學 AI 影片，你最不該做的，可能是先去學怎麼當導演
- 從 AI Video Literacy、注意力設計到 AI 製片人的新工作方法。 -
最近 AI 影片越來越強。
Seedance、Google Flow、Veo 這些工具出現之後，我發現一個很有趣的現象：很多人在學 AI 影片時，第一個反應竟然是——
- 我要不要先學攝影？
- 我要不要學分鏡？
- 我要不要學景別與運鏡？
- 我要不要先去上導演課？
但我最近反而越來越覺得：如果你的目標是做 AI 短影音，最不需要做的事情，可能就是先把自己訓練成一個導演。
這不是因為導演不重要。恰恰相反，是因為導演本身是一門太專業、太完整的工作。
本文提到的 Seedance、Google Flow、Veo 與其他 AI 工具，是用來說明這個工作觀念的例子，不是永久性的工具排名。實際功能與品質仍會隨模型版本、方案與使用情境變動；真正值得留下來的，是你如何定義目標、判斷結果，以及指揮 AI 把作品完成。
先別急著把自己訓練成導演
傳統影視教育有一套完整的知識體系：構圖、景別、鏡頭語言、燈光、場面調度、攝影機運動、剪輯、聲音與敘事。
這些知識當然都有價值。問題是：你真的需要全部學會，才有資格做 AI 影片嗎？
想想看，有了 Vibe Coding，你不需要先花一年把 Python、JavaScript、資料庫、前後端全部學完，才有資格請 AI 幫你做網站。
有了 Suno，你也不需要先學會和弦、編曲與完整樂理，才有資格做一首歌。
有了生成式 AI，你同樣不用先念完設計系，學完色彩學、排版與構圖，才能做一張社群圖片。
同樣的事情，正在發生在影片領域。
所以 AI 影片真正值得研究的問題，不是：
我要怎麼成為導演？
而是：
我要怎麼讓 AI 成為我的導演？
這個差別會改變你的學習順序。你不必先把所有專業技能都收集完，才開始創作；你應該先知道自己要達成什麼結果，再學會如何讓 AI 提出方案，最後判斷哪個方案值得留下。
導演知識仍然重要，但不必一次學完整套
「不必先成為導演」很容易被誤解成「什麼都不用懂」。我認為也不是。
這就跟 Vibe Coding 一樣。真正厲害的人，不一定需要自己寫完每一行程式碼，但他通常看得出來 AI 哪裡寫得不好、哪裡不符合需求、哪裡可能造成風險。
AI 影片也是如此。你不一定要親自拍攝或操作攝影機，但最好能判斷：
- 為什麼這顆鏡頭沒有壓迫感？
- 為什麼人物看起來很假？
- 為什麼這個轉場的 AI 味很重？
- 為什麼角色明明沒有改變，下一個鏡頭卻像換了一個人？
- 為什麼故事此處應該緊張，觀眾看了卻完全沒有感覺？
你需要的不是完整的導演專業，而是足以看懂與驗收影片的基本素養。
AI Video Literacy 是什麼？
我會把這種能力稱為 AI Video Literacy，也就是 AI 影片素養。
它不要求你親自完成所有拍攝工作，而是要求你能在 AI 參與製作時完成四件事：
| 能力 | 你需要做的事 |
|---|---|
| 看懂 | 看出畫面、節奏、角色與情緒是否符合預期。 |
| 判斷 | 分辨產出是有效解法，還是只是看起來很華麗。 |
| 指揮 | 把觀眾、情緒、故事與商業目標交代給 AI。 |
| 修正 | 找出失敗原因，提出下一輪更具體的調整。 |
這四件事比背熟多少個運鏡名詞，更接近 AI 時代的影片工作。
Prompt 應該從控制攝影機，轉向描述觀眾意圖
以前我們寫 AI 影片提示詞，很容易寫成一張施工圖：
35mm 鏡頭，低機位，攝影機向右環繞，人物往左走兩步，鏡頭慢慢推近，接著快速切換特寫。
這種寫法並沒有錯。當你需要精準控制畫面、維持角色連貫，或模型還無法理解抽象指令時，具體的視覺描述仍然有用。
但如果模型本身已經越來越懂攝影、構圖與運鏡，另一種 Prompt 會變得更重要：不要只告訴 AI 攝影機怎麼動，也要告訴 AI 你希望觀眾感受到什麼。
例如：
前三秒必須讓觀眾感覺事情不太對勁。
人物表面非常有自信，但觀眾要比角色更早發現危險。
這一段需要逐漸增加壓迫感，最後兩秒突然反轉。
接下來才讓 AI 思考：要用低機位、推鏡、手持、快速切鏡、特寫，還是完全不同的方法？
這是一個重要轉變：從控制畫面，變成描述意圖。
好的 AI 影片工作流，不是永遠只用抽象描述，也不是把每一個畫面細節都寫死，而是先說清楚結果，再依照模型與任務需要補上視覺限制。順序可以是：
- 先定義觀眾與商業目標。
- 再描述希望觀眾產生的情緒與行動。
- 請 AI 提出腳本、分鏡與視覺方案。
- 人再挑選、修改並補充必要的攝影細節。
短影音的基本單位，可能已經不是鏡頭，而是注意力
如果你今天做的是電影，當然可以研究電影導演；但如果你做的是 TikTok、Reels 或 Shorts，我反而會建議你多研究短影音創作者。
因為兩者面對的是完全不同的戰場。
電影導演思考的是：
這個故事怎麼說最好？
短影音創作者第一個問題卻是：
怎樣讓他不要滑走？
電影可以用五分鐘鋪陳一個角色，短影音可能連五秒都沒有。你的觀眾正躺在床上，一隻手拿著手機；上一支是美女，下一支是貓，再下一支是搞笑影片，而你的作品夾在中間。
他沒有義務理解你的藝術理念，甚至沒有義務給你十秒。
因此，短影音真正的基本單位，可能已經不是「鏡頭」，而是注意力。
我甚至會把「分鏡設計」重新稱為「注意力設計」。一支 30 秒短影音可以先用這樣的方式規劃：
| 時間 | 注意力任務 |
|---|---|
| 0–2 秒 | 停滑：讓觀眾立刻感覺有事情值得看。 |
| 2–5 秒 | 建立問題：讓觀眾知道自己為什麼要繼續看。 |
| 5–10 秒 | 第一次刺激：提供新的資訊、畫面或情緒變化。 |
| 10–18 秒 | 衝突升級：讓問題變得更難、更急或更意外。 |
| 18–25 秒 | 答案／反轉：回收前面的期待，或重新定義問題。 |
| 25–30 秒 | 高潮／CTA：把情緒推到最高點，再引導下一個行動。 |
這不是保證每支影片都有效的公式，而是一個讓你在安排鏡頭之前，先安排觀眾注意力的思考框架。
當你這樣看影片，景別、構圖與運鏡就會回到正確的位置：它們是工具，不是目的。真正的目的，是讓觀眾接下來三秒仍然想看。
如果你還在建立短影音的受眾與內容定位，也可以延伸閱讀本站的〈建立你的短影音定位策略：用對內容才會被看見〉，先把「誰會看」與「為什麼值得看」想清楚。
用五層能力，重新設計 AI 影片學習路徑
如果要重新設計一套 AI 影片學習方法，我會把它拆成五層。這五層不是線性課綱，而是每一次製作都可以回頭檢查的順序。
1. Audience：誰會看？
先不要急著問「要用哪個工具」，先問：
- 這支影片是給誰看的？
- 他現在處於什麼情境？
- 他為什麼會在這一秒停下來？
- 他看完之後，應該產生什麼理解或行動？
受眾不是影片完成後才拿來解釋成效的名詞，而是生成腳本與畫面之前的輸入條件。沒有受眾，AI 很容易做出所有人都看得懂、卻沒有人特別想看的內容。
2. Emotion：你要讓他感受到什麼？
接著要決定主要情緒：好奇、害怕、爽、笑、驚訝、感動，或是其他更精準的感受。
情緒不是在 Prompt 裡塞幾個形容詞就完成了。你要知道情緒如何逐步發生：開頭先讓觀眾不安，中段讓他以為自己猜到了答案，最後再透過反轉改變理解。這些情緒變化，才是 AI 需要協助你設計的內容。
3. Story：怎麼讓人想知道結局？
一支短影音不一定要有複雜劇情，但通常需要清楚的注意力路徑：
Hook → 衝突 → 升級 → 反轉 → Payoff
這裡的 Hook 不只是第一句台詞或第一個畫面，而是觀眾願意繼續看下去的理由。衝突讓問題成立，升級讓觀眾不能太早離開，反轉重新安排理解，Payoff 則回收前面的期待。
如果故事本身沒有讓人想知道結局，再漂亮的 AI 畫面也可能只是短暫的視覺展示。
4. Visual：現在才讓 AI 規劃畫面
到了這一層，才開始處理場景、角色、構圖、景別、運鏡、光影與視覺效果。
這時候導演知識就會變得很有用，但它的角色是「幫你判斷與溝通」，而不是一道必須先修完的入場考試。
你可以請 AI 根據前面三層提出多個版本，再檢查：
- 這個畫面是否真的服務情緒？
- 運鏡是否讓觀眾更接近衝突？
- 角色在不同鏡頭裡是否仍然一致？
- 視覺效果是否搶走了故事重點？
如果你想把這一層落成更具體的分鏡工作流，可以參考本站的〈用 AI 快速生成短影音？九宮格分鏡技巧解決人物變形〉。那是一種實作方法，不代表所有 AI 影片都必須使用九宮格。
5. Iteration：生成只是開始
最後一層是 Iteration，也就是反覆迭代：生成、挑選、修改、A/B Test，再生成。
很多人把 AI 影片想成「Prompt 寫好，按下生成，作品完成」。但真正的製作能力，往往體現在你能不能看出第一版為什麼不對，並把問題轉成下一輪可執行的調整。
例如：
- 觀眾沒有停下來，可能是 Hook 不清楚，而不一定是畫質不夠高。
- 角色看起來不一致，可能需要先固定角色描述與參考素材，而不只是再加更多形容詞。
- 反轉沒有感覺，可能是前段沒有埋下足夠的期待，而不只是剪接速度太慢。
工具會換，模型會換，按鈕的位置也會換；但觀眾為什麼停下來、為什麼看完、為什麼分享與購買，沒有那麼快改變。
AI 短影音能力，是流量、故事、審美與 AI 的交集
如果要重新定義 AI 短影音能力，我會把它寫成：
AI 短影音能力 ＝ 網紅的流量感 × 編劇的故事感 × 最低限度的導演審美 × AI 的執行力
你不需要變成 Joeman，也不需要變成電影導演，更不用先花三年把所有影視專業學完。
但你要開始知道：
- 什麼東西大家會看？
- 什麼故事大家會想知道結局？
- 什麼畫面看起來是好的？
- 什麼樣的節奏能讓人看完？
- 怎麼把這些意圖交給 AI？
這幾件事組合起來，才是能真正落地的 AI 影片能力。
下一步不只是 Vibe Filming，而是 AI 製片人
現在的 AI 製片流程，大概還是：
人 → Prompt → AI → 影片
但再往下一個階段走，我認為可能會變成：
人 → 商業目標 → AI Agent → 完整影片
例如，未來你可能只需要說：
我要賣這盒中秋禮盒，TA 是 30–45 歲女性。請研究近期熱門的送禮短影音，整理爆款影片常見的 Hook，設計三個不同版本。每支 20 秒，前兩秒要能停滑，中間至少出現一次情緒反轉，最後導到 LINE。演員、場景、腳本、分鏡、B-roll、運鏡、音樂、字幕與剪輯節奏，請全部提出規劃。
接下來，Agent 可能協助完成研究爆款、分析模式、寫腳本、做分鏡、生成素材、配音、配樂與剪輯，最後把多個版本交給你比較。這裡描述的是一個未來工作流想像，不是對目前所有工具能力的保證。
到了那一天，人真正重要的工作，可能只剩下一件事：判斷。
- 這是不是我要的？
- 這是不是我的品牌？
- 這是不是我的觀眾會看的？
- 這是不是能達成我的商業目的？
所以 AI 時代，我們不一定每個人都需要成為導演，但每個人都要開始學會另一個角色：AI 製片人。
傳統導演想的是：
這顆鏡頭我要怎麼拍？
AI 製片人想的卻是：
我要什麼結果？
誰會看？
我要讓他產生什麼感覺？
為什麼他會看完？
AI，你給我三種最好的做法。
這可能才是 AI 影片真正的 Vibe Filming。
不是你把每一顆鏡頭都想清楚，再命令 AI 忠實執行；而是你知道自己要去哪裡，然後讓 AI 幫你找到更好的路。
結語：真正的差距在於判斷與指揮
未來真正拉開差距的，可能不是誰最會下運鏡指令，而是誰最會提出意圖、判斷結果，然後指揮 AI 把作品做到最好。
這也是為什麼 AI 影片素養比「背熟某個工具的按鈕位置」更值得學。當工具與模型不斷更換，你仍然可以從受眾、情緒、故事、視覺與迭代五個層次重新開始。
如果你也在建立更完整的人機協作能力，可以延伸閱讀本站的〈4D Framework：比 Prompt Engineering 更完整的 AI Fluency 框架〉，把「委派、描述、判斷、盡責」的思考方式帶回 AI 影片之外的工作。
常見問答 (FAQ)
Q1：學 AI 影片之前，一定要先學完整套導演或攝影專業嗎？
不一定。若目標是製作 AI 短影音，應先學會定義受眾、情緒、故事與商業目標，再補足能看懂和判斷畫面的基本導演審美；不需要先把完整影視專業學完才開始創作。
Q2：AI 影片 Prompt 應該寫攝影機指令，還是描述觀眾感受？
兩者都可以使用，但建議先描述觀眾、情緒與故事意圖，再依任務需要補充景別、運鏡、角色與畫面限制。這樣 AI 有機會提出多種視覺解法，而不是只照著一張固定施工圖執行。
Q3：為什麼短影音要先做注意力設計，而不是先做分鏡？
因為短影音觀眾可能在幾秒內滑走。先規劃停滑、問題、刺激、衝突、反轉與 CTA 等注意力任務，能讓景別、構圖與運鏡服務觀眾留存，而不是只追求畫面漂亮。
Q4：AI Video Literacy 具體包含哪些能力？
AI Video Literacy 包含看懂、判斷、指揮與修正四種能力。你要能看出影片哪裡不符合預期、說明問題原因、把意圖交給 AI，並根據結果提出下一輪可執行的修改方向。
Q5：什麼是 AI 製片人？
AI 製片人是以商業目標、受眾、情緒與成果為核心，指揮 AI 規劃腳本、分鏡、素材、聲音與剪輯，並負責比較與判斷最終結果的人。他不必親自完成每一個技術步驟，但必須對作品方向與採用結果負責。
