KeyFrame內部研究專用

How I Make VIRAL Horror Shorts Using FREE AI Tools In 2026 (FULL COURSE)

Money Degree·6月29日週一·25 min英文

三句話摘要

用 AI 工具快速生成恐怖短視頻的完整系統:從腳本、視覺到上傳的全自動化流程。 恐怖短視頻的爆紅不在於創意稀缺,而在於系統執行:標準化的 AI 工具管道讓任何人在數小時內製作出專業級成品,關鍵是選擇適合自己的工作流(快速自動化 vs 精細手工微調)並持續迭代內容。 頻道品牌化是基礎:透過 Claude 生成五個原創頻道名稱,選定後自動產出完整頻道描述、SEO 標籤、Logo 與 Banner 提示詞,用 Flow 生成視覺素材,再導入 YouTube Studio 設置。這確保新頻道從第一天就顯得專業正式,降低被視為垃圾帳號的風險。

重點整理

重點
  • 1

    頻道品牌化是基礎:透過 Claude 生成五個原創頻道名稱,選定後自動產出完整頻道描述、SEO 標籤、Logo 與 Banner 提示詞,用 Flow 生成視覺素材,再導入 YouTube Studio 設置。這確保新頻道從第一天就顯得專業正式,降低被視為垃圾帳號的風險。

  • 2

    腳本與視覺一致性:Claude 不只生成一分鐘長度的故事腳本,還輸出「一致性表單」記錄角色、怪物、美術風格等細節,配合逐場景的 AI 繪圖提示詞。這保證所有畫面色調統一、角色始終如一,建立視覺認同感。

  • 3

    雙軌工作流減少成本:Corpy AI 路線將腳本貼入工具一鍵生成動畫並配音(Sora 2 動畫模型、Liam 語音免費);完全免費路線改用 11 Labs 配音、Flow 逐場景生成畫面、CapCut 手動編輯。兩者都可得到高質量成品,差異在於自動化程度與操作時間。

  • 4

    編輯技巧創造動感:在 CapCut 中用關鍵幀製作漸進式變焦(115% 縮放)與滑動平移動畫,配合 Shake 效果(速度 1、強度 2)和 Vignette 加深氛圍,再疊加 4K Glow 效果與字幕動畫。這些小細節讓素樸的 AI 畫面轉化為視覺衝擊力強的成品。

實用技巧與重點

乾貨
  • 主要工具與平台:
  • Claude(文本生成:頻道資料、腳本、標題、SEO 標籤)
  • Flow(圖像生成:Logo、Banner、場景畫面,寬高比設置:1:1 Logo、16:9 Banner、9:16 視頻場景)
  • Corpy AI(一站式視頻生成:含 Nano Banana 免費圖像模型、Sora 2 免費動畫模型)
  • 11 Labs(配音:Callum 語音、11 Multilingual 模型)
  • Pixabay(背景音樂免費下載,關鍵詞搜尋如「creepy」)
  • CapCut(視頻編輯)
  • YouTube Studio(發佈與最佳化)
  • Corpy AI 設定參數:
  • 文本故事功能 → 選擇「creepy cartoon」風格 → Nano Banana 免費模型生成圖像 → Sora 2 動畫模型 → 啟用「Mute Audio」 → Liam 語音 → 速度與音高均設 1 → 背景音樂音量 15%
  • CapCut 編輯核心設定:
  • 縮放動畫:起點加第一個關鍵幀 → 終點縮放 115% 加第二個關鍵幀 → 使用緩動平滑化
  • 位置動畫(滑動):起點設定位置關鍵幀並拖動至單側 → 終點拖動至對側 → 緩動平滑化
  • Shake 效果:速度 1、強度 2
  • Vignette:設置 +10
  • 4K 效果:Glow 10%、Blur 與 Sharpen 設為 0
  • 字幕:大寫開啟、陰影不透明度 100% → 置中 → 套用進出動畫
  • 背景音樂:音量 -18(不蓋住配音) → 修剪長度 → 尾段 2 秒淡出
  • 最終動畫:全選元素 → 複合片段 → 套用淡出動畫
  • 上傳最佳化:
  • 用 Claude 生成視頻標題與高表現標籤 → 複製到 YouTube Studio → 檢查版權與政策問題 → 設為公開 → 發佈

結論

結論

恐怖短視頻的爆紅不在於創意稀缺,而在於系統執行:標準化的 AI 工具管道讓任何人在數小時內製作出專業級成品,關鍵是選擇適合自己的工作流(快速自動化 vs 精細手工微調)並持續迭代內容。

完整解析

詳細

恐怖短視頻已成為 YouTube 和 TikTok 上增長最快的內容分類,每日都有新視頻衝上百萬次觀看。本教程系統性地拆解了整個製作流程,核心原理是將故事撰寫、美術視覺、音聲配置和編輯動畫全部標準化,並由 AI 工具接手大部分繁瑣工作。

第一步:頻道品牌化。 新手常犯的錯誤是直接開始做視頻,但觀眾第一眼看到的是頻道名稱、Logo 和橫幅,這些決定了第一印象。透過 Claude 的「頻道創建母版」(Channel Creation Master)提示詞,系統會生成五個原創、符合恐怖題材的頻道名稱。選定後,Claude 自動產出完整的頻道描述、20 個 SEO 優化標籤、以及 Logo 和 Banner 的視覺提示詞。接著用 Flow 生成圖像:Logo 設置 1:1 寬高比,Banner 設置 16:9,一次性得到專業級的視覺資產。最後登入 YouTube Studio,把所有標籤導入頻道設置,確保搜尋引擎能正確索引。

第二步選項 A:Corpy AI 自動化路線(5 分鐘內完成)。 用同樣的 Claude 母版生成 10 個故事概念,選擇喜歡的一個後,Claude 輸出一份長度約一分鐘、自然流暢、適合 AI 配音的完整腳本。複製腳本進入 Corpy AI 的「AI Text Story」功能,選擇「creepy cartoon」美術風格,用免費的 Nano Banana 模型一鍵生成所有場景圖像。然後進入動畫階段,選 Sora 2 免費模型做動畫,記得勾選「Mute Audio」(因為後續另外配音)。接著調整文字字體、大小、陰影,在特效面板選擇「Zoom」過場效果,開啟音訊菜單選擇 Liam 語音、設定語速和音高都為 1、背景音樂音量 15%。最後點擊生成,數分鐘內 Corpy 完成整支視頻。

第二步選項 B:完全免費工具版(更多手動但成品更細緻)。 生成相同的故事腳本後,複製進 11 Labs,選 Callum 語音和 11 Multilingual 模型生成配音,下載音檔。回到 Claude,要求它輸出「一致性表單」—— 記錄故事中的主要角色、怪物描述、色彩美學、場景設定等 —— 以及 14 份逐場景的 AI 繪圖提示詞。用 Flow 生成每張圖像時,設置寬高比為 9:16(直式視頻格式),逐張複製提示詞進 Flow 生成。確保所有圖片下載為原始尺寸。同時在 Pixabay 搜尋「creepy」等關鍵詞下載免費背景音樂。

第三步:CapCut 編輯合成。 導入所有素材(圖像、配音、背景音樂)。先在時間軸放入配音,找出不自然的停頓(AI 常有的問題),用剪切和拖動快速移除較大的間隙,讓配音更緊湊自然。接著放入第一張圖像,對應著配音內容調整圖像長度使其完全同步。重複此步驟直到所有圖像依序排列並完美契合配音。

動畫是視覺重點。在第一張圖的開始點添加關鍵幀,結束點將圖像縮放到 115%,再添加關鍵幀,使用緩動功能平滑化,呈現漸進式變焦。在第二張圖則反向操作(從 115% 縮放回 100%),製造出第一張放大、第二張縮小的連貫感。位置動畫則涉及在開始和終點拖移圖像至不同側邊,打造滑動效果。對所有圖像套用這些動畫後,層層疊加:Shake 效果(強度 2)增加緊張感、Vignette 效果(+10)加深暗黑氛圍、4K 效果中的 Glow(10%)添加微妙發光。

字幕自動生成後,要改善其外觀:選擇合適字體、啟用大寫、加入 100% 不透明陰影增加可讀性、套用進出動畫、置中排版。背景音樂音量設至 -18 避免蓋住配音,剪裁使其完全契合配音長度,尾段加 2 秒淡出效果。最後將所有圖像和特效元素進行複合片段操作,統一套用淡出動畫作結尾。

第四步:上傳優化。 回到 Claude,要求生成該視頻的標題和高表現標籤。複製標題和標籤進 YouTube Studio 的視頻上傳界面。檢查版權和政策檢查面板確保無違規。設定為公開,發佈。整個流程完成。

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。