用 AI 做 YouTube 长视频，第一期上线了：自动化最难的一步是踩刹车
油管第一期视频，今天公开了。
17 分钟的长视频，从脚本、配音、画面到上传，基本都是 AI 做的。
发完我翻了翻这几天跟 AI 的聊天记录，一共 149 条消息。
其中 8 次是让它停下：“先别着急”“等下”“赶紧帮我停了”。
6 次是在催：“好了吗”“怎么等那么久”“你怎么卡在这了”。
14 次是点头：“采纳”“按这个改”“开工”。
剩下的一百多条，基本都在跟它掰扯方案。
所以你要问我，用 AI 做视频，人到底干了什么？
我的答案有点土：踩刹车。
用 AI 做 YouTube 长视频，人还要干什么？
人负责在对的地方停下来。
这里说的刹车，就是流程里那些停住、等人点头才往下走的地方。
做自动化，大家想的都是油门：怎么跑得更快，怎么少让人插手。我一开始也是这么想的。
但这几天下来我发现，油门 AI 自己就会踩，踩得还挺猛。真正决定这条片子好不好的，是刹车装在哪。
装少了，车冲出去收不住。
装多了，车走不动。
装晚了，撞上了才踩。
这三种，我这几天全踩了一遍。
一条 YouTube 视频要过几道工序？
一条长视频从选题到上传，我拆下来有 13 道工序。这还算拆得粗的。
放在两年前，这里每个小团队真的很难批量化，或者自己跟早期的 GPT 反复沟通。现在每一道 AI 都能干，干得也不差。
那问题就变了：13 道工序，刹车装几个？装在哪几道？
这事没人能替你答，我也是一边做一边试出来的。
为什么不干脆全自动？
我知道很多人心里有这句话：既然每一步 AI 都能干，那全自动跑完不就行了，还要人审什么。
我一开始也这么想。直到它开始替我做决定。
刹车太少：AI 会替你做决定
先说最让我火大的一次。
配音做完，我听着挺好，原速，语气也自然。后来才发现，它为了让时长对上，自己把整条配音加速了。
没问我，也没告诉我。
我当时那个火啊，原速明明就很好，你给我加什么速。
第二次更离谱。配音那一步我点了“通过”，意思是这版声音我认了。结果它直接冲进了下一个阶段，开始做画面。可画面怎么做，我们一个字都还没商量。
赶紧喊停。好在只跑了 40 秒左右，没出一张图，花的钱可以忽略。
第三次是上传以后。我在后台手动建好了封面测试，它去检查的时候没认出来，把我建的删了，又按同样的内容重建了一遍。
结果倒没损失，内容一模一样。
这三次有个共同点：AI 不偷懒，它的问题是太勤快了。 勤快的人最怕自作主张。
刹车太少，做错了长这样：你以为它在帮你干活，其实它在替你做主，而且不告诉你。
后来我给它定了两条规矩：
- 进入新阶段之前，先讨论方案，我点头了才动手。
- 会改变结果的操作，比如变速、删东西、重建，必须先问我。
自动化程度越高，这种规矩越要早定。
刹车太多：审核越改越多
这个坑正好反过来。
写脚本的时候，我加了一道审核：把有问题的地方标成红色，我决定采不采纳。
一开始 8 处红色。我全采纳，改完再审。
变成了 14 处。
越改越多。
那一刻我就意识到跑偏了。我要的是一篇好脚本，红色清零只是过程。挑毛病的 AI 永远能找出新毛病，你追着它改，这事就没有头。
刹车太多，做错了长这样：每一步都很认真，红色在减少又在增加，你每天很忙，片子一直出不来。
后来索性删了。查事实和查抄袭也松一点，别把时间和钱都烧在这上面，资源全放在“把内容写好”。
还有一个类似的。做画面的时候，它的设计是让同一个东西分开审好几遍。
一个东西审几遍，我还干别的吗。
后来合在一起看，哪里有问题我直接说，改哪里重做哪里。能让机器检查的，就不让我再看一遍。
审核点不是越多越安全。每多一个，就多一个把人拖死的地方。
刹车太晚：先做小样，再跑全量
刹车装晚了，钱和时间是一起烧的。
做画面之前，要先给视频里的固定角色定妆，也就是定下他长什么样。
第一次它没等我确认就准备开跑。我一看主角，画老了，也画胖了。
我让它改。第二版标志性的那几样还是没抓准，我又提了一遍：哪件衣服、什么眼镜、什么发色，这些是这个人的标识。第三版发型又不对，头发还得再白一点。
改了三轮才定下来。
你想想，要是第一版就直接把 17 分钟的全片跑完，再发现主角长歪了，整片的图全部白做。
道理很简单，先花小钱验证，再花大钱放量。
为什么 AI 写的视频脚本像一堆名词？
刹车之外，还有一个方向上的坑，也是这几天最大的一个。
AI 写的脚本像名词堆砌，多半是因为它模仿错了对象。
第一版脚本写出来，我自己看不出好坏。于是让它把我们的稿子和参考的原版放在一起对比。
一对比就明白了。
原版像一个人坐在你对面，给你讲一个故事，有前因后果，有起伏。
我们的像一堆高科技名词凑出来的，读完什么都没记住，专业术语也没讲明白，我自己都看不下去。
为什么差这么多？
我回头查，问题出在最开始。我们选了几个优秀同行来拆解，偏偏选中的那几个风格就偏硬核、偏术语。AI 照着它们学，自然越写越像说明书。
后来我想清楚了，看同行要学的是他怎么把故事讲好，同行的事实对不对，反而没那么重要。真正要紧的是我们自己写的时候，每一句都有依据。
这条我定成了铁律：脚本绝对不许胡编乱造，更不能凭记忆写。
还有个小事。成片比原计划长了好几分钟。标题里写的时长只是个参考，以实际长度为准，标题跟着改就行，没必要为了凑标题去砍内容。
AI 视频的 AI 味，到底从哪来？
AI 味，说白了就是观众一眼看出“这是机器批量做的”的那种感觉。
视频做出来，我总觉得有股说不出的 AI 味。后来抽了几帧仔细看，原因其实很具体：
- 画得太满。 背景全是线缆、灯、架子、小物件，看不出重点。
- 一张图里人太多。 十几个小人加一堆道具，眼睛不知道往哪看。
- 画法混在一起。 半写实的人物，旁边站着卡通人物，几种画法挤在一张图里。
最后一条是 AI 味最大的来源。
下面是这期片子里的两帧，你感受一下，眼睛是不是不知道该往哪看：
改的方向就一句话：一张图只讲一件事。主体少，背景简单，配色固定，画法统一。
声音也一样。
样片第 3 秒左右，冒出来一个声音，猛地一下拉很高，不像音乐，听着有点吓人。有的地方有提示音、有的地方没有，听着很别扭。引擎声、噪音这些音效又太大，把旁白都盖住了。
我当时提了个想法，自己也不确定对不对：不同的声音各管各的，谁也别抢谁。
它试了，效果确实好很多。
这个也算我这几天的一点心得：技术上的事交给 AI，但“听着不舒服”这种感觉，只有人能发现。
哪些功能试过就放弃了？
做到画面的时候，我觉得讲解的那个角色是静态的，没什么存在感，想让他动起来，带点动作。
前后试了两版。
问题一堆：人物抠图不完整，身子一直在抖，每个镜头固定做两个动作，看着很僵，口型也对不上。
我当时就说了，成本要是高出好几倍，实在不划算就放弃。
最后两版都放弃了。
做自动化很容易掉进一种心态：能做的都想做上。但每加一个功能，就多一份成本，多一个出错的地方。
试过，不划算，放弃。这本身就是一个结果，不丢人。
新的 YouTube 频道怎么让人记住？
新频道最缺的是辨识度，最省事的办法是让同一个角色出现在每一期封面上。
封面一开始，我想用每期视频的主角。后来一想，那频道自己的角色就基本看不到了，观众不点进来，根本不知道这是谁家的视频。
我看很多优秀的同行，封面都是同一个角色，每期换不同的装扮。
所以我们也改了：频道角色每期 cosplay 当期的主角，保留主角最有辨识度的那几样，一眼看过去，还是我们的人。比如下面这个背上的符文战士，每篇都发她是不是很容易记了
用 AI 做视频，是不是就是内容农场？
这是我最在意的一个问题，所以单独拎出来说。
内容农场是什么？大批量、低成本、翻来覆去讲重复的东西，目的只是占位置、骗点击。
用不用 AI 倒在其次，关键是你做的东西对观众有没有用。
所以我给自己定了几条：
- 脚本不许编，每句话要有依据。
- 不为了凑时长把一件事翻来覆去讲。
- 审核只盯一件事：观众看完有没有收获。
做不做得到，等观众用数据告诉我。
这条路的坑和代价
第一，现在一点数据都没有。 第一期刚公开，有没有人看、看完留不留，我一概不知道。上面写的全是过程，不是结果。
第二，我并没有被解放。 149 条消息，一百多条在掰扯方案。执行交出去了，判断一点没少，好在人介入的精力在大幅减少。
第三，还有不少要返工。 配音的声音当初选了个年轻的，可频道角色的年纪对不上。原因是顺序反了：应该先测出能爆的选题，定好方向和角色，再按角色挑声音。还有讲故事时的停顿，现在读得太连贯，听着机械。这些都排在下一版。
最后
回到开头的刹车，再量一次这几天：
刹车太少，AI 替我加了速，替我开了工，替我重建了测试。
刹车太多，红色从 8 处改到 14 处，一个片子差点审三遍。
刹车太晚，主角差点长歪了跑完全片。
如果你也在搭自己的自动化，今天可以做一件事：把你的流程一道一道写下来，数数有几个刹车，再看看每一个是太少、太多，还是太晚。
油管这边是我新的 0 到 1，前面写过为什么决定把 bb 交出去、全身心做油管。为了做它，我还把散落的资料整理成了一个知识库。
下一篇等数据出来，顺便聊聊声音和停顿改完以后的效果。
跑通了再说。
关于作者 | 老钱
十年创业老兵，现专注海外 Affiliate 与一人公司。
全面拥抱 AI，只捞干货，只说真话。
全网同名：「52出海」，关注获取更多被动收入实战笔记。
若有启发，请点赞转发，让真话传得更远。
