KeyFrame內部研究專用

不拍片不露臉,AI幫你24小時自動賺錢?你看到的都不是真的,教妳用AI快速生成超真實的UGC 帶貨影片!

小船·5月31日週日·20 min中文

三句話摘要

AI 虛擬真人已能以假亂真,本片示範從零打造有靈魂 AI 人設並實現商業變現的完整流程。 AI 真人技術已可低成本量產,但能讓帳號活起來的,永遠是幕後那個人是否有靈魂、有觀點、有真正想傳遞的事。 AI 真人已進入市場紅利期:Koi 等 AI 虛擬網紅在不露臉情況下累積百萬訂閱,市場接受度遠超預期,現階段入場仍屬早期紅利。

重點整理

重點
  • 1

    AI 真人已進入市場紅利期:Koi 等 AI 虛擬網紅在不露臉情況下累積百萬訂閱,市場接受度遠超預期,現階段入場仍屬早期紅利。

  • 2

    矩陣帳號+自然流量預篩是高效投放策略:先用低成本 AI 內容跑有機流量,以「賽馬制」找出高互動內容,再付費放大,避免盲目燒廣告預算的風險,同時把 UGC 素材掌控權完全收回自己手中。

  • 3

    人設「張力」決定帳號能否被記住:外表逼真只是門檻,真正讓觀眾回訪的是人設本身的矛盾感、反差感或強烈情緒共鳴——幕後操盤者若自身無靈魂,做出的 IP 也會是空殼。

  • 4

    AI 正在侵蝕網路信任,但用心程度觀眾感知得到:AI 工具讓仿真內容量產,但 Koi 案例顯示,即使觀眾知道是 AI,仍願意打賞,關鍵在於她在選題、考據、場景還原上投入了真實心力。

實用技巧與重點

乾貨
  • 數字與成本
  • Koi(AI 穿越歷史網紅):YouTube 3 支影片、每支百萬流量、25 萬訂閱;IG 61 萬追蹤
  • 傳統廣告:獲取一個 email 名單成本已達 9~10 美元(僅名單,非直接轉化客戶)
  • AI UGC vs 傳統素人:傳統素人 UGC 一人費用「小幾百美金」;AI 生成可大幅壓低
  • 電商朋友運營帳號數:50+ 個,每個獨立 AI 人設
  • TopView 費用:約 $29 美元/月(年訂更優惠)
  • Fiverr / Beetle 平台:UGC 廣告素材單條報價數十至數百美元
  • 工具名稱
  • CarloData:TikTok 爆款選品資料庫,可篩選國家、領域,顯示銷量、KOL 帶貨數據、轉化率最高影片
  • Gemini(Gemini.ai):貼入影片連結,分析爆款原因並協助撰寫帶貨腳本
  • Lowak:免費 AI 圖像生成,可用提示詞設計帶貨模特形象
  • TopView:上傳照片+腳本生成 UGC 影片,約 $29/月
  • 流程步驟
  • CarloData 選定熱銷產品 → 下載轉化率最高的 KOL 影片
  • Gemini 分析爆款邏輯 → 生成全新帶貨腳本
  • Lowak 生成 AI 模特形象圖
  • TopView 上傳照片+腳本(建議翻譯成英文)→ 生成 UGC 影片(約 1~2 分鐘)
  • 人設張力三種類型
  • 矛盾型:時髦年輕男生講育兒心得
  • 反差型:樸素和尚分享創業財富自由之路
  • 情緒型:事業女強人剖析婚姻傷痛決定 40 歲創業

結論

結論

AI 真人技術已可低成本量產,但能讓帳號活起來的,永遠是幕後那個人是否有靈魂、有觀點、有真正想傳遞的事。

完整解析

詳細

影片開頭拋出一個測試:兩段短影片,一真一假,幾乎無人能辨別哪個是 AI。答案是左邊的 AI,但即使是有多年媒體經驗的創作者也承認自己沒有把握。這不只是 TikTok 上的個案——YouTube、IG 上同樣存在大量仿真 AI 虛擬人,其中最具代表性的是「Koi」,一個以穿越時空探訪歷史古蹟為主題的 AI 網紅,三支影片累積超過百萬流量、25 萬 YouTube 訂閱、61 萬 IG 追蹤,全程沒有真人露臉。

這個認知的轉折點,來自講者與一位電商朋友的一頓飯。朋友拿出幾支廣告影片,問她 ROAS(廣告投資回報率)是多少,她以為是找了強勢 TikTok 網紅,結果對方告訴她:全是 AI,沒有真人。朋友的操盤邏輯極具效率:同時運營 50 多個帳號,每個都有獨立 AI 人設,先讓內容自然流通,觀察哪條影片互動最高,再把那條拿來當廣告素材付費放大。這套「賽馬制」解決了傳統廣告最大的痛點——你永遠不知道哪條素材會爆,以前只能每條都燒錢測試。AI 大幅壓低了素材成本,傳統素人 UGC 一個人要花小幾百美金,還要磨合調性、審片、催稿,現在全部掌控權都在自己手上。

基於這個背景,講者整理出兩條普通人可以落地的路徑。第一是做 UGC 素材接案:品牌不再只找大網紅,他們需要「像素人在用」的真實感內容,而 AI 已可完美模擬這種質感,做好素材直接賣給品牌,不需要粉絲、不需要設備、不需要露臉,Fiverr、Beetle 等平台上單條報價從數十到數百美元。第二是打造自己的 AI 人設帳號,但講者強調,這條路的門檻不在技術,而在人設是否有「張力」——一種讓觀眾產生疑問、想繼續看的內在矛盾或反差。矛盾感、反差感、情緒共鳴,三種張力類型能讓帳號在海量仿真 AI 內容中脫穎而出。技術工具流程則相對標準化:CarloData 選品、Gemini 分析爆款並生成腳本、Lowak 免費生成 AI 模特圖、TopView 生成最終 UGC 影片,整個流程從選品到成片不超過幾小時。

影片最後,講者拉高到更宏觀的視角做出警示:AI 正在緩慢消蝕人們對網路內容的信任。她發現自己刷到內容的第一反應已不再是「這很有趣」,而是「這是真的嗎?是 AI 做的嗎?」然而 Koi 的案例又說明了一件矛盾的事:即使觀眾知道那是 AI,依然願意留言打賞,因為他們感受到背後有人在認真收集史料、設計腳本、一比一還原歷史場景。這才是真正的結論——AI 只是工具,觀眾最終看到的依然是幕後那個人的心思與溫度。所以做 AI 內容之前,更重要的問題是:你想傳遞什麼精神內核?你的觀點是不是真實的?你真正在乎的是什麼?這些問題若沒有答案,內容做得再精緻也只是空殼。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。