AI 生圖與影片
我只給了小說原文：AI 生出一部 16 集短劇的第一次嘗試
我做的事情只有一件：把《水滸傳》林沖篇的原文貼給 AI。角色是誰、長什麼樣子、鏡頭怎麼切、每一句台詞怎麼配音、16 集怎麼剪——一句分鏡腳本我都沒寫過。這篇記錄第一次真的跑完全程之後，我看片時發現的問題，以及後來怎麼揪出根因的過程。
輸入只有一份 txt，輸出是 16 集
流程長這樣：小說原文 → AI 拆角色（畫出每個人的設定圖）→ AI 寫短劇大綱 → AI 寫劇本 → AI 分鏡（每一鏡的鏡頭語言、對白、時間點）→ AI 生成每一鏡的關鍵幀圖片 → AI（MiniMax H3）把關鍵幀變成會動、會對嘴說話、帶環境音的短片 → 串接成 16 集。
我輸入的只有小說原文這一份文字檔。中間所有創作決策——這個角色該長什麼樣子、這一幕該用什麼運鏡、這句台詞該用什麼語氣——都是 AI 自己決定的。這是第一次把這整條鏈路跑完，我想記錄下真實的結果，包括不完美的地方。
看片時發現的問題，比想像中更具體
實際看完 16 集，最先跳出來的是一個很戲劇性的畫面：某一集開頭，公堂上的官員看起來像穿越到民國時代的西式法庭，還打了領帶。這不是我猜的，是把成片一幀一幀抽出來比對才確認的——因為對照組（AI 生成的關鍵幀圖片本身）完全是對的，宋代官服、烏紗帽、朱漆公案，一個西式元素都沒有。
問題出在更下游一層：負責把靜態關鍵幀變成動態影片的模型，看到提示詞裡「court clerk」「case ledger」這類英文詞彙時，會自己聯想到它訓練資料裡更常見的「西式/近代法庭劇」畫面，蓋過了關鍵幀裡明明畫對的服裝。換句話說，圖是對的，影片生成那一步自己加戲加錯了。
換 seed 沒用，才確定不是運氣問題
修完這個之後，又發現另一個角色在某幾個鏡頭裡，服裝跟長相會前後不一致——同一個人，前一秒粉色便服，下一秒變成黑色盔甲武將。第一直覺是「換個隨機種子重抽應該就會抽到對的」，畢竟這是很多人處理 AI 生成不穩定性的常見做法。
實際測了三個完全不同的隨機種子，結果三張全部是同一種盔甲武將的畫面，連構圖細節都高度相似。這證明了問題不是運氣，是提示詞裡「憤怒」「眼神銳利」這類情緒詞彙，疊加古裝的語境，讓模型系統性地聯想到「女將軍」的畫面——不管換幾次種子都一樣。
找到真正的根因之後，解法反而簡單：在提示詞裡明講「便服、不是盔甲、這是茶館場景不是戰場」，同一個種子重跑一次，服裝就完全修復，速度也沒有變慢。這次的心得是：先確認問題是隨機的還是系統性的，再決定要不要多抽幾張碰運氣——如果是系統性偏誤，抽再多次都不會抽到對的，得先找到觸發偏誤的具體詞彙。
老實說：還沒完全解決
16 集裡有 4 集已經套用了目前找到的修法，其餘 12 集還是最原始的版本，可能藏著同樣的服裝/場景不一致問題。這是為什麼你在影片裡偶爾會看到同一個角色長得不太一樣——這不是我沒發現，是還在修的過程中，先把第一次真實的產出公開，讓大家看到 AI 內容生成目前實際做得到什麼程度、卡在哪裡。下一步會繼續排查其餘角色的一致性問題，修好會再更新。
字幕也是這次的一個小發現：直接用語音辨識轉錄出來的文字，會出現不少同音字錯誤（武俠用語對語音辨識模型來說是生詞，「灑家」被聽成「九家」這種）。後來改成直接從劇本原文＋分鏡時間點反推字幕時間軸，字幕內容直接就是準確的，不需要校對。
完整系列
16 集全部上架在 YouTube 播放清單「AI生影片初體驗」，歡迎去看實際成果、也歡迎留言告訴我你看到哪裡「怪怪的」——這些回饋會直接變成下一輪要修的清單。
這是一人公司公開實驗的一部分。想收到後續完整 SOP 與透明月報，訂閱電子報。