先把故事拆成可檢查的鏡頭
案例短片《媽，我回來了》以虛構母女在童年、青春期、成年與現在四個階段的相處，安排 12 個鏡頭，成片目標為 120 秒。四次「媽，我回來了」承載不同情緒：想被安慰、避免被看穿、分心匆忙，以及選擇留下陪伴。情緒因此落在表演和節奏上，而不只是一句「要感人」。
規劃階段先為每鏡記下時間、畫面任務、說話者和指定台詞，也標出無台詞的反應鏡。案例中的第 2、5、7、10 鏡留給停頓與表情，避免模型自行增加旁白或默念。全片時間軸相加為 120 秒；以 24 fps 輸出時，目標為 2,880 影格。這些數字是本片規格，不是所有短片或平台都必須採用的設定。
接著把角色連戲寫成具體限制：同一間老公寓的門、家具與窗光方向要一致；母女看向彼此而不是鏡頭；擦淚手勢不能遮住說話者的嘴；年齡變化留在鏡頭切換，不在同一鏡中突然換臉。每個鏡頭只提供當前年代需要的人物參考，降低不同時期造型混在一起的機會。
先測最難的鏡頭，再逐鏡生成
案例先選第 10 鏡測微表情、第 12 鏡測雙人對話和擦淚手勢。這兩種鏡頭較容易暴露表情、手部、視線和口型問題；先看候選片，可以提早修正參考圖與提示詞，也避免未檢查就把同一種問題複製到其他鏡頭。
每次生成前，記錄鏡頭編號與版本、模型、尺寸、比例、時長、音訊設定、參考圖、角色元素和指定台詞，也先確認當下介面顯示的費用與可用資源。案例使用 Kling VIDEO 3.0 Omni、原生音訊及 Elements 等當時介面功能；平台功能、名稱與計費可能變動，實作時應以目前介面和官方說明為準。
提示詞以「誰在什麼位置、做什麼、何時說哪句話、如何結束」為主。例如修正第 1 鏡視線時，指示女孩先停下，再轉頭看母親的眼睛，保持視線後才說「媽，我回來了」，說完自然閉口。這比只要求「自然、電影感」更容易在成片中核對。每次只送一鏡的參考與要求；生成後保留原片，記下候選版本和問題秒數，再決定採用或重做。
從 V1 找出問題，讓 V2 局部修正
選定 12 段後，先按時間軸組成完整 V1，確認故事順序、片長、對白和接點。剪輯時將各鏡整理到一致的影格率和畫面尺寸，對白、音樂與字幕都以同一版時間軸為準。來源檔另存，選片和輸出使用新版本名稱，避免改動後找不到原始依據。
本案例的 V1 回饋不是「再更感人一點」，而是指出第 1 鏡視線需要轉向母親、末鏡女兒口型要修、結尾台詞重複了「沒有」，以及字幕需跟隨最終音軌。處理順序是先修正來源聲音，再用修好的音訊進行末鏡 Lip Sync；回傳片再放回全片時間軸檢查，不直接假設它維持原片的長度、畫面尺寸或影格率。
字幕同樣要依最終選片校對。案例先用語音辨識協助找出台詞與時間點，再回聽音訊並對照劇本，整理成 15 則繁體字幕。辨識結果可能漏字、合併句子，也可能在安靜處產生不存在的文字；它適合協助定位，不應取代人工聽校。換了鏡頭或音軌，就要重查相應字幕的起訖時間。
配樂、輸出與驗收要分層
案例使用程序式方式合成鋼琴音色，依段落安排音符，並讓對白出現時降低配樂。這是本次的製作選擇，不代表需要使用相同工具或混音參數。實際調整時先確認細聲對白聽得清楚，再檢查音樂是否有不自然的忽大忽小；量測數值只能作為調整依據之一。
交付前分別檢查檔案技術規格與創作品質。技術檢查可確認容器、畫面尺寸、影格率、片長、音訊取樣率、字幕數量和完整解碼；畫面抽格可查看人物、手勢、視線和字幕位置。這些結果可以證明部分條件通過，不能單獨證明故事完整、聲音自然或每個音素都和口型吻合。
手冊記載的 V2 已完成規格檢查、抽格檢查、字幕時間表和技術複核，但真人從頭到尾連續視聽仍待確認。因此交付狀態應如實標記「技術檢查已完成，完整視聽驗收待確認」，不要把影片成功輸出寫成成品已完全驗收。
常見錯誤與排查順序
- -角色或服裝漂移：先確認參考圖只包含當前年代角色，再縮小動作，檢查角色元素是否確實套用。
- -手遮嘴或穿臉：先調整手勢、構圖或首尾幀，再處理口型；畫面結構不穩時，不要急著用口型修補。
- -台詞重複或多一句：先回聽並修正來源音訊，再進行 Lip Sync 和字幕更新。
- -字幕不同步：確認目前使用的影片和音訊版本，重新計算鏡內時間加上全片起點。
- -生成停住或疑似重複提交：先查看任務歷史與狀態，再決定是否重試，避免混淆候選版本或重複消耗資源。
- -鏡頭不足指定秒數：檢查是否缺少重要表演；不要用凍結畫面掩蓋缺段。
開始前與交付前的核對清單
開始前，確認故事時間軸、逐鏡台詞、角色造型與連戲條件；挑出最難的鏡頭先測；確認介面上的模型、費用和輸出選項；保留原始分鏡、生成片與每次選片紀錄。
交付前，確認每鏡版本和總片長；以最終音軌校對對白和字幕；檢查人物、手勢、視線、音量與字幕遮擋；分開記錄技術檢查和連續視聽驗收，並將未確認事項留在交付紀錄中。
結論
AI 影片製作較穩定的起點，是先定故事與時間，再用少量高風險鏡頭測試方法，接著逐鏡生成、保留版本，最後依具體回饋局部修訂。提示詞負責說清楚目標，選片與驗收則負責判斷結果是否符合目標。把這兩件事分開記錄，短片才有機會在可控的時間軸上逐步完成，也更容易說清楚哪些已檢查、哪些仍待確認。
