影片 AI：一支 AI 影片裡的五項工作
動手試試：打開任一範例專案，說出以下五樣東西背後是哪項工作：第 1 步的摘要、第 2 步的角色圖片、編輯器中的鏡頭清單、播放器旁的配樂開關，以及「合成本集」按鈕。
工作一：讀取，由文字模型完成
輸入：你的劇本，或交給 SceneMixer 的 AI 創作展開的一句話。輸出：摘要、以文字描述外貌與聲音的角色、場景、道具、分集，以及每一集一份分鏡，內含編號鏡頭、秒數、名稱和台詞。在哪看：第 1 步顯示摘要；分鏡在第 3 步，在編輯器裡則以鏡頭清單或純文字呈現。怎麼改：任何內容都可以免費手動編輯，也可以用白話請 AI 修改，每次修改 1 積分，或從文字歷史還原先前的版本。費用：解析為 4 積分（每 3,333 個英文字元），只收一次；分鏡為 1 積分（每集每 100 個計費字元）。
文字模型不畫任何東西，也不拍任何東西。分鏡是系統其餘部分會逐字讀取的格式，包括鏡頭標記、秒數與角色引用，因此它的品質就是之後所有環節的上限。專案裡有什麼。
工作二：繪圖，由圖像模型完成
輸入： 每段描述加上你選的視覺風格。輸出： 每個角色一張設定圖（固定為 9:16）、每個場景與道具一張（固定為 16:9）、可選的狀態圖，以及封面海報。在哪看： 第 2 步，每個項目一張卡片。怎麼改： 編輯描述後重新生成，或在付費方案中用自己的圖片取代設定圖。費用： 每個帳號的前 15 張免費，之後在預設圖像等級每張收 7 積分。
這些圖片不是影片本身，而是之後每個鏡頭都會參照的依據，所以設定圖刻意保持中性：背景和光線都很單純，因為模型會像複製臉部一樣忠實地複製參考圖的光線與氛圍。氛圍是在分鏡中逐鏡頭寫明的。為什麼設定圖看起來很素。
工作三：拍攝，由影片模型完成
輸入： 鏡頭中每個人與每樣東西的設定圖、附有秒數的鏡頭文字，以及每位說話者的聲音。輸出： 一段最長 15 秒的片段，或在長鏡頭等級為 30 秒；畫面、台詞、說話者的口型與場景環境音會一起生成為一段影片。在哪看： 預覽播放器，所有版本都會保存在版本紀錄中。怎麼改： 編輯鏡頭文字後重新生成該片段，或使用「編輯此片段」來剪裁、更換畫面、重新配音或增強。費用： 預設等級每秒 10 積分，較高等級更貴；價格顯示在按鈕上。
這是真正花錢、也花時間的工作，每段通常需要十到二十分鐘。它還具有機率性：兩次完全相同的請求，可能得到兩個不同的片段。編輯器頂部列的等級選單會設定解析度（從 480P 到 2K），以及可接受的最長片段。一次生成內含對白與聲音。
工作四：配樂
輸入： 完成的分鏡、其中的場景、每段的氛圍，以及台詞出現的位置。輸出： 整集的配樂規劃，每段至少半分鐘，在場景交界處以短暫的交叉淡化切換，並混在人聲之下。在哪看： 播放器旁的配樂開關。怎麼改： 只能開或關；沒有選曲器、音量控制，也沒有重新作曲的按鈕。費用： 已包含在影片價格中。內建配樂。
工作五：合併，這不是模型
輸入：每個片段目前選用的鏡次，依序排列。輸出：整集檔案。在哪看：SceneMixer 的「合成本集」按鈕，等所有片段都完成後就能使用。怎麼改：把片段換成另一個鏡次或重新生成，再重新接合；新檔案取代舊檔案之前，舊檔案會保留。費用：每秒 1 積分。
合併只是單純的影片處理。能不重新編碼時就不重新編碼，所以你確認過的畫面就是最後發出的畫面；它也無法修復有問題的片段。片段會照原樣接合，因此有些片段帶標識、有些沒有，這種狀態會原樣保留。合成並分享一集。
這是哪項工作造成的？
| 你看到的情況 | 是哪項工作 | 在哪裡修 |
|---|---|---|
| 鏡頭裡出現錯的人或錯的動作 | 讀取 | 編輯鏡頭文字，然後重新生成該片段 |
| 每個鏡頭的臉都不對 | 繪圖 | 編輯第 2 步的描述，然後重新生成設定圖 |
| 只有一個鏡頭怪，其他都正常 | 拍攝 | 重新生成該片段，或編輯此片段 |
| 台詞用錯了聲音 | 拍攝（來自聲音標籤） | 檢查鏡頭中的說話者與聲音標籤，再檢查該角色的聲音 |
| 不想要配樂 | 配樂 | 關掉配樂開關後下載 |
| 整集中有些部分帶標識，有些沒有 | 合併 | 設定標識開關，重新生成異常的片段，然後再次合併 |
其中哪些可以選擇模型
在 SceneMixer 裡，文字、圖片和影片各自透過一個檔位運作：檔位是一列設定，說明用哪個服務、哪個模型、什麼解析度，以及一個片段最長多久。值得挑選的是影片檔位，因為花費和肉眼可見的差異都在這裡；它的選擇器在編輯器的頂端列。文字和圖片檔位則在「設定」的「模型偏好」裡，預設值就是整條流程調校時所用的那一組。本頁不列出模型名稱，因為檔位屬於設定、會變動；選擇器和價格頁會顯示最新的清單。底層跑的是什麼。
| 工作項目 | 輸入 | 輸出 | 你可以修改 | 費用 |
|---|---|---|---|---|
| 解析 | 你的文字 | 角色、場景、道具、鏡頭 | 全部，可手動修改或用 AI 改 | 依長度計費；手動修改免費 |
| 繪製 | 描述與外觀 | 設定圖與狀態圖 | 描述、重新生成、上傳（付費方案） | 前 15 張免費，之後依張數計費 |
| 拍攝 | 設定圖、鏡頭文字、配音 | 一段帶聲音的片段 | 鏡頭文字、檔位、片段修正 | 依秒數計費 |
| 配樂 | 分鏡 | 配在人聲下的音樂 | 開或關 | 已包含 |
| 合成 | 完成的片段 | 集的檔案 | 挑選要用哪一版，然後再次合成 | 每秒 1 積分 |
常見問題
什麼是影片 AI？
一組模型與工具，負責讀文字、畫參考圖、拍出有聲片段、為它們配樂，並把它們合成起來。在 SceneMixer 裡，它分成五項工作，其中三項使用你可以選擇的模型。
整支影片是由一個 AI 模型完成的嗎？
不是。SceneMixer 用文字模型、圖片模型和影片模型各做不同的工作，接合則是一般的影片處理。配樂由網站自己規劃並混音。
哪個部分最花錢？
拍攝。SceneMixer 的影片按秒計費，相較之下其他每個步驟的花費都很小。
我可以選模型嗎？
你可以在 SceneMixer 的編輯器裡選擇影片檔位，文字和圖片檔位則在「設定」裡選。價格頁會顯示最新的清單；預設值就是整條流程調校時所用的那一組。
為什麼不能單獨編輯聲音？
SceneMixer 會把聲音、口型動作和環境音與畫面一起生成為同一支片段。你可以為完成的片段重新配音、關掉配樂，或重新生成該片段。
AI 會照字面逐字讀我的劇本嗎？
SceneMixer 會把它解析成角色陣容和鏡頭，並補上分鏡所需的內容。在任何影片付費之前，你都可以先閱讀並編輯結果。
過程中有人參與嗎？
是你。需要你檢查的兩個節點，是 SceneMixer 第 2 步的角色陣容，以及出影片之前的分鏡。兩者都可以免費編輯。
為什麼兩次相同的需求，會得到不同的片段？
影片生成本身具有機率性。這就是為什麼要先讀分鏡、先拍一個片段再拍其他的，並且可以單獨重新生成某個鏡頭。
更新於 2026 年 11 月 2 日