摘要

這篇帶你把一段現有口播，做成「線稿動畫＋字幕＋圓形講者畫中畫」的直式短片。從整理素材、核對字幕、安排分鏡，到預覽修正、輸出 MP4，再上傳 YouTube。文中用一支已完成的 45 秒影片說明，提供三段可交給 AI 的階段指令，讓第一次製作有明確的起點和檢查方式。

引言

手上有一段口播，但整段都看著人臉，想替內容加一點畫面，可以從這種做法開始：讓講者留在右下角，主畫面跟著他說的內容畫出圖解。說到繩索就畫下降動作，說到洞穴生活就畫帳篷，觀眾一邊聽、一邊看懂。

我這次拿一段訪談做了測試。下面先看成品，再拆開製作流程。第一次練習，先選一段意思完整的短片，走完一次，比一開始就做長片容易掌握。

先把閱讀地圖放在腦中。第一章準備口播，第二章拿到字幕與分鏡，第三章看預覽並修改，第四章留下 MP4。 你負責提供內容、看結果與指出問題，AI 接手畫面製作和輸出。每一段指令後都列出應拿到的成果，拿到並確認了，再往下一步走。

封面為概念插畫；以下截圖才是本次實際成片畫面。

一、先看成品，再準備自己的素材

你在 YouTube 或 IG Reels 看過的出鏡口播，主畫面通常是講者；加入圖解與補充畫面後，也能讓觀眾跟著講述理解內容。這次先以現有口播為起點，保留聲音與人臉，改變主畫面的呈現。

這支示範是 45 秒、720×1280、30 fps 的直式影片。主畫面是隨講述內容出現的線稿動畫，下方有英文字幕，右下角保留圓形講者畫中畫；聲音沿用原影片。

觀看這次的 YouTube 成品：口播不用一直看人臉！

圖一　實際成片約第 6 秒。上方是線稿主畫面，下方保留字幕、來源與講者畫中畫。

圖二　實際成片約第 18.8 秒，用圖解呈現洞穴空間。截圖保留原影片的來源說明。

截圖可以看畫面怎麼安排；完整的動作、切鏡與聲畫同步，則需要播放影片檢查。

素材來自 NASA 太空人 Jeanette Epps 的公開訪談片段，這是改編測試，不是我本人錄製的口播，也不代表 NASA 背書。原始素材可查 NASA 訪談來源。使用其他人的素材時，要先確認來源與使用條件；NASA 也有自己的影像與媒體使用指引。

這次使用 Claude Code 搭配 Claude Opus 5.5 製作動畫畫面與畫中畫，再由主協調者匯出 MP4。下面把這段製作流程整理成三個階段，提供可交給 Codex 的提示詞與各階段應拿到的成果。

開始前，把素材集中在一個資料夾，再用 Codex 開啟這個本機資料夾，後面的指令都在同一段對話接著做。若還沒有自己的素材，可以先用手機錄一段約 30–45 秒、意思完整的解說，讓講者清楚入鏡、聲音聽得清楚。第一輪只需要這一段，不必先準備整套頻道素材。

這次走的是本機製作：用網頁動畫畫出線稿，透過瀏覽器取出畫面，再合成影片。既有工具使用 Python、Playwright／Chromium、Pillow 與 FFmpeg；你不必先背這些名稱，先請 AI 檢查能否完成下面的流程。

二、核對字幕，把每句話變成分鏡

先把流程記成這條線：現有口播 → 核對字幕 → 分鏡 → 動畫與畫中畫 → 預覽修正 → MP4 → YouTube。

圖三　先準備素材與字幕，按內容製作畫面，預覽後有問題就回到製作步驟。確認 MP4 後再選擇是否上傳；環境小測試是為讀者重做加入的起手步驟。

先確認環境與素材，避免做到最後才發現只有網頁預覽，沒有可播放的影片。先貼入第一段指令，把中括號換成自己的素材位置與影片條件。

請檢查 [素材資料夾] 裡的口播影片、字幕與來源說明。
我想做成約 [45] 秒、720×1280、30 fps 的直式影片，
保留原聲，加入線稿動畫、字幕及右下角圓形講者畫中畫。

若只有影片、還沒有字幕，先提出可用的轉錄方式，
產出帶時間碼的 SRT，標出聽不清楚的部分供我核對。
不要猜寫聽不清楚的詞，也不要在核對前開始動畫製作。
若目前工具不能轉錄，說明我需要補什麼。

再確認影片與字幕可讀、時間碼相符，
以及目前環境能否預覽畫面並輸出帶聲音的 MP4。
優先沿用現有工具，列出缺少的項目與處理方式；
不要直接開通付費服務或加入不必要的外部工具。
先回報可行的製作路徑，並輸出一張測試畫面，
確認素材讀取與畫面產出可用；還不要生成整支影片。

**這一步應拿到：**素材清單、影片規格、字幕問題、一張測試畫面，以及可執行的預覽與輸出方法。若缺字幕，就先補轉錄；若缺輸出工具，就先解決輸出，再往下做。

接著逐句對照原聲，確認名稱、數字、專有名詞及斷句。這支示範當時依「保留提供的字幕」要求，連原字幕的轉錄錯誤也保留下來，而且片段結尾停在句子中間。做自己的版本時，應先修正字幕、選好完整結尾，再把這份核對後的字幕當成製作依據。

字幕確定後，請 AI 列出分鏡。分鏡不需要寫成電影劇本，只要回答三件事：**哪個時間、說什麼、畫什麼。**例如這次的畫面安排：

這次共做了 17 個分鏡，依字幕時間切換。自己的影片不必照抄這個數量；一句話需要停留多久、什麼時候換畫面，應跟著內容決定。

製作時先守住三個原則。先確認說什麼，再決定畫什麼；先看小段預覽，再輸出全片；先指出一個具體問題，再要求修改。 這樣字幕有錯就回到字幕，圖解不合意思就回到分鏡，位置遮擋就調整構圖，不必每次把整支片重做。

三、製作畫面，先預覽再修正

有了分鏡，就可以把製作要求講清楚。重點是讓圖解幫觀眾理解口播，同時替字幕與講者留好位置。

核對字幕後，貼入第二段指令，讓 AI 把內容做成分鏡與預覽。

請依核對後的字幕列出分鏡表：
每鏡包含起訖時間、口播重點、畫面內容與動作。
畫面只表達素材已說到的內容，不補寫未提供的事實。

依這份分鏡製作白紙線稿風格的直式短片，
以少量青綠與橘色標示重點。
主畫面放圖解，下方放可讀字幕，
右下角保留原影片講者的圓形畫中畫。
原聲與講者動作保持同步，字幕及人臉不要互相遮住。

先交付代表性畫面截圖和一小段帶聲音的預覽，
確認呈現與輸出方式可用後，再完成全片預覽。
保留可修改的製作檔與分鏡表。

**這一步應拿到：**分鏡表、可修改的製作檔、代表性截圖，以及能檢查聲畫同步的預覽。拿到截圖時先看構圖，拿到影片時再看節奏；兩者要分開檢查。

我會先看三個位置：開頭是否立刻有內容、最長的字幕是否清楚、講者的人臉是否留在圓框內。再完整播放，確認每個畫面出現時，口播正在談同一件事。

這次預覽後修過洞穴線條、地圖標籤的位置，也讓開頭直接進入繪製中的畫面。這些都是能指出時間和位置的修改。交給 AI 時，可以這樣寫：「12 秒的繩索動作太快，讓人物下降慢一點」，或「這行字幕太擠，換行並留出左右空間」。一次先改幾個明確問題，再重看受影響的段落。

如果畫中畫無法穩定播放，請 AI 先找原因並提供替代方式。這次為了讓匯出時的講者畫面同步，製作流程改用預先取出的連續影格。對讀者而言，驗收重點仍是：嘴型與原聲同步、人臉不被裁掉、字幕能讀清楚。

四、驗收 MP4，再把影片放上 YouTube

預覽順了，還要完成最後一步：輸出真的能播放的影片。動畫網頁能動，不等於交付的 MP4 一定有聲音、沒有黑畫面。

確認預覽後，貼入第三段指令，輸出並檢查成片。

請把確認後的版本輸出為 MP4，
尺寸 720×1280、30 fps，片長與選定口播一致，
保留原聲、核對後的字幕與講者畫中畫。

檢查成品能正常播放、有聲音、沒有黑畫面，
字幕與人臉不互相遮擋，口播、字幕及畫面時間一致。
抽查開頭、各分鏡交界及結尾，列出仍有的問題。

交付 MP4、封面截圖、製作檔與簡短驗收結果，
並整理 YouTube 標題和描述草稿，包含必要素材出處。
這一步先交付檔案與文案，不代為發布。

**這一步應拿到：**可以播放的 MP4、封面截圖、製作檔和驗收結果。收到後，自己從頭到尾播放一次，再用手機看字幕與畫中畫的大小。

這次成品的技術驗證確認了可解碼、45 秒片長、720×1280 尺寸、有聲音及抽樣畫面有動作。這些結果能確認檔案基本可用，字幕正確性與敘事完整度仍需要人看。

準備上傳時，在 YouTube Studio 選擇上傳影片，放入 MP4，填入標題、描述及觀眾設定，再檢查影片處理結果。第一次可以先設為私人，播放確認後再決定是否公開；私人、不公開與公開的差異可查 YouTube 官方說明。

標題先說清楚這支片在講什麼，描述補上素材來源與改編說明。如果用自己的口播，就寫自己的內容；如果用這次 NASA 訪談練習，則要保留素材出處與「改編測試、無背書」的說明。這次案例已公開，讀者可以回到第一章的連結，對照自己的成果。

結論

先準備一段口播，核對字幕，再把每句話安排成看得懂的畫面。AI 可以幫你列分鏡、做動畫和輸出影片，你則用預覽確認內容、位置與節奏。

第一次完成的標誌，是拿到一支能播放、聲畫對得上、字幕清楚的 MP4。先走完這一支，再換自己的題材，會更知道下一次要怎麼下指令。

三張帶走圖卡