KeyFrame內部研究專用

Make LONG AI Videos People ACTUALLY Watch (FREE & UNLIMITED)

Malva AI·8月1日週六·11 min英文

三句話摘要

用免費 AI 工具製作長篇高質量影片的完整工作流程。 透過結構化的 AI 提示詞、多工具組合和人工編輯的混合策略,任何人都能用免費工具製作提供真實價值、質量專業的長篇 AI 影片。 核心理念是提供真實價值:不能製作「AI slop」(無營養內容),每支影片必須對觀眾有實際幫助,這是 YouTube 頻道成功的關鍵。

重點整理

重點
  • 1

    核心理念是提供真實價值:不能製作「AI slop」(無營養內容),每支影片必須對觀眾有實際幫助,這是 YouTube 頻道成功的關鍵。

  • 2

    結構化的內容生成流程:用精心設計的 AI 提示詞,讓 AI 分析頻道類型後推薦最有潛力的影片主題,再自動生成分鏡腳本——每個片段包含 5 秒對話、圖像提示和影片轉換指令,確保邏輯完整且易於後製。

  • 3

    質量躍升的關鍵是混合人工內容:用自己的解說錄音穿插在 AI 生成片段中,改變鏡頭視角來打破單調感,搭配字幕、轉場、效果,讓純 AI 影片達到專業水準。

  • 4

    工具選擇的靈活性:提供多個替代方案(如 Vibes vs Google Flow、Quen3 TTS vs Google TTS),使用者可根據需求和地區限制組合使用,不被單一工具限制。

實用技巧與重點

乾貨
  • 內容生成階段
  • 使用免費 AI 聊天機器人 + Arena 平台
  • 第一個提示詞:輸入頻道類型 → AI 分析並推薦最佳影片主題
  • 第二個提示詞:選擇主題 + 設定影片長度(10分鐘、20分鐘或自訂)→ 生成編號分段,每段包含:
  • 5 秒鐘對話文本
  • 圖像提示(image prompt)
  • 影片轉換提示(video prompt)
  • 圖像和影片生成
  • Meta AI:生成水平方向圖像(需按順序下載,編號對應)
  • Vibes:上傳圖像 → 添加對應的影片提示 → 生成每段 5 秒影片
  • Google Flow:免費完整影片生成,每天限 5 個;支援角色設定以保持人物一致性
  • 音聲製作
  • Piper(需安裝)+ Quen3 TTS 模型:
  • Custom Voice 模式:選擇預設聲音
  • Voice Clone 模式:上傳聲音樣本克隆聲音
  • Voice Design 模式(推薦):輸入聲音描述 → 自動生成符合描述的聲音,可生成長段音聲
  • Google TTS:免費、無需安裝,但高流量時會過載
  • 編輯和輸出
  • Movavi Video Editor:
  • 裁切、旋轉、調整影片速度
  • 靜音移除(自動刪除停頓)和噪音移除
  • 自動字幕(可自訂字型、顏色、大小)
  • 40+ 可調效果(包含新類別如發光、膠卷風格)
  • 試用版有水印且限 60 秒出口;全版本折扣碼 MALVA 25% off
  • 資源網站
  • 講者網站提供:所有提示詞、工具直連、PDF 指南、免費 AI 聊天工具、高質量圖像生成模型

結論

結論

透過結構化的 AI 提示詞、多工具組合和人工編輯的混合策略,任何人都能用免費工具製作提供真實價值、質量專業的長篇 AI 影片。

完整解析

詳細

當今 AI 內容創作的主流認知是:沒有資金投入就無法獲利。YouTube 曾是最熱門的免費路線,但平台已被低質量 AI slop 淹沒,導致無法從中獲利。但講者在本影片中示範了一套完整的系統,透過精心設計的工作流程,利用免費工具創作 10 到 20 分鐘的長篇影片,且每部作品都提供觀眾真實價值,絕非泛泛之談。

首先,利用免費 AI 聊天機器人搭配 Arena 平台存取頂尖 AI 模型。講者提供了兩個關鍵提示詞:第一個用來分析目標頻道類型並推薦最有潛力的影片主題;第二個則將選定主題轉化為具體的影片架構。經過這兩步處理,系統會自動生成編號的分段內容——每一段恰好 5 秒鐘,包含對話文本、圖像生成指令和影片轉換參數。

接下來是視覺內容製作。用 Meta AI 按照提示詞逐一生成水平方向的圖像,務必按順序下載並編號。然後在 Vibes 平台上傳這些圖像,為每張圖配上對應的影片提示,系統便會生成 5 秒鐘的動畫片段。如果使用者追求更完整的效果,Google Flow 也能一次性生成包含音聲的影片,缺點是每天限制 5 個;但這個限制可搭配 Vibes 使用——將 Flow 的配額留給開場或高影響片段。對於需要角色連貫性的內容,Flow 還支援角色描述功能,確保主要人物在全片中保持一致。

編輯階段是提升質量的關鍵。講者透過 Movavi Video Editor 示範了如何從純 AI 生成內容升級為專業製作:錄製自己解說特定部分的影片,穿插在 AI 片段中以改變視角;使用靜音移除和噪音移除清理音軌;自動添加字幕並自訂樣式;選擇超過 40 種可調效果和轉場效果。這些步驟無需進階編輯技能,完全依賴軟體內建工具,卻能令成品看起來遠更專業。

最後是配音製作。講者推薦使用 Piper 搭配 Quen3 TTS 模型:透過 Voice Design 模式輸入聲音描述(來自初期提示詞的推薦),自動生成符合風格的聲音;若要製作較長音聲,先用 Voice Design 生成片段,再上傳至 Voice Clone 模式以克隆該聲音,如此可一次性生成 10 分鐘以上的完整配音。Google TTS 是另一個選項,免費且無需安裝,但在高流量時會過載。

將所有片段和音聲組合到 Movavi 編輯器中,由於初期提示詞已設定各段為 5 秒,影片和配音通常能完美對齐。若有偏差可調整播放速度。最後套用效果和轉場,一部 10 到 20 分鐘的長篇影片就完成了,完全免費、無上限使用。

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。