跳至主要內容
Kevin Chang
05AI MediaAI 媒體

YT Album Flow Studio

AI 音樂製作與發佈自動化平台

AI Music Production & Publishing Automation Platform

AI 音樂製作與發佈自動化平台。

In Active Development / Real Production Use持續開發中/已用於實際產出
  • Media Pipeline媒體產線
  • Multilingual多語
  • Quality Gate品質關卡
Hover to magnify · click to expand滑鼠移入可放大,點擊看完整畫面

Problem問題

真實問題是什麼

AI 音樂製作真正耗時的部分,不是生成歌曲。是生成之後的那一整段:多語字幕、時間軸對齊、翻譯、媒體處理、品質檢查、Shorts 切段、長版影片與上架準備。

這些工作重複、瑣碎、而且容易出錯——錯了通常也不會立刻被發現,等到影片已經上架才被觀眾指出來。以一張專輯十幾首歌、五種語言計算,人工處理的錯誤率不是可能,是必然。

所以這個系統的核心不是「幫我做字幕」,而是建立一條可以重複執行、可以中斷續跑、而且會自己抓出錯誤的產線。

Why Existing Workflow Fails原有流程的問題

原本的做法為什麼會壞

  • Manual alignment accumulates drift

    手動對齊會累積漂移

    逐首手動調整時間軸時,每首歌的微小誤差會往後累加。到專輯後半段,字幕與人聲的落差已經大到無法用微調修正。

  • Timing QC cannot see wrong content

    時間軸 QC 看不出內容錯誤

    只檢查時間是否連續、有無重疊,並不能發現「整首歌的歌詞掛錯了」。時間完全正確、內容完全錯誤的字幕,機器檢查會全部放行。

  • One interruption means a full rerun

    中斷就得重跑

    長流程一旦在中途失敗,若沒有續傳機制就必須整批重來,重複付費且浪費時間。

  • Five languages times a dozen tracks

    五種語言乘上十幾首歌

    人工逐語檢查在數量上不可行。品質必須靠流程保證,而不是靠最後一關的人力。

System系統

系統流程

  1. Album專輯輸入Input · 輸入

    依播放順序編號的音檔與歌詞

  2. Track Workflow單曲流程Process · 處理

    以單曲長度累加計算精確邊界

  3. Subtitle / Alignment字幕與時間對齊Process · 處理
  4. Translation翻譯AI · 模型

    繁中 · 英 · 日 · 韓 · 西

  5. Quality Gate品質關卡Process · 處理

    時間 QC + 內容覆核(比對人聲與歌詞)

  6. Human Review人工覆核Human · 人工

    只看被標記為異常的項目

  7. Media Processing媒體處理Process · 處理
  8. Publishing Output發佈素材輸出Output · 輸出

    長版 / Shorts 素材

整條流程可中斷續跑,已完成的段落不會重新計費。

Key Design Decisions關鍵設計決策

關鍵設計決策

  1. 01

    Absolute time, not relative accumulation

    用絕對時間,不用相對累加

    以單曲長度累加算出每首歌的精確邊界,再在邊界內逐首對齊歌詞。這讓單首歌的誤差不會傳染給下一首。

  2. 02

    Content review separate from timing QC

    內容覆核與時間 QC 分開

    時間 QC 檢查連續性,內容覆核則實際聽人聲與歌詞比對,用來抓「整首對錯」這種時間檢查看不出來的錯誤。兩者解的不是同一個問題。

  3. 03

    No forced alignment to paper over gaps

    不用強制對齊補洞

    強制對齊會把錯誤的詞硬塞進時間軸,產出一個看起來很整齊但內容是錯的結果。寧可標記為異常交給人看。

  4. 04

    Resumable jobs

    斷點續傳

    每個階段的結果都落地,中斷後可從失敗點續跑而不重複呼叫付費 API。

  5. 05

    A repeatable system, not a one-off script

    可重複的系統,不是一次性腳本

    設計前提是下一張專輯、下下一張都會用同一條流程,而不是每次由人盯著跑一輪。

Tech / Architecture技術與架構

實作組成

  • Python
  • Subtitle Alignment字幕時間對齊
  • Media Pipeline媒體產線
  • Job Queue任務佇列
  • FFmpeg
  • YouTube Data / Analytics API

只列與這件作品直接相關的組成,不作為技能清單。

Status / Boundary完成度與限制

完成度與限制

In Active Development / Real Production Use持續開發中/已用於實際產出
  • In Active Development,同時已用於實際專輯產出流程。

  • Shorts 流程只負責挑選精華段並切出音檔,不合成影片、不輸出對嘴影片。

  • 翻譯品質以可讀性與詩意為目標,非逐字直譯,且未逐語言人工全檢。

  • 頻道曝光與 CTR 等指標 API 未完整開放,該部分仍需匯出報表補齊。