前面第 16 篇，我開始測試用 Codex＋HyperFrames，把一段錄音自動變成知識短片。

到了第 17 篇，又進一步把 AI 數字人放進影片裡。

照理說，做到這裡，該有的東西幾乎都有了。

字幕有、標題有、知識卡有、動畫有、轉場有，甚至連左下角會說話的 AI 講師都有了，可是我把成品打開來看，還是一直有一種感覺：「嗯……它會動沒錯，可是怎麼還是很像 PPT？」

這個問題其實讓我卡了一段時間，因為從功能上來說，影片沒有壞，該出現的都有出現、文字也跟得上錄音、畫面甚至比一般簡報豐富很多。但就是少了一種：真正的「影片感」。

後來我才慢慢發現，問題根本不是：動畫太少。而是：畫面還是在用「簡報」的思考方式，而不是用「故事」的思考方式。

這也是我後來開始接觸：Illustrated Storytelling。

也就是：用插畫、場景、構圖和視覺變化，真正替聲音說故事。

先講最重要的結論：有動畫，不等於有影片感

這句話我現在非常有感。

例如一張知識卡，標題從左邊滑進來、Icon 從下面彈上來、三個 Bullet 一個一個 Fade In、最後按鈕再跳一下，這當然叫動畫。

但是如果從頭到尾都只是：文字卡、Icon、方框、條列，那觀眾看到的其實還是：簡報。只是這份簡報會動而已。

PPT 動畫真正的問題，不是它不好，而是它太「元件導向」

PPT 很習慣把畫面拆成：標題、副標、三個重點、一張圖片、一個 Icon。

然後再問：這個元素要怎麼進場？從左邊？從下面？淡入？放大？

這是一種：Element Animation。也就是「元件動畫」。

但是影片真正更重要的問題其實不是：「這個字要怎麼飛進來？」

而是：「這一秒，觀眾到底應該看什麼？」

這就是我開始從「做動畫」改成「設計視覺焦點」

以前一個 Scene 裡可能有：標題、四個 Bullet、一張圖、三個小 Icon、AI Presenter、字幕。

我會想：每一個都做點動畫好了。結果就是：全部都在動。但觀眾反而不知道要看哪裡。

後來我的想法開始改成：每一個時間點，只安排一個主要視覺焦點。

例如第 0～2 秒：先看一句問題。第 2～4 秒：焦點移到一張插畫。第 4～5 秒：再 Highlight 一個關鍵字。這時畫面才開始有：引導。

簡報是在「展示資訊」，Storytelling 是在「帶觀眾走」

我覺得這是兩者最大的不同。

簡報式動畫	Illustrated Storytelling
一次展示一組資訊	讓資訊依故事順序發生
以文字和卡片為中心	以場景和視覺事件為中心
問「元素怎麼進場」	問「觀眾現在應該看到什麼」
畫面常固定不動	視角、焦點、構圖會改變
動畫裝飾內容	動畫本身參與敘事

例如同一句話，可以有完全不同的做法

假設口播說：「每天忙著處理很多事情，不代表你真的完成了最重要的事。」

如果是 PPT 思維，我可能會做：

• • 標題：忙碌 ≠ 有效率
  • 下面三個 Bullet：工作很多、時間很滿、重要事情卻沒完成，然後三點依序飛進來。

這沒有錯，但是 Illustrated Storytelling 可以完全不同。

畫面先是一個人坐在桌前。

桌上堆滿：Email、手機通知、文件、行事曆、時鐘快速走動、人物一直在處理。

但畫面角落那一張真正重要的企劃書，從頭到尾沒有被碰到。最後鏡頭把其他東西慢慢淡掉。

只留下：那一張沒完成的重要工作。這時甚至不用打很多字，觀眾就已經懂了。

這就是「畫面自己會說話」

我後來越來越在意這件事情。

如果把影片靜音，只看畫面，觀眾能不能大概理解：這一段在講什麼？

如果完全看不懂，只看到：漂亮卡片、文字、Icon。

那畫面其實沒有真正參與內容，只是：替聲音做裝飾。

真正好的 Illustrated Storytelling，應該是：聲音負責說，畫面負責演。

所以插畫不是「找一張漂亮圖放上去」

這也是我後來才慢慢理解的。

以前講到插畫，我可能會想：這一段講辦公室，就做一張辦公室 AI 圖。這一段講焦慮，就做一個人在皺眉。這一段講學習，就放一個人在看書。

這其實仍然比較像：配圖。

Illustrated Storytelling 要再往前一步。它不是問：「這一段放什麼圖？」而是問：「這一段要發生什麼事？」

「圖」和「Scene」是不一樣的

一張圖可能只是：一個人坐在桌前。

一個 Scene 則要思考：人物在哪裡？正在做什麼？視線看哪裡？前景有什麼？背景有什麼？哪個物件最重要？下一秒什麼東西會改變？

也就是從：Static Image 變成：Visual Scene。

我現在會先替每個 Scene 寫一句「視覺事件」

這個方法我覺得很好用。

以前 Scene 可能只寫：

Scene 02
主題：時間管理
畫面：辦公室插畫

現在我反而會寫：

Scene 02
視覺事件：
桌面通知越堆越多，
時鐘持續走動，
真正重要的企劃文件被壓在最下面。

這兩種寫法的差別非常大。

前者只知道：要有一張辦公室圖。後者開始知道：畫面要發生什麼。

Illustrated Storytelling 的第一個關鍵：人物要有行動

如果插畫裡的人物永遠只是：站著、坐著、看鏡頭、指著文字。

很快還是會變成：人物版 PPT。

所以人物最好有明確行動。

例如：翻找文件、停下來思考、望向窗外、伸手拿咖啡、滑手機、關掉通知、把一張紙從文件堆裡抽出來，只要人物「正在做事情」，畫面就比較容易活起來。

第二個關鍵：物件也可以參與故事

其實不一定每一段都需要人物，有時候物件反而很好用。

例如講：資訊太多，可以讓：Email、訊息泡泡、文件、通知，一個一個堆進畫面，講優先順序，可以讓十張待辦卡慢慢縮成三張，最後只剩一張被 Highlight。

講流程，就讓一個物件從 A 點走到 B 點。

這些都比：直接打三個 Bullet 更有畫面。

第三個關鍵：場景要有前景、中景、背景

我覺得這是讓 PPT 感消失得非常快的一個方法。

因為 PPT 通常是：一個平面，文字和圖片都貼在同一層。

但真正的場景會有：Foreground、Midground、Background。

例如咖啡店：前景可以是一個模糊的咖啡杯、中景是正在工作的主角、背景則有人走動、窗外街景，哪怕只是插畫，只要有這三層，畫面立刻就比較像：鏡頭，而不是：投影片。

第四個關鍵：鏡頭不一定真的移動，但畫面要有「攝影思維」

Illustrated Storytelling 不代表一定要做很複雜的 Camera Animation。

就算是一張靜態插畫，也可以用：特寫、中景、遠景、Over-the-shoulder、俯視、側面，來改變觀看感受。

例如同一個人在工作。

• • 第一個 Scene：遠景，看整個混亂辦公桌。
  • 第二個 Scene：特寫手機通知一直增加。
  • 第三個 Scene：特寫時鐘。
  • 第四個 Scene：再回人物表情。

這樣即使內容沒有變很多，也已經比：一張畫面從頭撐到尾有影片感很多。

第五個關鍵：不要把口播每一句都翻成大字

這也是我最容易做過頭的地方。

因為口播有一句，就很自然想：那我畫面也打一句。

結果影片就變成：聲音唸一次、字幕寫一次、大標題再寫一次，同一份資訊重複三次，其實很浪費。

比較好的做法是：口播負責完整句子、字幕負責可讀性。

大字只抓：真正值得記住的兩三個字。

例如口播：「真正耗掉時間的，往往不是工作本身，而是不斷被打斷。」字幕照常顯示。

大字只需要：「被打斷」其他交給畫面去演。

第六個關鍵：轉場不能只是為了「換頁」

PPT 的轉場通常就是：上一頁出去、下一頁進來。

但是故事型影片的轉場最好是：上一個畫面的某個東西，帶出下一個畫面。

例如：時鐘特寫、鏡頭放大進時鐘、下一幕直接變成行事曆，或者人物把文件翻過去，文件背面就變成下一個 Scene。

再例如：手機畫面放大，下一幕直接進入手機裡的聊天視窗，這種轉場就不是「切換畫面。」而是：故事繼續往下走。

第七個關鍵：一個 Scene 不要塞完整的一張「海報」

這是我覺得 AI 生圖特別容易出現的問題。

因為我們很容易一次生成一張：漂亮、完整、資訊滿滿、構圖完整，像海報一樣的圖片，然後直接拿去做影片。

可是問題也來了。

一張圖本來就已經把所有資訊講完，HyperFrames 後面還能做什麼？最多就是：Zoom In、Zoom Out、平移，這也是為什麼做到後來，我開始覺得：一張完整 AI 插畫，其實還不夠。

這正好會接到下一篇的：Layered Motion Graphics。

但是在進入 Layered Motion Graphics 之前，要先有 Story Frame

我現在會把整個流程想成：

Audio
↓
Transcript
↓
Scene
↓
Visual Event
↓
Story Frame
↓
Layer Split
↓
Motion

也就是說，不要一拿到錄音就直接：找 Icon、做動畫。而是先決定：這一段故事到底長什麼樣子。

什麼是 Story Frame？

我現在會把 Story Frame 理解成：這個 Scene 最重要的那一格畫面。

有點像漫畫的一格、也有點像電影分鏡。

如果這一格完全不動，它本身還是要：看得懂、有焦點、有構圖、有情緒，等這一格成立後，再想：哪些東西可以動。

這和我第 16 篇學到的「先把靜態畫面做好，再做動畫」其實是一樣的

只是現在又再往前一步。

以前的靜態畫面可能是：漂亮的知識卡。

現在的靜態畫面則變成：一個有故事的場景。

所以真正的變化不是：動畫技術變強。而是畫面思考方式變了。

我現在會怎麼判斷一個 Scene 還是不是太像 PPT？

我大概會看幾件事情。

如果一個 Scene 把所有動畫停掉之後，只剩：一個標題、三個 Bullet、一個 Icon、一張配圖，那通常還是 PPT 邏輯。

如果停掉動畫後，看到的是：一個人物、一個具體情境、有前景、有空間、有動作暗示、有視覺焦點，那就開始比較接近：Storytelling。

我也開始把影片裡的文字分級

文字類型	用途
字幕	完整跟著口播，負責理解
Key Phrase	只顯示真正要記住的關鍵字
Scene Label	必要時交代時間、地點或階段
圖內標示	協助理解流程、方向或物件

這樣就不會每一段都變成：畫面上塞很多文字。

數字人加入後，更需要 Illustrated Storytelling

因為第 17 篇加入 Presenter 之後，如果主畫面還是 PPT：

那最後就會變成：左下角一個會說話的人＋後面一張簡報。本質其實還沒有變。

反過來，如果主畫面本身是一個：有角色、有場景、有物件變化、有視覺焦點、有情境推進的 Story Scene，那 Presenter 才比較像帶著觀眾看故事的人。而不是簡報旁邊的講師視窗。

所以 AI 講師和 Storytelling 其實不是二選一

我現在反而覺得最理想的結構是：知識故事是主體。

AI 講師負責陪伴與轉場、字幕負責理解、動畫負責焦點與節奏，四個各有工作，不要全部搶同一件事情。

如果是 15 秒短片，我現在會怎麼改？

例如同樣 5＋5＋5 秒。

以前可能是：

時間	PPT 式做法
0–5 秒	標題＋Icon＋一句 Hook
5–10 秒	三點知識卡
10–15 秒	總結卡＋CTA

現在我可能會改成：

時間	Storytelling 做法
0–5 秒	一個具體人物／情境衝突出現
5–10 秒	畫面事件變化，把原因演出來
10–15 秒	視覺收斂，留下答案與一個 Key Phrase

內容可能完全沒有變，但觀看感受會完全不同。

我現在甚至覺得：Shorts 越短，越需要視覺敘事

因為 15 秒根本沒有時間讓觀眾：慢慢讀四個 Bullet。

如果一眼就看到一個場景：觀眾反而更容易理解。

例如：「資訊過載。」

與其寫：訊息很多、注意力分散、工作效率下降。

不如直接讓一個人物被：Email、LINE、通知、文件，一層一層包圍，可能一秒就懂了。

這也是 AI 插畫真正有價值的地方

以前如果每一個 Scene 都要真人拍，成本其實很高。辦公室、咖啡廳、下雨、捷運、不同人物、不同物件，根本拍不完。

但 AI 插畫可以讓我們先建立：場景、角色、光線、構圖、情緒。

再交給 HyperFrames 去做下一層的 Motion。

所以 AI 生圖真正有意思的地方，不只是：「幫我做漂亮素材。」

而是：讓以前拍不到的 Story Frame，變得可以大量產生。

但是如果每一支影片都重新生不同人物，也會有新的問題

例如：第一支女生長這樣、第二支又變成另一個人，第三支衣服不同、第四支臉型又不一樣，整個系列就會沒有一致性。

所以如果未來真的大量做 Illustrated Storytelling，我覺得還要慢慢建立：角色規則、色彩規則、場景規則、插畫風格。

甚至：Story Visual DNA，這樣影片才不會每一支都像不同頻道。

做到這裡，我開始發現「影片 Skill」要記錄的不只是字幕與尺寸

一開始我的影片 Skill 可能只需要記：1080×1920、15 秒、字幕貼底、芫荽字體、5＋5＋5。

但是做到 Illustrated Storytelling 後，Skill 還需要知道：每個 Scene 要有 Visual Event、不要只做資訊卡、人物要有行動、畫面要有焦點、文字不要重複口播、要有景別變化、轉場最好承接故事，這才開始變成真正的：影片語言規則。

我現在最想避免的一句指令就是：「幫這張 PPT 加更多動畫」

因為如果底層還是一張 PPT。

動畫加再多，也只是：更華麗的 PPT。

比較好的問題應該是：「這段內容如果不用文字解釋，我要怎麼把它演出來？」

只要開始問這個問題，畫面就會開始不一樣。

Tina學姐這次最大的體會：不是讓元素動，而是讓故事動

我覺得這句話很適合當這篇的結論。

PPT Animation 比較像：讓元素動。

Illustrated Storytelling 則是：讓故事動。

人物改變、場景改變、物件改變、焦點改變，觀眾的理解也跟著一步一步前進。

這時動畫才不是裝飾，而是內容本身的一部分。

寫在最後：從「會動的簡報」開始走向真正的影片

做到第 18 篇，我覺得自己的 AI 短影片流程又往前走了一步。

一開始我只在意：有沒有字幕、有沒有動畫、畫面會不會太單調。

後來開始加入：AI Presenter、圖片、知識卡、更多 Motion。

但是做到這裡，我才真正發現：影片好不好看，最底層的問題不是動畫數量。

而是：有沒有一個值得被看的視覺故事。

先有 Story、再有 Frame、最後才有 Motion。這個順序，我覺得非常重要。

好看的影片，不是把簡報做得更會動，而是讓聲音真正長出一個視覺世界。