從外婆、通勤到一碗牛肉麵：AI 影像創作者 Chris 怎麼把感覺變成畫面

會生成，不等於會創作

這場線上分享的講者 Chris，從 2024 年開始研究 AI 圖像與影片生成，一路做到現在，累積了大量個人作品，也接過商業委託與企業分享。他在分享一開頭就點出一個許多人會忽略的落差：生成一個畫面並不難，真正困難的是把一個想法完整地做成作品。

他提到自己很常遇到學員或客戶，一開始就想做「一個大的製作」或完整劇情，但這類計畫往往需要很多人一起參與，不是初學者適合的起點。相對地，他自己的作品大多從生活裡很小的念頭開始：外婆年輕時的照片、朋友下班回家那種「電力耗盡」的表情、甚至只是突然想吃一碗牛肉麵。

先有畫面感，工具永遠在換

Chris 回顧自己 2024 年前在學 Midjourney 時，為了做出想要的效果，曾經一句一句手寫提示詞，寫了上千句、花了兩三天才摸出結構。但他也提到，那些花三個月學會的技巧（例如「萬物遷移」），常常在模型一更新之後就失效了。

這段經驗讓他得出一個結論：工具會一直更新，人會越做越輕鬆，但唯一不會變的，是你對這件事情有沒有先有畫面感。如果腦袋裡沒有畫面，不斷換工具也做不出有感覺的作品；看影片的人其實很精明，能分辨出創作者是不是真的對這個題材有感覺。

從失敗片段學會判斷

分享中，Chris 坦承自己後台有大量「報銷」（失敗）的素材，不會特別只秀成品。他舉了接寵物飼料廣告的例子：完全沒做過的題材，他先看了二、三十支同類型廣告，找出市場驗證過的鏡頭邏輯（例如寵物抬頭看主人、食物掉落、往前走的鏡頭），再套進自己的作品裡。

他也分享了一套判斷「畫面值不值得留」的方法：關鍵不是這顆鏡頭有沒有崩壞，而是它有沒有完成接到下一顆鏡頭的任務。就算一顆鏡頭做得很漂亮，接不到下一個畫面，他還是會先留著放進素材庫，而不是直接刪掉。

AI 做不到的時候，不要硬幹

Chris 特別提到一個常見誤區：當 AI 無法精準控制某個細節（例如頭髮飄動方向、電箱門會不會晃動）時，很多人會不斷重跑、不斷花錢去「糾正」它。他自己過去也踩過這個坑，後來發現讓 AI 自由發揮，常常比硬去控制細節的結果更好。遇到模型目前就是做不到的限制，他會改用運鏡方式規避（例如用特寫取代大動作鏡頭），而不是跟模型硬碰硬。

跟 AI 聊天，也是一種能力

他也觀察到，很多學員不太會跟 AI 溝通，傾向用「等老師講」的方式學習，而不是主動提問、追問到底。Chris 建議，遇到專有名詞或不懂的地方，可以直接請 AI 用「小學生邏輯」解釋，再把確認過有效的技巧或分鏡存下來，重複用在下一支作品裡，直到完全熟練。

給正在學 AI 影像創作的人

整場分享沒有停留在工具介紹，而是圍繞著一個核心問題：當 AI 把製作門檻降低之後，創作者真正需要留住的能力是什麼。Chris 的答案很直接：是判斷一個畫面為什麼成立、知道什麼時候該放手、以及持續用生活裡的感覺去餵養作品。這些能力沒辦法靠單一工具教會，只能靠一支一支作品慢慢累積出來。