你錄了一段 30 分鐘的口播，原始素材有人臉有聲音，但鏡頭全程不動——這是 2025 年中後期最多內容創作者的痛點。要讓它在 YouTube / B站 / TikTok 上有「專業感」，必須配 B-roll 副鏡頭。手工挑素材 + 剪輯 + 對齊每段差不多要 2 小時，而 2026 年的 AI 工作流可以把這件事壓到 15 分鐘。

什麼是 B-roll？為何 2026 年人人都在做？

B-roll 是相對於 A-roll（主鏡頭，通常是人臉口播）的「副鏡頭」——展示主講人說話內容的相關畫面、空鏡、動畫、產品演示等。為何 2026 年特別火：YouTube 演算法獎勵留存率、TikTok / Reels 必要節奏（每 2-3 秒切鏡頭）、AI 工具成本降到位（以前要花 $200 買 stock footage 訂閱，現在 AI 自動匹配 + 生成都白菜價）。

完整工作流四步法

步驟 1：從口播字幕提取 B-roll 關鍵字

第一步不是找素材，是先弄清楚要找什麼。把口播錄像傳給字幕生成工具，拿到 SRT 字幕，讓 LLM（GPT-4o / Claude / Gemini）按 5-10 秒場景輸出建議的 B-roll 關鍵字（中英雙語，便於素材庫搜尋）。

步驟 2：AI 素材匹配（三種來源）

來源	適合場景	成本
Stock footage（Pexels / Pixabay 免費版、Storyblocks 訂閱）	通用場景	免費-$30/月
AI 影片生成（Sora / Veo / Pika / Runway）	特殊場景	$20-60/月
自己錄的小素材庫（手機隨手錄的空鏡）	原創感	時間成本

實操經驗：前 70% 用 stock footage、20% 用 AI 生成、10% 用自己錄的——品質和成本的平衡點。

步驟 3：自動剪輯節奏（B-roll 切入點判定）

規則：A-roll 單段別超過 5 秒、強調詞（「例如」「你看」）觸發切 B-roll、數字 / 列表配數據可視化、情緒轉折點切鏡頭。LLM 在第一步 prompt 加一條「同時標註每個時間區間是 A-roll only 還是 B-roll cut」即可。

步驟 4：CutFast 整合方案

CutFast 接入點：1) 匯入主口播自動轉寫字幕；2) AI 高光預識別在 30 秒到 1 分鐘內標出主口播 3-8 個高光段；3) 劃字幕選要保留的段；4) 預留 B-roll 槽位匯出 XML（即將上線）到 Final Cut Pro / Premiere / DaVinci 繼續精剪；5) CutFast 桌面版匯出原畫質 MP4。

效率對比：

任務	手工流程	AI 工作流（含 CutFast）
字幕生成	30 分鐘	1 分鐘
B-roll 關鍵字清單	60 分鐘	5 分鐘
素材搜尋匹配	45 分鐘	10 分鐘
時間軸剪輯	30 分鐘	5 分鐘
總耗時	2 小時 45 分	約 21 分

常見錯誤

B-roll 全程播放（A-roll 完全消失）：B-roll 比例建議 30-50%，超過 60% 留存反而下降
素材時長不匹配：stock footage 10-15 秒一段，先按口播節奏切短
B-roll 內容與口播無關：先看 B-roll 的「情緒 / 資訊」是否對齊口播，再決定要不要用
忘記給主鏡頭加字幕：B-roll 段必須保留口播字幕

常見問題

B-roll 必須用付費 stock footage 嗎？

不必須。Pexels、Pixabay、Mixkit 等都提供免費可商用素材。

AI 生成的 B-roll 能用於 YouTube 商業影片嗎？

主流 AI 影片工具的付費版都允許商用，免費 / 試用版通常僅限個人非商用，使用前必看服務條款。

我口播是中文，B-roll 關鍵字清單要中英雙語嗎？

強烈建議雙語，stock footage 庫的搜尋詞以英文為主。

CutFast 能直接生成帶 B-roll 的成品影片嗎？

CutFast 現階段專注「主口播的精華段選取 + 本地匯出」，B-roll 時間軸對齊建議導出 XML 到專業剪輯軟體完成。

寫在最後

2026 年的內容創作分水嶺，不在「能不能用 AI」，而在「能不能把 AI 的粗剪能力，疊加上人的審美和敘事判斷」。CutFast 在這個工作流裡承擔「主口播精華段輸出」這一環。打開 cutfa.st 上傳一段原始口播，體驗「劃字幕選高光」的工作流入口。

—— CutFast 團隊

AI 自動生成 B-roll 副鏡頭完整工作流（2026 版）：從關鍵字提取到一鍵剪輯