替格莉奇做一支 25 秒的自我介紹

早上剛做好兩個給 AI 用的素材庫(姿勢參考圖、網頁動態效果),十點多就拿來替格莉奇拍一支自介短片。骨架會跟著配音開口、中段插三張新畫的 CG、片尾導到週三直播,三種比例。這篇記怎麼做出來的,還有中途改過的地方。

Yaze Lin

格莉奇自介短片的一個畫面:她伸手指向鏡頭,背景飄著問號對話框

格莉奇有一支自我介紹短片了,25.5 秒:

另外還有 1:1 和 9:16 兩個比例,給 FB、IG 和 Reels 用。

這支片是給還不認識格莉奇的人看的,看完知道她是誰、她的梗是什麼,以及每週三晚上有直播。如果你也想用 AI 替自己的角色做一支類似的短片,後半段的做法和坑應該用得上。

起點是早上那兩個素材庫

今天早上我先叫 AI 做了兩個 repo:一個是日文姿勢參考圖庫的繁中版,1,439 張無臉人台線稿;另一個是網頁動態效果收藏的快取,327 種效果。兩個都附了 skill,AI 可以用關鍵字查素材、拿到圖片網址。

做完我問了一句:

我們現在擁有的資源更多了,有沒有可能 幫格莉奇 拍一段30秒的廣告短片 用來讓格莉奇向大家自我介紹?

那是 10 點 21 分,三種比例在 12 點 10 分輸出完。

AI 先問了四件事讓我選:畫面怎麼做、台詞用舊的還是重寫、出哪些比例、片尾導去哪。我選的是骨架和新 CG 混著用、台詞重寫、三種比例都要、片尾導週三直播。

台詞我自己改了一輪

AI 寫的第一版有「虛擬主播,頻道第二年」,結尾是「每週三晚上八點,直播見」。它自己也問了一句:結尾由格莉奇說「直播見」,聽起來像她會出現在直播裡,她跟直播是什麼關係?我回它:

不要頻道第二年,問我什麼我都馬上回答,快就是我的個人特色,代價是記不了太多事,所以每天晚上我會抄一次以免忘記,如果你常常來找我講話,我就不會忘記你,每週三晚上八點,直播見(其實是我直播這樣會很奇怪耶????不是格莉奇啊???

週三的直播是我在主持,格莉奇是門面,不一定在場。我選了 AI 提的另一個方向,讓她幫忙宣傳:「對了,每週三晚上八點有直播,也來看看吧。」

「記不了太多事」和「常常來找我講話,我就不會忘記你」都是格莉奇原本的設定:她被做成不查就答,手邊放不下太多事,一直被叫出來的才留得住。

配音用的是《格莉奇與黑洞先生》全書共用的那組聲線,每句生兩版。其中「如果你常常來找我講話」這句,AI 一共生了九版,音高全部低於全書檢查的門檻。看起來是這句的讀法本來就在那個音域,數字判斷不了,就交給我選,我留了第一版。

骨架改成一格一格算

開場和結尾的格莉奇是 glitch-2d 的骨架:會揮手、會換表情,嘴型跟著播放的聲音動。

AI 一開始寫了瀏覽器錄影的腳本,跑起來才發現缺錄影要用的 ffmpeg;它也判斷瀏覽器錄影的畫質偏低,就改成逐格渲染:讓骨架頁面的時間由腳本推進,每推 1/30 秒截一張透明的 PNG;嘴型不聽真的聲音,改吃配音檔預先算好的音量,公式和骨架原本的一樣。開場那段 70 張,結尾那段 396 張。

第一次這樣做,整段嘴巴都沒動。AI 為了「不真的出聲」,把一個無效的網址塞給播放器,播放器回報錯誤,骨架就以為講完了。改成給真的音檔(只是不播出來)才好。

CG 退了兩張,捧臉那張最後用了 b 版

中段三張 CG 是 codex 畫的,參考圖是骨架的三視圖和上半身設定圖,加上早上那個姿勢圖庫裡挑的姿勢:指向鏡頭、雙手捧臉、雙膝立起的坐姿。圖庫裡沒有「在桌前寫字」這種帶道具的姿勢,抄守則本那張只能先拿坐姿頂。

AI 自己退掉兩張:

  • 抄守則本的第一版照著坐姿畫,她坐在地上、雙膝立起,鏡頭從低處看向短裙,AI 判斷這種構圖不適合放進公開的廣告。另外本子的內頁畫成彩色像素圖,看不出在抄寫。重畫時拿掉姿勢參考圖,改成坐在矮桌前寫字,腿在桌子底下,內頁是一行行的手寫字。
  • 捧臉那張的第一版,視線往畫面左邊看,飄走的記憶方塊卻在右上,「看著記憶飄走」的意思沒出來。

另一個出問題的是她臉頰上的像素十字。設定上只有右臉有一個,AI 第一份提示詞自己把左右寫反了,捧臉那張就照著畫在左臉。改成「她的右臉(正面看是畫面左邊)」重畫,結果兩邊臉頰都畫上了。最後寫明「只有一邊臉頰有,是畫面左側那邊,另一邊沒有」,才畫對。

三張臉部特寫並排:骨架只有右臉有十字標記;CG2 b 版兩邊臉頰都有;CG2 c 版只有右臉

捧臉那張最後有 b、c 兩版,c 版的標記是對的,我選了 b。b 版兩邊臉頰都有標記,比設定多一個;AI 當時看縮圖跟我說成「畫反了」,寫這篇放大對照才看清楚。這張在片中只有 2.5 秒左右。

我說換場不夠緊

AI 做了一個確認頁,把初剪、每張 CG 的候選、每句配音的各版都放上去,我點選、存檔,它再讀回去。第一輪看完初剪,我跟它說換場的接續不夠順、不夠緊,可能是語音前後有空白靜音。

AI 量了一下,每段配音的頭尾帶著 0.08 到 0.44 秒的靜音,加上它在鏡頭之間又留了空檔,每次換場前後都空了大約一秒。

它的改法:

  • 每段配音頭尾的靜音修掉。
  • 一句講完 0.15 秒就切畫面,切過去 0.08 秒就開口。
  • 結尾兩句本來是兩個構圖一樣的骨架鏡頭,中間硬切一刀,改成一個連續鏡頭。

總長從 30 秒縮成 25.5 秒。AI 的判斷是硬撐回 30 秒的話片尾要空等 9 秒,又會變鬆,我沒有要它撐回去。

背景音樂我得單獨聽才分得出來

第一版的背景音樂是 AI 用程式合成的 8-bit 循環,暫時頂著。《格莉奇 4KB》那首歌從第 0 秒就有人聲,沒有前奏可以截。我請它改用 gemini-web 生。

它生了兩首純音樂,各混成一支完整影片給我比。但有人講話時音樂會自動壓低,配在影片裡我聽不出來,請它把音樂單獨放出來聽,才選了 pop 版。

名字和片尾字卡

名字「格莉奇」和片尾的直播資訊,是從亂碼一個字一個字解出來的;換場時畫面會錯位、紅藍分色閃一下。這兩個效果都是早上那個動態效果庫裡的(亂碼揭示、故障切片),AI 照它的做法改寫成可以逐格渲染的版本。

片尾的 QR code 連到 LINE 社群「AI 許願池」,三種比例 AI 都用掃描工具解碼過一次。

想一起看直播的

每週三晚上八點,在 LINE 社群「AI 許願池」免費直播,不用報名:https://line.me/ti/g2/xshYqZH3DLsqO8XNipmG3abL_KM6DORU7da5Lw

想先認識格莉奇,可以去格莉奇OS跟她聊天。