好的,這是一篇根據您提供的口述內容,改寫成符合您所有要求的繁體中文長文。 --- 我用AI幫自己拍了部2分鐘的科幻爛片,結果意外成了朋友間的年度笑話


【我用AI幫自己拍了部2分鐘的科幻爛片,結果意外成了朋友間的年度笑話】

不知道你有沒有過這種感覺,深夜滑著手機,看到那些越來越誇張的AI影片,心裡總有種複雜的情緒。一半是讚嘆科技進步神速,另一半,老實說,是種快要被時代甩在後頭的焦慮。我不是什麼大導演,也不是演員,連用手機拍個Vlog都覺得尷尬,但心底總有個聲音在想:「如果…如果有一天,我也能成為電影主角,那會是什麼樣子?」

這個念頭一直擱在心裡,直到我最近玩到一個叫「SOLAR」的AI工具。它最瘋狂的功能,就是可以根據你的照片和影片,創造一個數位分身,然後讓這個「你」去演任何你寫給它的劇本。

機會來了。我決定,我要用AI幫自己圓一個電影夢。

打造我的「AI分身」:第一步,先當個編-劇

一開始,我真的像在籌備一部微電影。我沒有劇本,腦袋空空,於是我想到了它的好兄弟 ChatGPT。我直接開了一個客製化的 GPTs,對它下指令:「嘿,你現在是個好萊塢金牌編劇,幫我想一個以我為主角的電影題材,要有點超能力,但又不能太扯。」

就這樣,我跟AI你一言我一語地聊了起來。它丟給我三、四個故事大綱,我選了一個「能在城市裡短距離瞬間移動的平凡上班族」的設定。聽起來很酷,對吧?

接著,我請「金牌編劇」把這個故事拆解成12個關鍵場景。從「清晨在頂樓發現自己突然移動到對街」、「在辦公室為了躲避老闆,不小心穿牆而出」、「深夜在空無一人的捷運站練習能力」,每個場景的畫面、情緒、動作,它都描述得有模有樣。這些文字,就是我要餵給 SOLAR 的「咒語」(Prompt)。

導演、開麥拉、Action!…等等,這聲音是誰?

一切準備就緒。我把那12段精心設計的咒語,一段一段地丟進SOLAR。它也很給力,每個場景都生成了一段大約8到10秒的影片。12個場景,湊一湊,一部接近兩分鐘的個人電影就這樣誕生了。在免費額度內(好像可以用29次),完成這件事綽綽有餘。

我懷著無比激動的心情,點開了最終剪輯好的影片。

結果咧?我笑到差點從椅子上摔下來。

影片裡的那個「我」,長得確實有七八分像,在各種場景裡飛天遁地,表情也算到位。但問題出在聲音和說話的語氣。那個聲音根本不是我!它說著我寫的台詞,但語調平板得像個剛學中文的機器人,嘴形也對得有點微妙的延遲。

我幻想中的科幻大片,瞬間成了一部充滿B級片趣味的搞笑短劇。那種感覺很奇妙,既尷尬又好笑,好像在看一個模仿我很爛的模仿專家,在演我的內心戲。那一刻,我的電影夢碎了,但好像有什麼更好玩的事情要發生了。

放棄治療後,我得到了意想不到的快樂

我沒有刪掉這部「爛片」,反而把它傳到了朋友的群組裡,自嘲地說:「我最新的電影作品,請多指教。」

沒想到,群組瞬間就炸了。

「哈哈哈這什麼東西!你的聲音也太好笑了吧!」 「那個穿牆的表情,跟你本人被老闆罵的時候一模一樣!」 「求續集!我想看你用超能力去買菜!」

原本我還擔心大家會覺得這東西很蠢,沒想到這部影片的「不完美」,反而成了最大的笑點。我們開始討論如果把其他朋友也加進去會怎樣(SOLAR最多可以同時支援三個人),想像著我們三個人一起在影片裡打怪、比賽吃拉麵,或是上演一些平常根本不可能做的蠢事。

我突然領悟到一件事:我一開始就搞錯重點了。我想追求的是「真實」,是「完美」,想讓AI完美複製我,拍出一部像樣的電影。但現在AI技術還做不到,而正是這份「做不到」,這份笨拙和不像,才創造了出乎意料的趣味。

那種快樂,遠比看到一個跟自己一模一樣的數位人,演著完美的劇本,要真實得多。

所以,這東西到底能幹嘛?

後來,我甚至把這個概念用在公司的活動上。我們做了一支介紹團隊的影片,讓幾個同事的AI分身在裡面用很滑稽的語氣介紹自己,效果出奇地好。沒有人去在意畫面精不精緻、聲音像不像,大家都被那種荒謬的趣味性逗得哈哈大笑。

它變成了一種新的社交貨幣,一個製造共同話題和集體回憶的超強工具。

如果你也對這類工具有興趣,我真心推薦你去玩玩看。不要抱著太高的期望,不要想著要創造什麼驚世巨作。就把它當成一個玩具,一個讓你能跟朋友、家人一起大笑的工具。

或許,AI發展到現在這個階段,對我們普通人來說,最有價值的不是去追求完美的「擬真」,而是利用它的不完美,去創造一些屬於我們自己的、獨一無二的、有點笨拙但充滿歡笑的「超現實」。

至少對我來說,那部兩分鐘的科幻爛片,比任何好萊塢大片都更值得回味。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin