AI 影音生產線

講者：Ben Chen | Onelab | Principal Data Scientist

活動：11/12 Generative AI 年會小聚 2025

題目：AI 影音生產線

拍一支廣告，到底為什麼這麼貴。

這一場我聽了收穫滿滿，因為這演講是在回答一個老闆一定會問的現實問題，上一次 Ben 在台上分享的是怎麼用 AI 在股市賺錢，這一次他換了一個更接大眾的題目，拍廣告到底多燒錢。瑞嘉在做線上娛樂、平台、技術與維運等，廣告這件事本來就跑不掉，客戶一定一併要求。

但直到有一天，老闆真的坐下來看報價單，發現一支一分多鐘的廣告影片，開價就是一百五十萬到三百萬，那個瞬間老闆不是在想「這是不是被坑了」，而是「這件事一定有別的方法」，於是就將這個問題地丟給技術端，想看看可不可以用 AI 來替代。

這在個 AI 時代，想當然而答案是可以，Ben 最後只花了兩個人，加上一點工具成本，總花費不到三萬，就真的把一支廣告影片做出來了，這支影片不是 demo，也不是概念影片，而是真的可以拿去投放的內容。這個對比本身，就已經證明了一件事，AI 不是在省一點錢，而是在直接改寫生產邏輯

但其實事情沒有這麼輕鬆，真正最燒腦的地方，反而不是生成圖片或影片，而是最前面的那一段，如何構思劇情、拆分分鏡等，這是一個高度仰賴人腦的流程，要想故事結構內容，也要處理分鏡節奏，更要確保每一個畫面串起來是有意義的，Ben 很誠實地說這一段現在還是大量人工介入，而且非常耗能。不過也正因為一直在優化這段流程，他們開始意識到一件事，流程某些面向其實是可以被「重複」應用的。

不過老闆接著問了一個更狠的問題，可以再快一點嗎?

能不能不要每一支都這樣從頭燒一次腦，於是團隊的角色開始轉變，AI 不再只是工具，而是變成同事，人類變成 PM，在旁邊下指令、修方向，他們透過 ComfyUI，把不同模型接起來，再加上 vtuber 的形式，流量真的開始動了起來，但這階段還是半自動化量產。

第三階段，全自動化

有了以上根基，他們開始思索第三階段，希望用AI全自動化，Ben 提到簡單的影片其實非常適合全自動，用 n8n 串把腳本、圖片、影片生成、上架，全部接起來，可以做一個很完整的 pipline。但工程師一定都懂，真正卡關出問題的地方永遠不在簡報上，而是在各種奇奇怪怪的角落，舉例像是 Google 的 token 超級難拿，一定要走 GCP credential，影片生成本身是非同步的，要等三分鐘，還要過 RAI 檢查，這些都是實作時每天會撞牆的事情。

但整場我覺得最關鍵的一句話，是：

客戶要的是流量，不是影片有多好看

有時候我們這些技術人看了會覺得超厲害的作品，不一定會有好的轉換率。有時候反而是穩定、持續、量產的內容，才能在演算法裡慢慢累積效果。Ben 就提到，當整條線真的跑起來，會出現一個很奇特的狀態，你甚至忘了這個系統還在跑，直到有一天客戶跟你說，最近訂閱數真的在增加。

有些我們自己看了會覺得超厲害、超精緻的內容，不一定會轉換。反而是能穩定產出、持續投放的東西，慢慢在演算法裡累積效果。Ben 就提到當整條線真的跑起來，會出現一個很奇妙的狀態，你甚至會忘記這套系統還在跑，直到某天客戶跟你說，最近訂閱真的有在增加，那一刻你才會意識到，原來你不是在做影片而是在經營一條產銷系統。

整場聽完，我自己心裡整理成三個階段。