AI 現場轉播的魅力
最近，AI 現場轉播影片在社交媒體上迅速走紅，無論是 NBA 的比賽、KBO 的職棒賽、F1 的賽車，甚至 K-pop 的演唱會，這些影片都吸引了大量觀眾。作為一名自動化與 AI 系統架構師，我深刻體會到這種內容的魅力，它不僅能夠吸引觀眾，還能提供一種全新的觀看體驗。尤其是這些影片的質感，讓人幾乎無法辨識出是 AI 創作的，這無疑是技術進步的一個重要標誌。
為何選擇全自動化
當我開始嘗試製作這類影片時，發現手動製作的過程繁瑣且耗時。需要自己撰寫提示詞、調整鏡頭、控制角色動作，甚至不斷測試 AI 模型的穩定性。這些繁瑣的工作讓我決定將整個流程自動化，使用 n8n 工作流來簡化這一切。
AI 現場轉播的特點
AI 現場轉播的特點在於它能夠模擬真實的觀眾反應，角色的動作自然流暢，像是揮手、比愛心等微小動作，這些都是吸引觀眾的重要因素。隨著技術的進步，這些細節的表現越來越真實，讓觀眾感受到身臨其境的感覺。
自動化工作流的設計
在設計這個工作流時，我的目標是簡化操作，讓使用者只需提供一張角色參考圖和選擇運動類型，然後由系統自動生成相應的提示詞。這樣的設計不僅提升了效率，也降低了使用門檻。透過 n8n，我能夠將不同的 AI 模型串聯起來，實現全自動的工作流。
角色參考圖的使用
使用者只需上傳一張角色參考圖，系統就會根據選擇的運動類型自動生成相應的提示詞。這樣的設計不僅方便使用，還能確保生成的內容具有一致性，讓觀眾感受到更真實的現場氛圍。
生成提示詞的智能化
在這個工作流中，我讓 GPT 自動生成最適合的現場轉播提示詞。這樣一來，不同運動的觀眾氛圍、燈光、轉播 UI 等都能夠得到精準的反映，進一步提升影片的真實感。
生成與審核流程
在圖片生成後，我設計了人工審核的步驟，這是為了確保生成的內容質量。雖然 AI 的效果已經相當不錯，但有時候仍會出現一些不自然的情況，比如手部動作怪異或構圖不佳。因此，我在 Notion 中設計了一個審核界面，讓使用者可以方便地檢查生成的內容。
人工審核的重要性
人工審核的步驟對於提高影片的質量至關重要。雖然 AI 模型的表現越來越穩定，但偶爾仍會出現一些問題，例如人物的構圖不自然或動作不協調。這時候，人工審核就能夠幫助我把關，確保生成的內容符合預期。
影片生成的自動化
在審核通過後，工作流會自動將生成的圖片轉換成影片，這一過程中我特別控制了角色的動作，讓它們不會突然變得不自然。這樣的設計使得生成的影片更符合觀眾的期待，提升了觀看體驗。
成本與模型選擇
在這套工作流中，我使用了多種 AI 模型，這些模型的選擇對於生成質量和成本都有直接影響。對於圖片生成，我選擇了 GPT Image 2，因為它在穩定性和質感上都有著優異的表現。而在影片生成方面，我則使用了 Wan 2.7 Image To Video，這兩者的搭配讓整個工作流的效果達到了最佳。
圖片生成的成本
使用 GPT Image 2 生成 4K 圖片的成本大約是每張 16 credits，換算下來約為 0.08 美金。這樣的成本在目前的市場上算是相當合理，尤其是考慮到生成的質量和效果。
影片生成的經濟性
在影片生成方面，Wan 2.7 的價格也相當親民，720P 每秒 16 credits，1080P 每秒 24 credits。由於 Shorts 類型的影片通常只需要 5 秒，因此整體成本相對較低，讓我可以在不超過預算的情況下，實現高品質的內容創作。