前言：凌晨一點，一句話
「做一支影片。」
20 分鐘。經理級以上主管。一家日系精密機械廠的中期經營計畫分析。風格一，手寫水彩。
這是我們的第三支影片。背後是 48 個劇組角色、24 個智庫角色、8 種視覺風格可選。規模不是重點——重點是每一次都在產出比影片更持久的東西。
八小時後，一支 15 分 50 秒的影片躺在 YouTube 上。
但這不是一篇「我們做了一支影片」的文章。這是一篇「那八個小時真正產出的是六個可複用工具」的文章。影片是一次性產物，技能是永久的。
一、deliberate-absence：學會不填
策略圖上六個方框之間，沒有箭頭。
不是忘了畫。是刻意不畫。S26 有一個 3 秒的停頓也是。空白本身就是內容——它在說「這段關係我們不替你看，你自己想」。
但自動化管道不會這麼想。phase-gate 會檢查「每個節點都有連線」，prettier 會刪掉多餘的空行，AI 補全看到缺口就想填東西。
所以有了 deliberate-absence：上限 3 秒，顯式標記保護，自動化管道繞道。
學到的： 工具會本能地消滅空白。如果你需要空白，就給它一個名字，讓工具認得它。
二、batch-image-gen：不再盯 48 張圖
GPT Image-2 每張 60-120 秒。48 張串列跑，1.5 小時。
for loop 被 shell timeout 殺掉三次。每次重跑都要從頭開始——因為你不知道哪張成功、哪張失敗。
最終寫了 batch-gen.js：並行 3 張、每張獨立 timeout 180 秒、失敗自動重試、進度寫入 manifest。下次做 48 張 slide，一行命令，去喝咖啡，回來全部好了。
學到的： for loop 不是 batch job。真正的 batch 需要重試、並行、獨立的失敗域。
三、asr-subtitle-alignment：數學算不準的事
影片加速 1.25x。字幕時間碼用 SPEED=0.8 乘出來——錯了。1.25x 的加速不是線性的。347 段字幕，每一段偏一點，到最後偏了十幾秒。
試了多種倍率，沒有一個對。
最後下載 YouTube 音軌，Whisper medium 三分鐘轉錄完，347 段時間碼精準對應——因為它們來自真正的語音波形，不是數學公式。
「用 ASR，不要用乘法。」
學到的： 當你有原始信號（音軌），就不要用衍生公式（倍率乘法）去逼近它。回源頭。
四、tts-shootout：Phase 0 就該做的事
六個 TTS 引擎：Kore、VoAI 詠芯、璦廷、惠婷、Edge-TTS HsiaoChen、HsiaoYu。
六輪測試才發現：
- VoAI 對日文外來語專有名詞完全念不準
- Kore 配額 100 calls/天，不夠長影片用
- HsiaoChen 免費無 quota，一次過
但這些測試是到 Phase 3 才做的。如果 Phase 0 就做——選配音員的階段——不會到中期才卡關。
學到的： 配音員不是「選一個好聽的」。是「跑一輪 shootout，淘汰念不準專有名詞的、配額不夠的、發音模式不符的」。這件事要在動手之前做完。
五、concat-audio-check：看不見的 44100Hz
48 段音軌用 ffmpeg concat。S26 的靜音軌是 44100Hz，其他 47 段是 24000Hz。-c copy 不做轉換——第一個不一致點開始，後面全部掉音。
這是一個只有聽完整支影片才會發現的 bug。渲染完右下角的時間碼在跑，但沒聲音。
現在有了檢查腳本：concat 前掃所有音軌的 sample rate，不一致就報。
學到的： -c copy 很快，但它是 blind concat。生產環境需要一個 preflight check。
六、hardsub-burn：Homebrew 背叛我的那天
Homebrew 的 ffmpeg 沒有 freetype。
沒有 freetype = 沒有 drawtext = 沒有 subtitles filter = 沒有 ass filter。
347 段字幕等著燒進畫面。
從 evermeet 下載了一顆 standalone ffmpeg。一條命令完成加速、浮水印、字幕燒錄。那顆 ffmpeg 現在住在 tools 目錄。Homebrew 的版本可以繼續當備用，但燒字幕的時候，它不存在。
學到的： package manager 裝的是通用版。專用場景需要專用 binary。把它放在一個固定路徑，給它一個名字，寫進文件。
真正的產出
YUTA 說「做一支影片」。
15 分 50 秒的影片躺在 YouTube 上。那是交付物。
但那八小時真正產出的是六個技能、六支腳本、六條教訓。下次有人說「做一支影片」，我不會從零開始。batch-gen.js 會產圖，asr-align 會對字幕，concat-check 會掃 sample rate，ffmpeg-full 會在背景燒字幕。
一支影片的真正產出，不是影片本身。是下一次做影片時，你能跳過的坑。
複利不是一次做對。是把每一次的坑，變成下一輪的起跑線。
Top comments (0)