YouTube頻道主Jeff Su在最新影片中直擊AI影片生成的現實面，粉碎了媒體頭條中「AI即將取代好萊塢」的迷思。作為一位專注AI工具實戰的內容創作者，Su透過生動示範和簡單類比，揭示AI影片雖強大卻受限於「連貫性」瓶頸。他強調，目前AI能輕鬆產生逼真片段，但要串聯成完整故事，仍需特定工作流程。這不僅適用於YouTuber或電影製作者，更為2025年AI應用提供實用洞見。

Jeff Su一開頭就駁斥媒體炒作，他表示：「如果你相信頭條，好萊塢電影產業將在幾分鐘內被AI取代。但事實上，我們還遠遠不夠。」

Su使用ChatGPT類比說明AI的強項與弱點：當要求ChatGPT撰寫電視劇開場場景時，它能在數秒內產生包含設定、角色和劇情的腳本；續寫下一場景時，AI能「記住」前情，維持角色、設定和故事的一致性。這突顯AI在文字生成上的連貫優勢。

然而，轉移到影片領域，情況大不同。Su指出，連貫性是AI影片生成的最大障礙。即使使用先進工具如Google的Veo app（Su稱之為Flow），AI也難以維持跨場景的角色外貌、聲音和背景穩定。

示範AI影片的強大與局限

Su親自示範使用Veo app重現達斯維德（Darth Vader）場景：一個僅8秒的片段，維德走向鏡頭，伴隨火花音效和逼真聲音，說出「我是你的母親」。他透露：「只要付費使用Veo app，並輸入特定提示詞，任何人能在5分鐘內生成此片段。」

這證明AI影片模型「極其強大」，能產生高細節、高寫實的內容。但當Su試圖延續場景——讓維德舉起紅色光劍說「準備好挨打吧」——結果慘不忍睹：光劍出現在錯誤手上，維德外貌變樣，聲音不一致，背景完全更換。

Su總結：「影片模型不記得先前生成的細節。即使重複相同提示描述維德，AI仍會產生略有差異的角色，破壞跨場景連貫性。」這是典型「角色不一致」問題，凸顯AI從單場景到多場景的轉型挑戰。

OpenAI Sora 2的進展與侷限

影片錄製後，OpenAI推出Sora 2，針對連貫性問題新增功能。Su補充說明：Sora 2包含「Cameo」功能，使用真實人物或寵物的臉部和聲音錄製，維持跨場景一致；以及「Recut」功能，將前幾秒片段載入下一個提示，確保連續性。

然而，Su強調：「這些功能不取代我即將分享的工作流程。」Cameo僅限真人與寵物，無法廣泛應用於虛構角色；Recut雖有助連續，但仍需生成角色、撰寫提示、修復音頻等步驟。Su預測，Sora 2是進步，但僅為工作流程的一環。

4步驟工作流程：實現角色視覺與聲音連貫

Su分享從零創作兩個小品（skit）的實戰流程，主角為Google Gemini吉祥物，維持跨場景一致。整個過程強調工具次要、工作流程為主。他使用免費或付費工具，證明門檻不高。

步驟1：生成角色靜態影像

首先，使用Google的免費影像生成工具Whisk（基於Imagen 3模型）產生角色。Su輸入提示詞生成Gemini吉祥物影像，設定中關閉「精準參考」以給AI創作自由。結果顯示，首批生成即高品質，若不滿可重跑。

專業提示：若需微調，如「將毛色改為白色漸層橙」，啟用精準參考，Whisk能僅變更指定部分，維持角色一致。Su表示：「這得益於Google的Imagen 3模型，在靜態影像中維持角色連貫極為出色。」所有方法免費，無需贊助。

步驟2：建立起始畫面

在Whisk中，將步驟1的角色影像上傳為「主體」，啟用精準參考，輸入場景提示（如吉祥物與女職員辦公對話）。這確保角色外貌固定。Su生成多批，選取最佳者作為第一個影片的起始畫面。

為證明設定重要性，Su關閉精準參考重試相同提示：結果角色外貌混亂，甚至同一批次不一致。重複流程為第二場景（與男職員互動）生成起始畫面，維持吉祥物一致。

步驟3：生成影片片段

轉至Google Veo app（Su使用付費V3品質模型，免費用戶的V3 Fast同樣適用）。選擇「畫面轉影片」模式，上傳起始畫面，輸入詳細提示（如對話與動作）。設定為橫向、每提示產生4個輸出，提高可用率。

Su示範第一場景：吉祥物回應「找昨天郵件」時顯示廣告。首批中一輸出失敗（動作不符），但其他三個可用，他選最佳者下載。第二場景類似，吉祥物回應播放影片時插入廣告。兩個片段串聯後，視覺連貫，但聲音仍不一致。

提示撰寫訣竿：Su使用自製Gemini Gem（自訂AI助手），上傳起始畫面與Veo介面截圖，輸入劇本，Gemini輸出優化提示。Su提供連結讓觀眾免費試用。

步驟4：統一聲音與後製

使用11 Labs工具處理音頻一致。Su上傳第一片段影片，選擇「怪物聲」（Malvorax）替換吉祥物聲音，生成新音檔。重複第二片段，使用相同聲音。

最後，在Final Cut Pro等編輯軟體中：分離原片不一致音頻，僅替換吉祥物台詞為新聲音，保留真人聲線；添加辦公環境音效。成品兩個小品串聯，吉祥物視覺與聲音完美連貫。

Su補充：此流程可擴展至多角色（Whisk上傳多主體）；第三方工具如OpenArt、Hygenura雖方便，但仍需手動修復，且不易上手。

結論：AI影片的未來與實踐建議

Jeff Su總結，AI影片模型已極其強大，但僅為工具，需透過工作流程整合多工具優勢：Whisk生成角色與起始畫面、Gemini優化提示、Veo產生影片、11 Labs統一聲音、最後編輯整合。這不僅解決連貫性，更讓業餘者創作專業級內容。

面對2025年AI進展，Su提醒：別被頭條迷惑，專注學習工具強項與流程，將開啟無限創作可能。你是否準備好嘗試？這不僅是技術革命，更是內容創作者的轉型契機。

參考資料：YouTube影片連結 https://www.youtube.com/watch?v=0-0gFuDwmXI