把 45 分鐘的研討會演講剪成 Shorts：AI 挑什麼，你改什麼

一場研討會演講是四十五分鐘講者已經排練過、對著鏡頭、用好麥克風講出來的素材。它也是最可能在硬碟裡原封不動的錄影，因為要把它變成短片，意味著開著時間軸把整段再看一遍。AI 短片產生器的意義，就是替你看。

本指南講的是 ClapClip for Windows 裡的工作流程：AI 對一段長錄影做了什麼，什麼離開你的機器、什麼不會，以及在任何東西發布之前，講者自己的判斷還得在哪裡介入。

重點

• AI 看的是逐字稿，不是畫面。 ClapClip 在本機轉錄演講，為每一段發言的鉤子、流暢度、價值和趨勢評分，然後回傳得分最高且互不重疊的時刻。
• 只有文字逐字稿會送出去做片段挑選。 轉錄和算繪在你的 PC 上執行；影片檔從不上傳。
• 字幕是主角。 短影片是靜音看的。逐字字幕會燒進畫面，隨著每個字被說出而高亮，而且在匯出前可以編輯。
• 先審核再算繪。 候選片段是一份入圍名單，不是決定。片段裡看不到的投影片引用、或需要鋪陳的笑話，要靠你抓出來。

什麼讓一場演講成為好素材？

演講有三樣東西是 Podcast 或直播常常沒有的：事先準備的結構，所以強的時刻是成群出現的；只有一位講者，所以聲音乾淨；鏡頭大多停在人身上，所以直式裁切有一張臉可以跟。

它還有一樣東西：投影片。一個依賴觀眾正在看的圖表的時刻，變成講者的臉的九秒直式片段後是活不下來的。這是在候選片段裡第一個要找的東西。

規則： 片段必須在看不到投影片的情況下說得通。如果講者說「正如你們在這裡看到的」，那是給完整影片的片段，不是給 Shorts 的。

載入錄影時會發生什麼？

1. 本機轉錄。 語音在你的 Windows PC 上轉錄。這和應用程式做字幕用的是同一個辨識引擎，每個字都有時間點。
2. 評分。 逐字稿送到 AI 片段分析，為演講的每個部分在鉤子、流暢度、價值和趨勢上評分，回傳得分最高且互不重疊的時刻。影片檔不會跟著送出；送出的只有文字逐字稿。
3. 候選片段。 你得到的是一份待審核的片段清單，每段附有字幕和建議的主題標籤，而不是一組做好的匯出檔。
4. 本機算繪。 你保留的片段會裁成 TikTok、Shorts 和 Reels 用的 9:16，需要的話也有 1:1 和 16:9，字幕燒進畫面，全部在你自己的機器上完成。

對於在研討會媒體協議下被錄影的講者，這個分工很重要：錄影本身留在原處，和 AI 分享的只是一場公開演講的逐字稿。

怎麼審核候選片段？

用三個問題過一遍入圍名單，並預期淘汰的數量和保留的差不多：

• 能獨立成立嗎？ 第一句話必須對沒看過演講的人也管用。從論證中間開頭的片段需要前面那一句；從笑點開頭的片段已經失去了鋪陳。
• 畫面撐得住嗎？ 裁切會跟著講者。如果鏡頭有一半時間切到觀眾或投影片，修剪它或丟掉。
• 這是你願意被引用的主張嗎？ 挑釁的一句話在鉤子上得分高。脫離脈絡之後，它也是會被截圖的那一句。只留下你在訪談裡願意再說一次的。

字幕在匯出前可以編輯。修正辨識引擎弄錯的專有名詞、產品名、同事的名字，然後用手機大小讀一遍：換行糟糕的字幕比沒有字幕更難讀。

規則： 如果你不會在無法回覆的情況下用自己的名字發這段片段，就剪掉它。

字幕應該長什麼樣？

應用程式會燒入逐字字幕，隨著每個字被說出而高亮，並提供表情符號和關鍵字強調。專業演講要節制使用強調：高亮片段主題的那個詞，而不是每三個字一個。卡拉 OK 式的高亮是讓靜音觀眾跟下去的東西；表情符號是看你發布給哪群觀眾的選擇，資安研討會不是料理頻道。

對照實際說的話檢查字幕。逐字稿對一般發言是準確的；它最不可靠的是人名、縮寫，和演講自創的那一個新詞，而那正是片段存在的目的——傳播它。

一場演講該產出幾段片段？

比入圍名單少。四十五分鐘的演講可能產出十來個候選，而好的貼文是五、六則，分散在活動後的幾週發布，而不是一個下午全部發完。順序很重要：先發解釋演講在講什麼的片段，接著是需要那個脈絡的片段，把最犀利的一句留到大家已經知道講者是誰的時候。

每段片段離開機器時都帶著自己的字幕和主題標籤，所以發布本身是這份工作裡的小部分。

這不會做的事

• 它不讀投影片。講者提到的圖表或程式碼範例不會出現在片段裡，除非鏡頭拍到了。
• 它不會改善糟糕的錄影。從後排用現場收音拍的演講，產出的是有缺口的逐字稿和一張很小的臉的片段。向主辦方要攝影機訊號。
• 它不替你做決定。評分依據的是時刻讀起來怎麼樣；一個時刻是否代表這場演講，是講者的判斷。

相關指南

• 長影片轉 Shorts介紹這個工作流程建立在其上的功能。
• Shorts 自動字幕說明字幕樣式和匯出前可以編輯的內容。
• 長音訊轉錄是單獨的轉錄步驟，給那些你只想要文字的演講。