cacaFly 聖洋科技剖析生成式 AI 挑戰與突破：從靜態圖像走向動態影音的進化之路

在 Media Tech 活動中，cacaFly 聖洋科技雲端智能中心技術副總 CH Wu 以「用魔法駕馭魔法：解鎖廣告素材新生機」為題，分享生成式 AI 在創意製作上的應用觀察。他指出，從圖像到影音，生成式 AI 面臨的核心挑戰是：「如何讓 AI 理解人類語言」，牽動指令設計、模型選擇、運算資源與應用效率。

一個指令，各自表述：生成式 AI 與人類想像的落差

CH Wu 說明，用戶平均需輸入 15 至 30 次提示詞才能得到理想結果，即便是具備經驗的專業創作者，也往往需要反覆嘗試 5 至 10 次。相較文字生成，圖像與影音的試錯成本高出三倍，顯示 Prompt 工程已成為影響內容品質與創作效率的關鍵環節。

AI 仰賴提示詞細節進行運算，對未描述部分會自行補全，導致生成結果與人類期待落差甚大。即使相同提示詞，在不同模型或反覆輸入下，仍難產出一致成果。cacaFly 團隊透過用戶問卷發現，常見問題包括結果不符預期、缺乏創意、圖像用途不明等，顯示目前門檻仍高，影響商用信心。

為改善語意落差，cacaFly 自研 Alchemy 導入 Autoprompt 技術，能自動偵測語意並轉換為 AI 能理解的語法與參數。使用者僅需自然語言表達，系統即可優化提示詞，簡化操作流程並提升品質。

圖像客製化進化：擺脫模型微調依賴

在過往需透過 LoRA 技術進行模型微調才能實現指定風格，門檻高、成本大。隨著技術演進，未來僅需輸入參考圖像，即可客製化人物或商品風格，結合 LLM 語意理解，大幅提升效率。

動態影音生成：多模態 AI 解構腳本邏輯

影片生成需處理動作、鏡頭與場景轉換，對缺乏剪輯經驗者挑戰更大。cacaFly 應用多模態 AI 技術，能分析影片腳本語意與鏡頭邏輯，自動產出具有品質的影片內容，並實際用於廣告產業，提升產出速度與創意表現。

與我們聯繫，邁向 AI 創作新時代

生成式 AI 的潛力巨大，cacaFly 持續優化提示詞、語意轉換與影音腳本處理，讓 AI 更懂人，創作更高效。歡迎與我們聯繫，共創 AI 驅動的內容革新旅程。