短影音新手的第一堂課：我把剪輯寫成程式，才看清該練的功夫都在按下錄影鍵之前

每次工作坊結束，幾乎都會有人留下來問我同一種問題：該先買哪一支麥克風？要不要補光燈？手機是不是該換新的？

我通常會反問一句：你拍過幾支了？

答案往往是還沒。設備先準備好再開始，聽起來很合理。

兩個月前，我為這件事寫了一篇稿子，論點很清楚：別追設備，先拍再說。新手真正的障礙不是技術，是把準備當成開始。

然後那篇稿子就停在草稿匣裡，六十天沒動。

我後來明白為什麼。那篇文章講的都對，但它只回答了一半的問題。它告訴你別再等了，快去拍，卻沒告訴你拍完之後要靠什麼變好。而這中間那段路，恰恰是最多人走著走著就走沒了的地方。

真正讓我看清楚缺的是什麼，是我後來把自己剪片的整套流程，寫成了一套程式。

把剪片寫成程式，我第一個撞見的事

七月中，我做了一件跟寫作沒什麼關係的事：我不再用剪輯軟體剪片，而是把怎麼剪才算剪得好這件事，一條一條寫成電腦看得懂的規則，交給機器去檢查。

寫程式最誠實的地方在於，它不接受形容詞。你不能跟電腦說這支片節奏要好一點，你得說清楚：什麼叫節奏不好？在第幾秒、超過幾秒、算不算數？

第一版半天就跑起來了，但接下來一個多星期，我一直在往裡面加規則，最後是兩百多個測試在守著這些規則。真正讓我意外的，是那份被逼出來的清單有多長：

一支影片的 0%、25%、50%、75% 這四個位置，各要有一個刺激點，缺一個就跳警告，因為那是觀眾最容易走神的四個臨界點。

補充畫面的總長度只要追平主畫面，就直接判定失敗，不給過。因為那代表配角搶了主角的戲。

片尾的行動呼籲喊完之後，超過十五秒還沒結束，警告。拖尾對完播率非常不利。

影片結束前十秒之內，只要出現超過五秒的靜音，判定失敗。這條規則在程式碼裡留了一句話當錯誤訊息：「畫面播完前聲音不能斷。」

還有一條我覺得最有意思。系統會讀語音辨識的逐字時間碼，找出同一句話裡面、相鄰兩個詞之間的停頓。只要超過 0.6 秒，就標記為卡頓。注意，是同一句話裡面，不是句子跟句子中間。因為句子之間停一下很自然，句子中間卡住，觀眾就滑走了。

我把這些規則寫完，回頭看那張清單，愣了一下。

這裡面沒有一條是天分。

沒有一條需要美感、需要靈氣、需要你天生鏡頭感很好。每一條都可以量、可以查、可以列成一張表照著做。

而我幾乎可以確定，那些在工作坊後排隊問我該買哪支麥克風的人，從來沒有人給過他們這張表。

勞動與判斷之間，還卡著第三層

我以前談過，一支影片其實有兩層：一層是勞動，把素材對齊、把字幕一句句打上去、把音量拉到剛好；另一層是判斷，哪一段話最打動人、這句文案有沒有講到心裡。我在〈影音的門檻沒有消失，它只是搬家了〉裡說，AI 接手了第一層，把第二層原封不動留給你。

這個說法我到現在還是同意，但它漏了一塊。

把剪輯規則寫成程式之後我才看見，勞動跟判斷中間，還卡著第三層。那一層我姑且叫它規格。

規格既不耗你的體力，也不考你的品味。它只考一件事：你知不知道。

你不知道結尾不能有五秒靜音，於是你的片子在最精彩的地方戛然而止，觀眾覺得怪怪的但說不出哪裡怪。你不知道同一句話中間卡 0.6 秒就會掉人，於是你錄的時候在句子中間思考，聽起來很不順。你不知道開頭三秒不能放空景，於是你認真做的片頭動畫，剛好把所有人擋在門外。

這些都不是勞動問題，你再認真拖時間軸也修不好。也不是判斷問題，你的品味可能比很多人都好。它就只是知不知道而已。

新手挫折感最重的那一段，九成落在這一層。但幾乎所有人都把它誤判成第二層的問題，於是得出結論：我大概沒有這個天分。

不是的。你只是被一份沒人發給你的規格表擋在外面。

而規格這一層有個很好的特性：它不必練，只要有人告訴你。品味得靠年份熬，規格是聽過就能用在下一支片上。三層攤開來比，差別很清楚：

層次	考你什麼	怎麼補起來	誰該做
勞動	體力與耐性	不必補	交給機器
規格	知不知道	有人給你一張清單	你，看過就會
判斷	觀點與品味	只能靠時間累積	只能是你

多數新手把力氣耗在勞動上，把焦慮放在判斷上，卻從來沒有人告訴他們，中間還夾著一層規格。

最扎人的是，這張清單有一半該在開拍前用掉

如果故事停在這裡，結論會是：新手應該學一張後製檢查表。

但我做完第一支真實影片之後，發現的事情比這個扎人得多。

先講清楚一件事：那支片是橫式的課堂精華。直式短影音我當然剪過，而且不只一支，光是七月中到七月下旬就交了十幾支 1080×1920 的成品，課程花絮、口碑短片、工作坊精華都有。但它們沒有一支是那套系統剪出來的。系統的直式規則到今天還躺在待辦清單裡，那十幾支是我另外手刻管線做的；其中三支是先讓系統出橫式母帶，再寫一支腳本把畫面重新排成直式。

這個落差本身就說明了一件事：勞動那一層我已經交給機器，但直式該守哪些規格，還沒被我寫成程式，所以那一段仍然得由人盯著。而我盯出來的東西，恰好全都落在拍攝端。

回到那支課堂精華。素材只有四個檔案，加起來兩分多鐘，最後剪成八十五秒。就這麼一小段，剪輯決策改了六個版本。

第一版是把四段精華拼起來，大約九十秒。

第二版，我做的唯一一件事是把開頭的贅詞剪掉。原話是「就是等於」，切掉之後片長變成 87.74 秒。

第三版，一樣，把結尾那句懸在半空的「然後還有就是」剪掉，片長 85.74 秒。

兩輪所謂的精剪，一共省下四秒多，而且全部花在刪廢話上。沒有加轉場，沒有加特效，沒有加任何一個讓片子看起來更厲害的東西。老實說，剪輯這件事，大部分時候都在做減法。

而這四秒，本來根本不必剪。如果我錄的時候不講那兩句口頭禪，這兩輪工序就不存在。

更狠的還在後面。

那支素材開拍的時候，鏡頭還在架、還在晃，人已經開始講話了。這件事我在〈我讓 AI 接手剪片〉裡提過一次，當時的重點是系統的盲區。這回我想講的是它的帳單：第一次補救，我拿另一段畫面蓋住開場前 6.4 秒，不夠；回頭查才發現鏡頭到第十一秒才真正穩下來，最後只好從 0 秒一路蓋到 12.34 秒。

一支八十五秒的片，開場十二秒是拿別的畫面補起來的。原因只是開拍的時候，沒有等鏡頭停穩。

我把根因寫進待辦清單，當成系統的盲區記錄下來。但真正留在使用手冊裡、寫給人看的那一條建議，是這樣寫的：「開機後先讓鏡頭穩定 2～3 秒再開始說話。」

繞了一大圈，一套會自動剪片的系統交給人的第一條建議，是按下錄影之後先安靜三秒。

不用花錢，不用學軟體，不用等 AI 進步。就三秒。

順帶一提，這支八十五秒的片，從素材落地到最終成片，實際花了兩小時，中間出了十幾個中間版本。我想把這個數字留給每一位覺得自己第一支拍得很爛的人：一個手上有整套自動化流程的人，處理八十五秒的畫面，也是來回改了六版才收工。你第一支重錄三次，非常正常。

直式又另外教了我兩件事

剪那十幾支直式的時候，我又被規格咬了兩次，而且咬的位置很有代表性。

第一次是同一組參數在兩種畫幅下表現完全不同。我那條手刻管線用了一種讓靜態畫面緩慢推近的效果，橫式看起來很正常，同樣的參數換成直式一放，人就變得又高又瘦。原因是放大的時候我直接把畫面硬拉到目標尺寸，沒有鎖住比例；16:9 的畫布看不太出來，9:16 一放大就露餡。改成先等比放大、再裁掉多出來的部分就解決了。這件事的教訓我記到現在：要測就測規格差最遠的那一個，不要測一個就當全對。

第二次更值得寫給還沒開拍的人。有一批素材我想從橫式裁成直式來用，動手前先去量了講者在畫面裡的位置，結果五個段落的臉部水平中心分別落在 38.0%、44.1%、44.9%、45.6% 和 47.2%，全部偏左。換句話說，如果照直覺從正中央裁下去，每一段都會把人切掉一塊。

這個發現最後沒有變成什麼聰明的自動裁切演算法。它變成了清單上的最後一條。

一張你按下錄影鍵之前就用得上的清單

把上面這些倒推回去，我重寫了那張要給新手的表。它不在剪輯階段，它在拍攝階段。

第一，按下錄影，先閉嘴數三秒。讓鏡頭停穩，也讓收音的雜訊沉下來。這三秒還有一個附帶好處：後製的時候，開頭永遠有一段乾淨的畫面可以用來當緩衝。這是整張清單裡投報率最高的一條。

第二，開場三秒直接進正題。不要空景，不要片頭動畫，也不要先報上名號自我介紹。畢竟，你的前三秒是留給觀眾決定要不要待下來的，不是留給你暖場的。

第三，一句話講完再停。要想事情，就在句子與句子的縫隙裡想，不要在句子中間停。同一句話裡停超過 0.6 秒，聽的人就會覺得卡。這件事在剪輯階段修起來非常麻煩，在講話的當下改掉卻幾乎不費力。

第四，講完最後一句話，別急著關。多錄三秒再停。結尾硬切是新手最常見的破綻之一，而它的成本就是那三秒。

第五，拍完先讀自己的逐字稿，不要先看畫面。我那套系統的第一個步驟就是這樣設計的：先只看文字稿決定哪些話要留、哪些話要砍，畫面完全放到後面再處理。你自己讀一遍會發現，你的口頭禪有多密集、廢話有多長。這一步比看任何運鏡教學都有用。

第六，如果你橫式直式都想發，同一段話就橫著拍一次、直著再拍一次。這是最省事的做法。指望後製把橫的裁成直的，你八成會發現人不在正中央。

這六條有個共同點：全部零成本、零設備、當下就能做。它們也全部不是我想出來的，是我把剪輯規則寫成程式、然後被自己剪出來的片子打臉幾次之後，倒著推回去的。

打個比方，這就像煮菜。刀工再好，也救不回一顆買錯的菜。後製是刀工，這六條是選菜與備料，發生在你進廚房之前。

機器抓不到的那些，才是你要練十年的

講到這裡，我得把話說完整，免得你以為照著清單走就會拍出好片。

我在設計那套審片機制的時候，給自己立了一條規矩：影片的主觀品質，一律不打綜合分數，只給紅燈、黃燈、綠燈，外加一句話說明。理由寫在文件裡，是為了避免對主觀的東西做出假精確。

一支片好不好看，沒辦法變成 87 分。誰要是給你打了這個分數，那個小數點是假的。

整理方法論的時候，我也把每一條都標了類別，其中一類叫做人工判斷點，指的是需要人做美感或內容判斷、寫不成規則的那些。這類條目的數量比我原本預期的多。刺激點該放在 25% 的位置，這是規格；什麼東西算刺激點，這是判斷。開場要有一個鉤子，這是規格；那個鉤子該講哪一句話，這是判斷。

還有一條我認為最該講給新手聽的：一支影片的流量上限，其實在你開拍之前就被決定了一大半，決定它的是你選的題目有多少人在乎，其次才輪到表現和剪輯。

換句話說，選題比運鏡重要。運鏡當然有用，只是題目先劃好了天花板，剪輯決定的是你離那個天花板多近。

所以練習的順序應該是這樣的：規格那一層，知道了就別再花力氣在上面；剩下的所有心力，全部押在判斷那一層。順序顛倒的人，會經營出一個技術很乾淨、但沒人想看的頻道。

所以，我改掉了兩個月前那個結論

兩個月前我寫的是：先拍滿三十支，不准刪，不准糾結好壞。

現在我會這樣改。

先拍十支就好，但每一支開拍之前，把上面那六條在腦子裡跑一遍。三十支的意義是練熟一個流程，可是如果你三十支都用同一組壞習慣拍，你練熟的是壞習慣。

拍完之後，只做一件事：把自己的逐字稿讀一遍，列出你的口頭禪。我的是「就是等於」跟「然後還有就是」，你的一定不一樣。列出來，貼在螢幕旁邊，下一支開拍前看一眼。這一件事的效果，勝過買任何一支麥克風。

還有一個練習我很推薦，成本一樣是零。挑一支你自己覺得節奏很好的影片，看的時候每隔一段就暫停，記下兩件事：你現在在看什麼？你現在的心情是什麼？把這些點畫在一個圓圈上。多拆幾支之後你會發現，好片子在哪些位置放什麼，是有規律的，而那個規律會慢慢長進你的直覺裡。這是把別人的品味拆成你自己的規格，而且不必等任何人來教你。

回到工作坊那個問題。

下次再有人問我該買哪一支麥克風，我的答案已經不一樣了——真正的答案是三秒鐘。按下錄影之後，先安靜三秒，讓鏡頭停穩，然後直接講重點，一句話講完再停，講完最後一句別急著關。就這樣。你手上那支舊手機，配上這幾條，已經比一半的人拍得乾淨了。

別追設備，這句話我到今天還是站得住。

只是兩個月後，我會把它講得更準一點：你缺的從來不是設備，是一張沒人發給你的規格表。而那張表上最有用的幾條，全部在你按下錄影鍵之前就用得上，一毛錢都不必花。

• #短影音
• #AI應用
• #內容創作
• #工作流
• #Vista觀點