找真實照片當參考,高雄才不會被畫成別的城市。分鏡:一鏡一句台詞,先排好再拍。畫格先審:每一鏡開拍前先看靜態畫面,不對就重畫,不浪費生成額度。後面的配音、配樂、剪輯、字幕,也都一步一步做。

  4. 先求有,再求好。

    資源有限,就把力氣花在故事最需要的地方。臉跑掉、台詞說錯,一定要修;小瑕疵就記下來,先讓故事完成。觀眾記得的是故事,不是第幾秒的那根手指。

  5. 一個人,不代表沒有夥伴。

    這部劇的剪輯、字幕、上架和官網,有很大一部分是我和 AI 助手一起完成的。它幫我查資料、提醒我漏掉的細節,甚至會指出我記錯的事。但每一個「要不要」,最後都由我決定。

  6. 誠實告訴觀眾,這是 AI 做的。

    每一集都標示了 AI 製作,演員也標明是虛擬演員。誠實不會讓作品變廉價;觀眾在意的,是你有沒有用心。

  7. 做出來,讓觀眾決定。

    作品放上 YouTube,剪成短片,做一個官網專頁,觀眾自然會用觀看和留言回應你。這些回應,就是當初企劃書裡最缺的東西。

製作流程

Workflow

  1. 01故事
  2. 02定裝
  3. 03勘景
  4. 04分鏡
  5. 05畫格
  6. 06影片
  7. 07換聲
  8. 08配樂
  9. 09剪輯
  10. 10上架

故事聖經:先寫好故事,再開拍 Story bible

開拍前,我把官網連載的四十多篇原文,整理成一份「故事聖經」:人物的年齡、個性、口頭禪,彼此怎麼稱呼,還有二十二集的分集大綱和每條伏筆在哪一集回收。

之後每一集都照這份文件拍,AI 助手也照這份文件工作。像下面這張「稱呼規則」,就決定了每一句台詞裡,可芸該怎麼叫煦晨。

故事聖經 · 稱呼規則(節錄)

可芸叫他什麼時候備註
劍主平常、溫柔或吐槽時半是尊稱,半是調侃
執行長!生氣或數落他時例:「執行長,你知道我繞了幾圈嗎?」
老闆對他非常失望、刻意公事公辦時第一次出現在 EP09 的爭執
煦晨只留給最重要的時刻第一次出現在 EP05

重點先把規則寫下來,AI 才不會亂改你的角色。

定裝:先把演員的臉固定下來 Casting

可芸和煦晨的臉,來自我先前自製的一支前導片,完全由文字生成,沒有用到任何真人的照片。

AI 每生成一次,都可能換一張臉。所以我先從前導片挑出三張定裝照,再補拍五個角度(側臉、四分之三側、辦公室笑容、戶外黃昏),每個角色八張。之後每一鏡生成時,都附上其中三張臉部參考:正面大頭照,加上左右四分之三側臉。

之後每一鏡都拿定裝照放大比對,臉不像就重做。

林可芸的定裝照:全身、正面、側面與不同場景
林可芸定裝照
周煦晨的定裝照:全身、正面、側面與不同場景
周煦晨定裝照

重點臉是一切:先固定,再開拍。

勘景:高雄不能被畫成別的城市 Location scouting

每個場景開拍前,先找可以合法使用的實景照片當參考,只用 CC0 或 CC BY 授權的照片。左邊是高雄展覽館的實景照片,右邊是 EP14 開場的畫面。

常出現的場景,像炎劍常去的愛河咖啡館、愛河步道,則先做「場景定裝」,讓它每次出現都長得一樣。

高雄展覽館的實景照片
參考:高雄展覽館實景(Aspere/CC0/Wikimedia Commons)
EP14 開場畫面:高雄展覽館與 85 大樓
成品:EP14 開場畫面
場景定裝:愛河咖啡館與愛河步道的候選畫面
場景定裝:咖啡館與愛河步道

重點沒有合法的照片就換景點,別讓 AI 畫錯城市。

分鏡表:一鏡一句台詞 Storyboard

台詞一字不改照原文,每鏡 3~5 秒,台詞說完就切。分鏡表上也標好地點貼紙、讓觀眾喘口氣的「緩和點」,以及哪些鏡頭可以不花點數。下面是 EP14 的一小段。

EP14 分鏡表(節錄)

鏡秒地點畫面台詞
S183炎劍攤位林可芸忽然上前一步,淡定接過麥克風。(無)
S194炎劍攤位可芸面對鏡頭。「我們承認,我們曾經犯過錯。」
S204炎劍攤位她的聲音清晰而堅定。「但至少,我們的每一步,都是誠實走來的。」

重點一鏡一句台詞,說完就切。

畫格先審,再開拍 Keyframes first

每一鏡先用 OpenAI 的 Codex 畫兩張候選的靜態畫格,我放大檢查臉、手指、服裝和背景,挑一張才送去生成影片。

靜態圖便宜、影片貴。先在畫格階段把錯誤擋下來,是最省點數的做法。

EP14 S18 候選一
候選一
EP14 S18 候選二(採用)
候選二 ✓ 採用

重點靜態圖便宜、影片貴,錯誤要在畫格階段擋下來。

從畫格到影片 From keyframe to video

核准的畫格當作影片的第一格,交給影片模型(Seedance 2.0)生成 4~6 秒的鏡頭。

EP01~EP12 在 Higgsfield 上拍,角色的「聲音卡」直接念台詞,嘴型和聲音一次到位。720p 拍好,確定要用的鏡頭再升級成 1080p。

EP14 S18 的靜態畫格
畫格(第一格)
EP14 S18 生成影片中的一格
影片中的一格

重點先拍 720p,確定要用的鏡頭再升 1080p。

EP13、EP14:為了不浪費點數,換一個平台拍 Why EP13–14 were shot on LitVideo

原因拍完 EP12 時,Higgsfield 的點數已經所剩不多,而另一個平台 LitVideo 的訂閱裡還有點數沒用。為了不浪費這些點數,EP13、EP14 改在 LitVideo 上,用同一個影片模型拍。

代價LitVideo 的首幀模式不能放角色的聲音卡,拍出來的原聲不是可芸和煦晨的聲音。第一版我另外生成配音再對嘴,結果聲音、嘴型、字幕三樣都對不上,整集重來。

解法「換聲」:先把原聲裡的人聲和背景分開,再只把人聲換成角色的音色,最後把背景混回去。因為保留了原本說話的節奏,嘴型自然對得上。

取捨老實說,換聲的品質比 Higgsfield 一條龍的聲音差一些,口音也和前幾集有點不同。這是這兩集的取捨:先把故事說完。

  1. LitVideo 拍攝影片和嘴型都對,但原聲不是角色的聲音
  2. 分開人聲與背景Demucs(開源)
  3. 只換人聲的音色OpenVoice(開源)+早期集數 6 句角色原聲當樣本
  4. 混回背景、對齊字幕說話節奏不變,嘴型自然對得上

重點換聲保住了嘴型,聲音品質則要有取捨。

聲音與配樂 Sound and music

片頭曲《叮咚!交給我》、片尾曲《微光》由我作詞,用 AI 音樂工具製作。情境配樂(輕快、心動、尷尬、慢動作英雄……)先做成一套全劇共用的曲庫,每集挑著用。

混音的原則是台詞優先。情緒最重的戲,先只留現場聲;到了故事的轉折點,才讓音樂進來。下面是 EP14 的配樂安排。

EP14 配樂安排(全長 2:02)

  • 0:08–0:13 片頭曲《叮咚!交給我》
  • 0:33–1:16 只留現場聲(當眾嘲諷、記者圍訪)
  • 1:16–1:35 心動溫馨(可芸接過麥克風)
  • 1:39–1:45 輕快喜劇(平板笑點)
  • 1:51–2:01 片尾曲《微光》(下集預告起)

重點情緒最重的戲,先讓音樂安靜。

剪輯與包裝 Editing and packaging

剪輯、字幕、字卡都用程式完成(Python+FFmpeg):AI 助手 Claude 依分鏡表組裝,我逐段審片。字幕依實際發聲的時間逐句對齊,金句放大、改成粉紅色。

片頭品牌閃卡、劇名字標、人物字卡,都是全劇共用的母版。

《秘書可芸,請指教》劇名字標
劇名字標母版
炎劍文化工作室品牌閃卡
片頭品牌閃卡
林可芸人物字卡
人物字卡

重點做成共用母版,每一集的包裝才會一致。

上架:六種語言、短片與官網 Release

每集正片附上六種語言的字幕與標題說明,每集再剪三支 Shorts(附中英字幕),最後同步到官網專頁。每一支都標示 AI 製作。

  • 繁體中文
  • 简体中文
  • English
  • 日本語
  • 한국어
  • ไทย
  • 每集 3 支 Shorts
  • 官網專頁
  • AI 製作標示

重點每一支都誠實標示 AI 製作。

踩過的坑

Pitfalls

這是這份紀錄最想分享的部分。每一個坑,都寫下發生了什麼、為什麼、後來怎麼解決。

  1. 1臉會「慢慢」跑掉

    發生了什麼
    同一個角色,一集一集拍下來,眉形、妝感、年紀都悄悄變了。
    為什麼
    每一鏡單看都說得過去,用分數檢查也抓不出來。
    怎麼解決
    把整集每一鏡的臉放大並排,對照第一季的基準臉一起看;送審時一定看放大圖,縮圖不算。
  2. 2參考圖越多,臉越不像

    發生了什麼
    想讓畫面更準,給了模型很多參考圖,結果臉反而跑掉。
    為什麼
    場景圖和其他人物搶走了模型對臉的注意力。
    怎麼解決
    參考圖只放三張臉部特寫,場景參考放在最後。
  3. 3手畫反了

    發生了什麼
    畫格裡的手變成鏡像:拇指在錯的那一邊。
    為什麼
    AI 畫手本來就容易出錯,縮圖上又看不出來。
    怎麼解決
    推薦畫格前,一定放大檢查掌心方向和拇指位置。
  4. 4另外配音再對嘴,三樣都對不上

    發生了什麼
    EP13 第一版,聲音、嘴型、字幕全部錯位。
    為什麼
    另外生成的配音,說話節奏和影片裡的嘴型本來就不同,怎麼平移都救不了。
    怎麼解決
    改用「換聲」,保留原本的說話節奏,只換音色。
  5. 5換聲的樣本,不是越多越好

    發生了什麼
    用了 22 句可芸的原聲當樣本,換出來反而沒有 6 句的像。
    為什麼
    句子太多,音色反而被沖淡。
    怎麼解決
    從早期集數挑 6 句發音最清楚的原聲當樣本,並實際量測相似度再決定。
  6. 6網頁偷偷把提示詞換掉

    發生了什麼
    EP14 有一鏡,拍出來變成另一個女生站在講台上。
    為什麼
    在 LitVideo 改片長時,網頁自動把提示詞還原成上一鏡的內容。
    怎麼解決
    先改片長、再填提示詞,送出前把提示詞讀回來比對。拍錯的兩鏡重拍,多花 180 點。
    EP14 S22 拍錯的版本:另一個女生站在講台上
    拍錯:提示詞被換成上一鏡
    EP14 S22 重拍後的版本
    重拍後
  7. 7AI 助手會自作主張

    發生了什麼
    AI 助手為了遵守一條「肢體距離」規則,把原文的握手改成點頭,把「桌下按住他的手」改成只碰糖包。
    為什麼
    規則被它解讀得比原意更寬。
    怎麼解決
    規則只照寫明的範圍執行;劇本有疑問時,送審時列出來由我決定,不能先改。
  8. 8花了點數訓練角色模型,最後沒用上

    發生了什麼
    開拍前花了 50 點,替兩個角色訓練 Higgsfield 的角色臉部模型(Soul ID)。
    為什麼
    實際測試時,用它生成的畫面效果不理想,不適合這部劇的拍法。
    怎麼解決
    改成每一鏡直接附上三張臉部參考圖。新工具先小量試,確定好用再投入。
  9. 9原文和角色設定互相打架

    發生了什麼
    EP13 可芸鼓勵煦晨時,原文寫的是「老闆」,但依稱呼規則,「老闆」是失望時才用的。
    為什麼
    分鏡表送審時,沒有人逐句核對稱呼。
    怎麼解決
    現在分鏡表送審前,逐句檢查稱呼;和設定衝突的原文台詞先列出來,由我決定。
  10. 10找不到照片,就換景點

    發生了什麼
    旗津的彩虹教堂和星空隧道,一直找不到可以合法使用的實景照片。
    為什麼
    沒有參考照片,AI 很容易把高雄畫成別的城市。
    怎麼解決
    寧可換成有實景照片可參考的旗後燈塔和彩色渡輪,也不畫錯高雄。
  11. 11YouTube 標題超過 100 字,不會報錯

    發生了什麼
    英文標題貼上去、按下儲存,看起來成功了,其實沒有存進去。
    為什麼
    YouTube 標題有 100 字元上限,超過時不一定會提示。
    怎麼解決
    上架後一定回頭重新讀一次,確認真的存進去了。
  12. 12官網自動抓不到新集數

    發生了什麼
    EP14 上架了,官網專頁卻一直沒出現。
    為什麼
    播放清單的公開資料只給前 15 支,EP14 剛好是第 16 支。
    怎麼解決
    每集上架當天,主動把新集數加進專頁;自動抓取只當備援。

成本與工具

Costs and tools

💰 大約花了多少點數

Higgsfield 拍一集(約 20 鏡)約 470 點(Seedance 2.0、720p,約 4.5 點/秒)
補拍定裝照20 點,只需要做一次
升級成 1080p每鏡約 1 點
靜態畫格在 Codex 訂閱內,不另外扣點
LitVideo 拍一集(EP13、EP14)約 2,200~2,300 點(含重拍;4 秒一鏡 80 點、5 秒 100 點)
換聲、剪輯、字幕、六語翻譯在自己的電腦上處理,不花點數

兩個平台的「點數」單位不同,不能直接相加比較。用到的付費訂閱:Higgsfield Ultra、LitVideo、ChatGPT Pro(Codex)、Claude Max。

🧰 用到的工具

Higgsfield影片生成(Seedance 2.0)、聲音卡、配樂
LitVideoEP13、EP14 的影片生成(Seedance 2.0 首幀模式)
OpenAI Codex場景定裝與每一鏡的靜態畫格
Claude(Anthropic)分鏡整理、剪輯、字幕、六語翻譯、上架與官網
Demucs+OpenVoiceEP13、EP14 的換聲(開源、在自己的電腦上執行)
Python+FFmpeg剪輯、字幕燒錄、混音的程式

看到這裡,你可能會覺得:好麻煩。是的。AI 省下的是錢和人力,省不下的是美感、審稿和判斷——哪一鏡的臉不對、哪一句台詞不像角色、哪個瑕疵可以放過、哪個一定要重拍,最後都得靠你自己決定。工具讓故事有機會被拍出來;拍得好不好,還是取決於說故事的人。

炎劍文化工作室 周明樺2026 年 10 月

本劇純屬虛構;影像、聲音與部分配樂以 AI 生成技術製作,角色為原創虛構人物。 · Fiction. Images, voices and parts of the score were created with AI.