這套流程解決了影片創作者在製作字幕時的三個核心問題： 專業術語準確率：確保 GenAI、LLM、Python 等詞彙不被聽錯。 閱讀體驗優化：自動加中英空格、去除口語贅詞（然後、那個）、符合人眼閱讀的斷句。 極速同步：利用「文稿匹配」功能，免去手動對時間軸的繁瑣過程。 🛠️ 準備工具 剪映 / CapCut 電腦版 Google AI Studio (網頁版，建議使用 Gemini 3 Pro 模型，免費且 Token 上限極高) 步驟一：音頻導出在剪映/CapCut 完成剪輯後，先不要上字幕，執行以下操作： 點選 導出。 僅勾選 「音頻導出」 (格式選 MP3 或 AAC 即可)。 💡 優化點： 處理長影片（超過 30 分鐘）時，建議每 15-20 分鐘切一段導出，避免剪映免費版「文稿匹配」的字數限制。 步驟二：AI 聽寫與校正這是最關鍵的一步。我們不只是要「轉錄」，更是要讓 AI 幫我們「潤飾」。 前往 Google AI Studio。 模型選擇 Gemini 3 Pro。 將導出的 MP3 檔案拖入對話框。 輸入下方的 【提示詞】： AI 影片字幕提示詞 為什麼這樣設計？ Step 1 術語確認：把 “Notion” 聽成 “Nation” 是不專業的。先讓 AI 問你，只需 30 秒確認，就能保證後面 100% 正確。 斷句控制（優化點）：手機直式影片（Reels/Shorts）字幕不宜過長，提示詞中已加入控制，確保閱讀體驗。 💡 使用小撇步 遇到極短音頻（< 3分鐘）：Gemini 通常會很有自信，它會直接跳過 Step 1 給您全文，達到「秒出」的效果。 遇到新專案/新主題：如果你這支影片是講一個全新的工具（例如突然要講 “Cursor” 編輯器），您在貼上 Prompt 之後，可以順手在 # Context & Vocabulary 那邊補上 “Cursor” 這個字，這樣一次就會準。 關於「文稿匹配」：複製 AI 輸出的文字後，在剪映中選擇「文稿匹配」時，記得檢查一下第一句是否對齊。只要第一句對了，後面通常 99% 都是準的。 您可以現在就拿一段最近錄製的音檔（或上面那支 YouTube 影片的音頻）去 Google AI Studio 試跑一次，看看效果是否符合您的期待！ 步驟三：極速匹配拿到 AI 生成的完美文本後： 複製 AI 輸出的全部文字。 回到 剪映 / CapCut。 點擊 「文本」 -> 「智能文本」 -> 「文稿匹配」。 貼上文字，點擊「開始匹配」。 實測結果： 99% 準確的字幕會自動對齊音軌。 🌟 進階場景分流根據您不同的產出需求，這裡提供兩個分支技巧： 場景 A：製作「雙語字幕」短影音如果您想做像國外科技博主那種中英雙語字幕： AI 生成 SRT：在 Google AI Studio 完成中文稿後，多加一道指令： 「請將上述內容翻譯成英文，並將兩者合併為 SRT 格式（第一行為中文，第二行為英文）。」 導入剪映：將 AI 生成的代碼存為 .srt 檔，直接拖入剪映。 場景 B：超長課程影片 (>30min)剪映的「文稿匹配」有時對長文本不穩定。 分段處理：如筆記所述，將音頻切成 10-15 分鐘一段。 SRT 暴力解法：如果不想分段，直接請 Gemini 輸出「帶時間軸的 SRT 格式」。 Prompt 補充指令：「請直接輸出 SRT 字幕格式，不需要與我確認術語。」 雖然 Gemini 的時間軸不如專門軟體（如 Whisper）精準到毫秒，但對於說話清晰的教學影片通常夠用，導入後只需微調。 參考文章： AI 字幕工作流完整教學／提示詞 秒殺剪映的AI字幕工作流！准確率高達99%，完全免費！

做自媒體最痛苦的，不是沒靈感，而是你以為寫文章、拍影片、做圖表是三件事。如果你分別去執行，累死是遲早的事。 你需要的是一套「一次產出，無限分發」的邏輯。核心觀念很簡單：抓準一個痛點，錄完一支影片，剩下的全交給 AI。 靈感來源：從學員痛點獲取素材不要坐在電腦前空想，直接從學員的問題、社群的痛點下手，這些就是最真實的需求。 針對這個問題，直接錄製一段教學影片。不用追求完美，重點是把問題講清楚。這支影片，就是接下來所有內容的「母體」。 自動化產線：影片轉文字的高效應用影片錄好了，難道要自己聽打嗎？當然不。透過以下步驟，建立你的自動化產線： 把影片直接丟進 Google AI Studio。 請它幫你整理出詳細筆記。 接著，將這份筆記丟給 Gemini 的「社群文章格式轉換工具」。 社群文章格式轉換工具 轉眼間，一篇結構完整的粉專長文就誕生了。 視覺設計：AI 輔助生成封面與圖表文字搞定，接下來是視覺呈現。同樣利用 Gemini 的 Nano Banana 工具，可以達成以下效果： 資訊圖表：讓它根據內容產出對應的圖表，搭配生成的長文，就是一則高品質的 FB 貼文。12製作資訊圖表，使用台灣繁體中文，日式可愛風格:{{文章內容}} 多尺寸封面：順手生成 16:9 的 YouTube 封面圖，以及 3:2 的部落格封面圖。12345678910你是一位專業的 YouTube 封面設計師，專門幫百萬訂閱頻道製作封面 請參考影片主題，幫我設計一張畫面生動、誇張，使用顯眼綜藝字的封面 影片主題：{{舉例：同學問：開會錄音轉成文案，哪個AI比較好用？}}素材使用：上傳圖片與人物照片 人物照片：請把人物穿搭改成與google AI 工具主題搭配，人物表情則與主題情緒搭配 尺寸：16：9 注意：人物主體與主題要清晰，文字放底部“”“{{影片筆記或粉專長文}}”“” 1圖片尺寸比例調整成3:2 松音的Magic Eraser：自動消除圖片中的星星水印電腦王阿達 Nano Banana Watermark Remover 平台發布：YouTube 影音最終組裝回到 YouTube 這條線，使用影片字幕工作流，自動產出 SRT 字幕檔。這是標準化動作，不需要耗費腦力。 最後進行組裝： 解決痛點的原始影片 SRT 字幕 剛剛做好的封面圖 上傳，發布。你的 YouTube 更新完成了。 AI 影片字幕工作流：結合 Gemini 與剪映的極速上字幕教學 內容變現：部落格文章的最後一哩路別浪費那篇寫好的粉專長文。把它丟進 Gemini 的「Hexo Markdown 專家轉換器」，讓 AI 幫你潤飾成適合網站閱讀的格式。 搭配那張 3:2 的封面圖，直接發布到部落格。 結論：一次錄影的工，你已經完成了三個平台的內容佈局。 Hexo Markdown 專家轉換器

錄音檔一長，處理起來就是災難。想要丟進 AI 偷個懶，結果系統第一步就卡關，告訴你檔案太大，請你另請高明。 這時候你需要的不是放棄，而是搞清楚你手上的工具，到底哪一把才切得動這塊肉。 各大 Google AI 工具的真實門檻面對 MP3 這類音訊檔案，你得先看清楚檔案大小，再決定用哪把刀。別拿水果刀去砍大樹。 1. Google Gemini 網頁版這是大家最常用的工具，但限制最嚴格。 單一檔案上限： 100 MB。 實測結果： 182MB 直接報錯，84MB 才能過關。 解法： 如果堅持要用這個介面，唯一的解法就是手動轉檔。把 Bitrate 降到 16kbps，用音質換體積。 2. NotebookLM進階一點的選項，寬容度稍微大一點。 單一檔案上限： 200 MB。 適用場景： 中型檔案。丟進去，直接問答，或者生成摘要。 優勢： 介面友善，還會自動幫你整理筆記，算是不錯的中繼站。 3. Google AI Studio (終極解法)如果你面對的是真正的巨獸，例如好幾個小時的馬拉松會議，前面這兩個工具可能都會吃鱉。這時候，請直上 Google AI Studio。 單一檔案上限： 2 GB。 建議模型： Gemini 3 Pro Preview 或同級模型（支援超長 Context Window）。 實測能力： 影片示範裡，3 小時、182MB 的音檔，它吃得輕輕鬆鬆。 處理超大音檔的標準作業流程當你的錄音檔超過 200MB，或是會議長達數小時，請放棄網頁版對話框。這才是最穩定的路徑。 第一步：前往 Google AI Studio直接前往 Google AI Studio。別走錯棚，這裡才是開發者的後花園，也是一般用戶的強力外掛。 第二步：切換模型在右側或上方選單，確認版本。選 Gemini 2.5 Pro 或最新的 3 Pro Preview，Token 夠大才跑得動。 第三步：上傳檔案點擊那個顯眼的加號，選擇 Upload File。MP3 等主流格式通通支援。 注意： 系統會把檔案暫存到你的 Google Drive。如果上傳失敗，先別罵 AI，去檢查一下你的雲端硬碟是不是爆了。 第四步：下達指令等檔案讀取條跑完，直接在對話框輸入需求。 1幫我生成逐字稿 或者： 1總結會議重點與待辦事項 第五步：執行按下 Run。讓 AI 去跑，你喝口水。分析結果隨後就到。 魔鬼藏在細節裡使用 AI Studio 雖然爽快，但它吃的其實是你的 Google Drive 空間。免費用戶那 15GB 如果滿了，這招一樣行不通。 關於 Token 的消耗量，不用太擔心。 3 小時的音檔大約消耗 36 萬 Tokens。 目前的模型都支援到 100 萬甚至 200 萬。 這意味著，處理半天甚至全天的會議紀錄，這容量是綽綽有餘的。 最後，如果你真的不想切換到開發者介面，還有一個最原始的物理外掛：壓縮音質。對於語音辨識來說，高音質其實是浪費。 轉檔建議把 MP3 降到 32kbps 甚至 16kbps AI 照樣聽得懂，但檔案大小會顯著縮水。有時候，暴力解法也是一種解法。 參考連結： Google Gemini 說明 Google AI Studio 格式與限制說明