KeyFrame內部研究專用

【AI 實戰】真公開!AI 自動賺錢第九集:唔知拍咩好?教你用 AI 自動發掘爆款話題 + 流量密碼大公開! | Ron Sir AI 基地 第十四集

Ron AI 基地·4月21日週二·9 min中文

三句話摘要

YouTube AI 自動化頻道第九集:用 AI 工具找爆款題目,並分析當前 YouTube 算法下哪些內容垂類值得做。 在 YouTube 新算法下,選題比製作工具更關鍵——讓 AI 每天主動篩選「48 小時內已驗證有流量」的題材,才是 AI 影片流水線能持續產出有效內容的根本。 YouTube 算法已全面洗牌:冥想音樂、ASMR、寵物等舊垂類現已幾乎無法獲得推播,因為新算法以 48 小時內的初始流量作為判斷是否繼續推播的核心指標,舊內容形式無法通過門檻。

重點整理

重點
  • 1

    YouTube 算法已全面洗牌:冥想音樂、ASMR、寵物等舊垂類現已幾乎無法獲得推播,因為新算法以 48 小時內的初始流量作為判斷是否繼續推播的核心指標,舊內容形式無法通過門檻。

  • 2

    真人 vs AI 內容的流量差異明顯:搜尋結果顯示,六天內萬次觀看的頻道幾乎都使用真人出鏡,純 AI 生成片流量普遍偏低,但仍有個別 AI 影片(如寵物類)單片帶來千餘訂閱,說明選題比製作形式更關鍵。

  • 3

    題材選擇策略分兩軸:一軸是「長青內容」(如省錢技巧、心理學知識、歷史故事),另一軸是「時事熱潮內容」(如 Marvel 新片、熱門 IP),講者決定兩種都嘗試,以分散風險。

  • 4

    AI 輔助選題流程已重新設計:原本讓 AI 每天推送新聞熱點,發現新聞類內容觀眾接受度低,改為讓 AI 每天上網找「48 小時內破百 views 且主題可用 AI 重製」的 YouTube 影片題材,再人工篩選後進入生產流水線。

實用技巧與重點

乾貨
  • 流水線技術棧:N8N + AI 圖像生成 + 影片剪輯 + 音樂 + Voice API 語音合成
  • YouTube 新算法門檻:48 小時內需達數千至 10,000 views 才啟動推播
  • 橫片(Landscape)最低收益門檻:100 views = 港幣入帳;直片(Shorts)需 1,000 views 才等值
  • 頻道現狀:主頻道 12 訂閱,美國英文頻道 0 訂閱,已運營約一週
  • 成功案例數據:省錢類頻道兩個月四天達 58 萬 views;真人出鏡成功故事頻道六天 1 萬+ views
  • 寵物 AI 頻道單片帶來 1,000+ 訂閱(但整體垂類已走下坡)
  • 評估排除的垂類:冥想音樂(原頻道需 300 萬訂閱才有效)、寵物(飽和)、恐怖內容(個人底線)
  • 決定試做垂類:Money(省錢/財務)、History(歷史故事)、Marvel 熱點
  • AI 選題指令設計:「幫我上網找 YouTube 48 小時內超過 100 views、且我可用 AI 重製的題目」

結論

結論

在 YouTube 新算法下,選題比製作工具更關鍵——讓 AI 每天主動篩選「48 小時內已驗證有流量」的題材,才是 AI 影片流水線能持續產出有效內容的根本。

完整解析

詳細

Ron AIG Day 頻道第九集圍繞一個核心問題展開:在 AI 自動化影片流水線已搭建完成的前提下,究竟哪些題材值得投入生產?這集的大部分時間用於直播式的市場調研——講者一邊在 YouTube 搜尋各類垂直領域,一邊即時分析數據,帶領觀眾一起看清當前平台的流量現實。

調研結果相當清醒。YouTube 近期算法大改,舊有的「穩定長青」垂類如冥想音樂、ASMR、寵物影片,現在普遍淪為個位數或幾十個 views 的殭屍頻道。講者明確指出,新算法的核心邏輯是:影片上傳後 48 小時內若無法累積數千甚至一萬次觀看,平台就不會進一步推播,因此「以前有效的做法現在等於白做」。這個洞察直接否定了很多 AI 頻道建立者的舊有假設。

在篩選可行題材時,講者觀察到幾個值得注意的現象:真人出鏡的成功故事類頻道六天可達萬次觀看,但 AI 生成版本流量遠遜;省錢與理財類內容兩個月不到就出現 58 萬 views 的案例;歷史故事類有 AI 圖像生成版本在穩定成長。對比之後,講者決定鎖定 Money 與 History 兩個方向作為主力,同時保留對 Marvel 等熱門 IP 時事內容的機動性操作,以「長青內容 + 時事熱潮」雙軌並行來分散風險。

在工具與流程層面,講者也透露了一個重要的選題機制升級:原本設定 AI 每天自動推送當日新聞熱點給他參考,但實際操作後發現新聞類內容對 YouTube 觀眾吸引力有限。因此他重新設計了 AI 的任務指令,改為讓 AI 每天主動上網搜尋「48 小時內觀看數破百、且主題適合用 AI 重製」的 YouTube 影片,再由人工篩選後丟進 N8N + 圖像生成 + Voice API 的流水線量產。這個「AI 找題目 → 人工確認 → AI 生產」的閉環,是這集最具操作價值的方法論。

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

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。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。