[AI Workflow] 讓家裡的 AI 每天自己做新聞短片：本地模型當導演，80.6 分鐘壓到 5–10 分鐘

前言

寫文章寫久了，總覺得差點意思。光靠文字跟截圖，有些東西就是講不清楚，所以我一直想做做看動畫。

動畫真的做完一支之後，下一個念頭很自然：能不能讓 AI 自己來做？挑新聞、寫稿、用我的聲音配音、出畫面，全部交給家裡的機器。

一開始的流程卡在三個地方。第一，每支片都要我看過才能上。第二，本地模型當導演，一支片要 80 分鐘，一天排不了幾支。第三，做得出來的字幕新聞畫面只在及格邊緣。

現在家裡兩台 AI 電腦每天自己挑新聞、寫稿、用我的聲音配音、做成動畫短片上 YouTube 頻道「AI-Muninn」。我不用逐支看過才放行。

這篇前半講產線長什麼樣、版型和導演怎麼選、80 分鐘怎麼壓到 10 分鐘以內，還有做了 240 支之後為什麼決定降量。後半是踩過的坑，不讀不影響理解前半。

---

一天跑四輪：選題到上傳全自動，審稿和寫稿用不同的模型

產線一天跑四輪，時間是 09:36、13:36、17:36、21:36。每一輪做的事一樣：

選題(RSS / 官方部落格 / X / Hacker News)
 → 找資料
 → 寫稿(DS4.1)
 → 事實查核(MiniCPM-V 4.7 + Qwen3.8-Flash-Next)
 → 外行人讀得懂檢查
 → 翻成英文
 → 用我的聲音配音(VoxCPM2)
 → 依版型導演出畫面
 → 上傳 YouTube，中文、英文各一支

寫稿的是 DS4.1，跑在兩台 DGX Spark 上。DGX Spark 是 NVIDIA 出的桌上型 AI 電腦，我這兩台各有 128GB 記憶體；DS4.1 太大，一台裝不下，所以把模型拆成兩半、兩台各跑一半(安裝過程寫在兩台 DGX Spark 跑 DeepSeek V4.1 Flash)。配音用 VoxCPM2 加我的聲音，細節在一張 2080 Ti 撐起每天所有新聞短片的配音。

事實查核刻意交給另外兩顆模型：MiniCPM-V 4.7 和 Qwen3.8-Flash-Next。原因很直接：作者不能審自己。我在導演那一步試過讓 DS4.1 審自己做的片，它看到省略號開頭，自己說「可接受」就放過去了。換成另一顆模型審，實際跑一輪就抓到開場和結尾吐槽張冠李戴。同一顆模型寫的東西，它審的時候會覺得每一句都很合理。

全自動之後，最怕的是「出錯的片自己上架」。我的做法是硬關卡只留兩道：事實錯、成人內容，碰到就整支不做。其他問題(畫面、字幕、念法)一律自動修，修完附一行警告，不擋片。關卡越多，產線越容易整天交不出東西。

五種版型輪流用，只看畫面的盲評：動畫版 84 分，字幕新聞 61–68

每支片隨機抽一種版型，不會連續兩支同款：字幕新聞、火柴人動態、剪貼畫、白板，11-09 再加分層扁平動畫。

要知道哪種版型做得好，我不想每支自己看，所以讓 Qwen3.8-Flash-Next 當評審，只看畫面、不知道是誰做的，四項加總 75 分，換算成 100 分。同一支片請它重評一次，分數會差 4–6 分，所以我定了一條規則：差距小於 10 分，不算誰比較好。

這張表看最右欄：動畫類版型都在 80 分以上，字幕新聞落在 61–68。

版型	只看畫面的分數(100 分制)
字幕新聞	61–68
火柴人動態	84
剪貼畫	84
白板	舊版 74.7 / 新版 81.3(成對比較平手，沒換)
分層扁平動畫(試作)	84.0

所以 11-09 起字幕新聞不再參加輪替，只當失敗時的退路。

火柴人、剪貼畫、字幕新聞都有已經公開的片，可以直接看成品：

「定稿就一定交片」是另一條規則。任何版型整支失敗，就退回字幕新聞照常交；只有某一個場景的動畫失敗，那一鏡改成靜態圖慢慢推近，其他鏡頭照用，不整支退。稿子都查核過了，不該因為畫面出問題就丟掉。

本地模型當導演：火柴人那組分數最高，字幕新聞小輸 Opus

「導演」這一步是讓模型決定每一鏡要畫什麼、字卡怎麼放、動畫怎麼接。我拿同一份稿、同一段配音，讓不同模型各導一支來比。

火柴人那組，7 鏡全部是動畫鏡：

導演	分數	耗時
DS4.1	89.3	24 分 56 秒
Sonnet	84.0	19 分 31 秒
Codex	82.7	—

89.3 和 84.0 差 5.3 分，評審重評本來就會差這麼多，光看分數分不出誰好。所以我另外做了成對比較：把兩支片並排給評審，問它哪支比較好，再把左右對調問一次，兩次都挑同一支才算數。結果兩次一致：DS4.1 贏過 Sonnet，Sonnet 贏過 Codex。本地模型慢了五分多鐘，但做出來的片比較好。

字幕新聞那組換成 Opus 對 DS4.1，三題，一樣同稿同配音。評審分數 Opus 77.8、DS4.1 72.0，差不到 6 分，也在雜訊內；成對比較 Opus 2 勝 1 平。我自己盲選三題都選了 Opus，但兩邊其實很接近。耗時平均 Opus 632 秒、DS4.1 820 秒；回合數 Opus 42–61 回、DS4.1 16–24 回，Opus 改得比較多次，總時間反而短。

結論是字幕新聞改由 Opus 導，Opus 失敗再退給 DS4.1。火柴人留給 DS4.1。

harness 把白板導演從 80.6 分鐘壓到 5–10 分鐘：一輪只消一類重複動作

DS4.1 一開始當白板導演，一支片要 80.6 分鐘，中間跟工具來回 116 次(每次是「想一下、做一個動作、看結果」)。同類片 Sonnet 只要 7.4 分鐘。

這裡的 harness，是我替模型準備的工作環境：給它的工作說明、一張「這個動畫引擎能做什麼」的速查表、可以呼叫的小工具(例如算秒數的計算機)、做完之後自動挑錯的檢查程式，還有每個階段准它用哪些工具。模型本身不變，換的是這一圈。

看起來很像本地模型能力不夠，但我覺得不是。我把它每一步做了什麼的紀錄攤開來看，時間幾乎全花在重複動作上：在思考裡手算秒數、反覆讀同一個檔、一次只看一張圖、同一處改好幾次。

舉一個最具體的例子。白板片的每張字卡要停幾秒、整支片在第幾秒結束，都要照配音算出來。DS4.1 一開始是在自己的思考裡一筆一筆加減，算完不放心再算一次，改一個地方又全部重算。我給它一個專門算這件事的小工具、規定不准自己心算之後，一支片從 51.9 分鐘掉到 13.6 分鐘。模型還是同一顆，只是不用再自己按計算機。

做法很像幫新同事抓工作習慣：

1. 先寫下「理想上它應該怎麼做」：讀一次速查表、想好企劃、一口氣做完、檢查一次、修一輪、交件。
2. 對照它實際做了什麼，列出哪一類多餘動作最多、最花時間。
3. 一輪只解決一類，先解最花時間的那類。解法通常是補一個工具或一條資訊，讓它不用再那樣做。
4. 每一版都存一份可以退回的版本，記下改了什麼、快了多少。
5. 事先定好什麼時候停，到了就收手。

每一輪消掉的東西都很具體。第一版把程式收成單一檔、資料直接內嵌、補一張速查表、檢查一次列出所有缺陷，降到 51.9 分鐘。第二版給它一個算停留和完稿時間的工具，禁止在思考裡手算，直接掉到 13.6 分鐘。之後收掉規劃階段的工具權限、把座標和字框交給程式算、讓檢查報告直接說「哪個字卡要縮到幾個字」，最後一版 5.4 分鐘、16 回合。中間有一版反而回升到 10.9 分鐘，所以我寫的是 5–10 分鐘，不是 5 分鐘。

有一條邊界我一直守著：harness 只砍浪費、抓明確的缺陷，畫什麼留給模型自己。

完整的版本表和這段過程踩到的坑，放在後半的「進階」。

一天做 20 支沒有比較多人看，所以降到一天最多 4 則

產線穩定之後，我用 YouTube API 把 10 月底以來約 240 支新聞短片的數字拉出來看(11-09 讀)。

日產量從 1 支到 20 支都有，但每支片的觀看數沒有跟著產量變：一天做 20 支，每支被看的次數跟一天做幾支的時候差不多，多做的片沒有多換到人看。同一段時間觀看最多的，反而是我自己做的硬體實驗長片。

所以我把產量降到每輪 1 則、一天最多 4 則，省下來的力氣拿去顧品質。產線能自己跑之後，下一個要解的問題變成「什麼樣的片有人看」，那就不是多做幾支能回答的了。

---

進階

不讀這節不影響理解前半。下面是 harness 的完整版本表，以及產線上線後遇到的幾個問題：每一條講發生什麼、怎麼發現、怎麼修。

harness 每一版改了什麼

同一題(PaperPilot)，每版打 tag。

版本	改了什麼	分鐘	回合
舊做法	—	80.6	116
h1	單一程式檔、資料內嵌、速查表、檢查一次列全部缺陷	51.9	91
h2	停留／完稿時限計算工具，禁止思考內手算	13.6	26
h3	用 agent 框架的擴充，在規劃階段收掉工具權限	9.5	21
h4	座標／字框交給程式	10.9	33
h5	檢查報告直接說哪個字卡縮到幾字	5.4	16

對照：Sonnet 用舊 harness 做同類片 7.4 分鐘。

這段過程裡幾件會重複遇到的事：

• 提示裡寫「只檢查兩次」沒用。 h1 的模型自稱檢查了 2 次，事件紀錄裡是 7 次。要限制次數，得從工具權限硬擋，光在 prompt 裡要求它沒用。
• 為了壓時間，把品質也砍掉了。 h3 禁止讀引擎原始碼，速查表又太短，DS4.1 根本不知道白板筆、板擦、磁鐵這些功能存在。Sonnet 的片用到 6–9 類功能，DS4.1 只用 2 類。h6 把速查表補齊之後，它才開始用斜線填色和虛線。
• 用數字逼構圖，模型會玩弄數字。 h7 加了「可畫高度小於 50% 就警告」，模型就加一條裝飾底線，把高度撐上去。
• 同題重跑會吃到伺服器的前綴快取，時間不可比。之後每次測都換新題。
• 測試材料不能讓執行者自己挑、自己寫。 那樣稿子會越來越沒料，片子越做越空洞。一律用正式產線的稿。
• 思考等級我自己盲選過。 開 high、而且確實做完一輪修改的最好；同樣開 high、10 回合就交件的比較差。

中間 5.875 秒黑畫面：公開後才被抓到

發生什麼： 一支講 Grimes 的英文版，中間有 5.875 秒幾乎全黑，佔全片 51.88 秒的 11%。

怎麼發現： 片子已經公開，是每天自動跑的回顧檢查抓到的。

怎麼修： 加一道黑畫面自動檢查，偵測到就只重做那一鏡，不整支重做；這支片重做後換掉。

為了修字幕重疊，把整個主畫面縮小

發生什麼： 有一版字幕跟畫面重疊，我為了讓位，把整個主畫面縮小。結果字幕新聞和白板兩個版型的版面都壞了。

怎麼發現： 我自己看片看到的。

怎麼修： 字幕設定改成綁在版型上，每個版型各管各的，不再一改全部跟著動。

念錯字：「擴張」和「空殼」

發生什麼： 配音把「擴張」的擴、「空殼」的殼念錯。

怎麼發現： 我聽出來的。

怎麼修： 念法表補上兩條：「擴張」標成「闊張」、「空殼」標成「空咳」。

吐槽結尾改成可選，結果 55 支裡 0 支有吐槽

發生什麼： 每支片原本用一句吐槽收尾。我把它改成「可選」，想讓模型自己判斷哪些題目適合。結果接下來 55 支裡，0 支有吐槽。可選，到模型手上就變成永遠不選。

怎麼修： 改成非敏感題預設要吐槽。重跑 10 支，10 支都有，而且都過了來源查核。

事實查核擋下「她就是間諜」

發生什麼： 一則 Nvidia 調查執行長與一名女性關係的新聞。原始資料寫的是「備忘錄指稱她可能被招募來監視他」，稿子寫成了「她就是間諜」。

怎麼發現： 事實查核那一關擋下來的。

怎麼修： 這支直接不做。這是兩道硬關卡之一，碰到就整支丟掉，不嘗試自動修。

選題限時 35 秒，太短

發生什麼： 選題那一步的時間上限設成 35 秒，設的時候沒有回頭看過去每輪實際花多久。

怎麼修： 查歷史紀錄，最長一次是 420 秒，上限改成 600 秒，大約是歷史最長的 1.4 倍。限時要從實際跑過的數字算，不能憑感覺填。