最後更新：2026年8月
隨著生成式AI工具門檻越來越低，「AI短影音」一度被包裝成一條通往流量與財富自由的捷徑。
不用拍攝、不用露臉，只要讓AI生成圖片、影片與配音，就能大量上架YouTube Shorts。這類教學在網路上非常多，也確實有人曾經靠著AI短影音累積大量觀看。
但到了2026年，YouTube釋放出的訊號已經很明確：
大量生產、內容重複、缺乏原創價值，甚至刻意誤導觀眾的AI內容，越來越難長期營利。
AI短影音現在還能賺錢嗎？先說結論
AI短影音仍然可以營利，YouTube也沒有全面禁止AI內容。
真正受到限制的，是大量生產、內容高度重複、缺乏原創價值，或利用AI製造誤導的影片。
如果影片使用AI協助腳本、畫面、剪輯或配音，但仍具備清楚的主題、原創觀點、人工編輯與足夠的內容差異，原則上仍可申請YouTube營利。
如果影片使用AI生成看似真實的人物、事件或場景，則必須依照YouTube規定揭露AI使用情況。
YouTube官方也明確表示，主動揭露AI內容不會直接限制影片觸及，也不會影響營利資格。真正的問題從來不是「有沒有用AI」，而是「AI做出來的內容有沒有價值」。
參考來源：
如果你想先了解AI短影音從爆紅到大量跟風的發展，可以延伸閱讀：
YouTube為什麼開始清理AI短影音？
2025年7月，YouTube將原本的「重複內容」政策進一步改名為「不真實內容」（Inauthentic Content），明確將大量製作、重複及模板化內容列入營利審查範圍。
到了2026年7月，YouTube又進一步說明，平台主要希望降低三類內容：
- 大量生產、重複或高度模板化的內容
- 利用令人不適、悲慘或情緒操弄的題材追求觀看
- 利用AI人物談論醫療、法律、財務等敏感議題
YouTube打擊的並不是AI技術，而是利用AI快速建立內容農場，卻沒有提供足夠原創價值的做法。
換句話說，AI可以讓人提高產量，但如果每支影片都使用相同結構、相同聲音、相似畫面與類似腳本，頻道反而更容易被判斷為大量生產的模板化內容。
這篇不是我的收益實測，而是案例研究
這篇文章並不是「我靠AI Shorts賺了多少錢」的個人實測成果。
內容主要來自我研究國外YouTuber Kellan Henneberry分享的短影音操作方式，再加上我對YouTube政策、內容行銷與演算法的整理。
Kellan曾分享一個無臉Shorts頻道案例，聲稱該頻道在四個月內獲得超過14,000美元收益。
但必須先說清楚：
這是Kellan分享的個別案例，不代表其他人使用相同方法，就一定能獲得相同流量或收入。
頻道收益仍然會受到受眾國家、內容題材、合格觀看次數、音樂使用、廣告市場及頻道營利狀態影響。
參考來源：Kellan Henneberry：This Viral YT Shorts Niche Made Me $14,055
不是運氣，而是用數據找出異常值
Kellan把自己的做法稱為「演算法工程」（Algorithmic Engineering）。
這個概念不是破解YouTube演算法，而是透過數據找到表現明顯高於頻道平均的內容，再分析這些影片為什麼有效。
他關注的核心是：
Outlier Videos，也就是異常值影片。
例如，一個頻道大部分影片只有10萬觀看，卻突然出現一支超過100萬觀看的Shorts，這支影片就值得進一步研究。
需要研究的不是「怎麼複製同一支影片」，而是：
- 影片用了什麼題材
- 第一秒如何抓住注意力
- 內容在哪裡產生反轉
- 畫面多久變化一次
- 觀眾為什麼願意看完
- 留言區出現哪些反應
- 這個題材能不能加入新的觀點
爆款影片可以當成市場訊號，但不能直接當成免費素材庫。
如何使用VidIQ尋找異常值影片？
VidIQ可以協助創作者觀察競爭頻道，找出觀看表現明顯高於頻道平均的影片。
Kellan分享的方法，是尋找表現約為頻道平均4～5倍以上的內容，作為題材研究起點。
不過，這個倍數只是他的個人篩選方式，不是YouTube官方公布的爆款標準。
比較務實的用法是：
- 找出表現明顯高於頻道平均的影片
- 記錄題材、開頭、片長、節奏與敘事方式
- 觀察是否有多支相似題材同時成長
- 找出可以加入自己觀點的新切角
- 製作不同版本進行測試
找出表現明顯高於頻道平均的影片，但數據只能用來尋找題材方向，不代表複製後一定能獲得相同流量。
反向搜尋只能追查來源，不能保證原創
Kellan也提到，可以透過Google反向圖片搜尋，找出影片素材的原始來源。
這個做法確實有助於追查素材是從哪裡出現，但不能因此推論：
找到原始影片，就可以直接下載使用。
反向圖片搜尋只能協助確認來源，不能取代素材授權，也不能保證影片一定符合YouTube的原創內容標準。
比較安全的流程是：
- 先確認素材來源與使用權利
- 檢查是否允許重製、剪輯或商業使用
- 加入具有實質價值的評論、分析或敘事
- 重新安排影片結構，而不是只換字幕或配音
- 保留素材來源與授權紀錄
YouTube官方明確指出，重新上傳其他平台內容、未經實質改造的影片合集，以及沒有加入足夠原創價值的Shorts，可能不列入合格營利觀看。
因此，「評論型Shorts」並不是隨便找一支爆紅影片，加上AI旁白就能安全變現。
參考來源：YouTube Shorts不符合營利資格的內容說明
評論型Shorts還能做嗎？
評論型Shorts仍然可以做，但重點不是有沒有旁白，而是你究竟增加了多少新的價值。
比較有機會被認定為原創內容的做法包括：
- 解釋影片背後的事件或知識
- 提出自己的觀察與立場
- 比較不同案例的差異
- 重新建立完整敘事
- 加入實際查證與補充資料
- 讓觀眾因為你的內容，得到原影片沒有提供的資訊
如果只是把別人的影片重新剪短、改字幕、換AI聲音，或在開頭加上一句評論，仍然可能被認定為重複或再利用內容。
判斷標準不能只是「我有沒有修改」，而應該是：
如果拿掉原始素材，我的觀點和內容還剩下多少？
AI的角色不是取代創作者，而是提升製作效率
AI最適合協助的不是大量複製，而是加快原本需要人工處理的工作。
例如：
- 整理題材與資料
AI可以協助整理不同影片的共同結構、觀眾痛點及內容切角，但最後仍需要人工查證與選擇。
- 建立腳本初稿
AI可以快速產出開頭、敘事與反轉版本，但不能只是把原影片逐句改寫。
- 規劃分鏡與生成素材
AI可以協助建立分鏡、生成過場畫面或補充B-roll，降低影片製作門檻。
- 加快字幕與剪輯
字幕、降噪、畫面裁切與節奏整理，都可以交給AI工具協助，但最後仍需要人工確認。
- 測試不同版本
同一個題材可以測試不同開頭、旁白與節奏，找出真正能讓觀眾停下來的版本。
AI可以讓創作者變快，但不能替創作者產生觀點。
AI配音會影響YouTube營利嗎？
AI配音本身不代表不能營利。
YouTube也將複製自己的聲音，用於旁白或配音，列為通常不需要額外揭露的製作輔助。
真正的風險是整個頻道大量使用相同聲音、相同模板、相似腳本與重複畫面，讓內容看起來像批量生產。
另外，如果使用AI模仿真實人物的聲音，讓對方看起來像說了實際上沒有說過的話，就可能涉及AI內容揭露、肖像權及其他法律風險。
因此，聲音像不像真人不是唯一問題。
更重要的是：
- 旁白是否自然
- 內容是否有明確觀點
- 聲音是否與畫面搭配
- 是否使用未經同意的人物聲音
- 每支影片是否具有足夠差異
參考來源：YouTube哪些AI內容需要揭露？
2026年AI短影音工具怎麼選？
AI短影音工具變化非常快，與其追求一套工具完成全部工作，不如按照製作階段選擇。
| 製作階段 | 工具類型 | 主要用途 |
|---|---|---|
| 題材研究 | VidIQ、YouTube Analytics | 找異常值影片、分析頻道與受眾 |
| 腳本與分鏡 | ChatGPT、Gemini等生成式AI | 整理題材、腳本初稿與分鏡 |
| 畫面生成 | Veo、Adobe Firefly等 | 文字生成影片、圖片轉影片與過場畫面 |
| 配音與音訊 | AI配音、降噪工具 | 旁白、音訊修復與多語言處理 |
| 剪輯與字幕 | CapCut、Premiere等 | 剪輯、字幕、節奏與格式調整 |
Google目前的Veo 3.1支援文字生成影片、圖片生成影片及音訊影片生成；Adobe Firefly則整合多種影片模型、比例設定及影片編輯功能。
但工具功能、免費額度與價格經常調整，選擇時仍應以官方最新資訊為準。
參考來源：
想看更完整的腳本、分鏡、生圖與影片生成流程，可以延伸閱讀：
為什麼Shorts觀看數會在某個階段停住？
很多人會問：
為什麼我的Shorts經常停在幾千、幾萬或2～3萬觀看，之後就不再成長？
比較合理的理解是，Shorts被推薦給不同觀眾後，如果新一批觀眾的反應開始下降，後續推薦量就可能逐漸減少。
根據YouTube官方說明，推薦系統主要從三個面向理解內容表現：
- Appeal：觀眾是否選擇觀看
- Engagement：開始觀看後是否持續看下去
- Satisfaction：看完後是否感到滿意
創作者可以觀察的Shorts數據包括：
- 觀眾選擇觀看或滑走的比例
- 平均觀看時間
- 平均觀看百分比
- 觀看次數與有效觀看
- 按讚、留言、分享與訂閱表現
- 觀眾從哪些來源看到影片
因此，影片停在2～3萬觀看，不代表碰到固定的演算法天花板。
比較可能的情況是：
影片擴大到下一批觀眾後，整體表現沒有繼續領先其他競爭內容。
參考來源：
【圖片位置二：建議更換原本的2～3萬觀看圖片】
圖片內容建議：
主標題：Shorts是否繼續擴大推薦，看的是整體觀眾反應
流程：
吸引觀看
↓
持續觀看
↓
互動與滿意度
↓
是否擴大推薦
下方列出四項數據：
觀看／滑走比例｜平均觀看時間｜平均觀看百分比｜互動表現
不要再放入：
- 前4秒離開就停止推播
- 滑走率必須低於20%
- 2～3萬是固定流量門檻
建議檔名：youtube-shorts-recommendation-signals.png
ALT：YouTube Shorts推薦系統觀察的觀看與滿意度訊號
圖說：YouTube不只看單一滑走率，也會綜合觀察觀眾是否選擇觀看、持續觀看，以及看完後的滿意度。
第一秒還重要嗎？
第一秒仍然非常重要，但不是唯一因素。
Shorts出現在動態中時，觀眾可以立刻滑走。因此，開頭必須快速讓人理解：
- 這支影片在講什麼
- 為什麼值得繼續看
- 後面可能出現什麼結果
- 與自己有什麼關係
常見的有效開頭包括：
- 直接呈現衝突
- 先讓觀眾看到結果
- 提出明確問題
- 出現不符合預期的畫面
- 說出觀眾熟悉的痛點
但如果開頭很吸引人，後面的內容卻無法兌現承諾，觀眾一樣會離開。
所以真正需要優化的不是只有第一秒，而是從第一秒到結尾的完整觀看理由。
2026年以後，什麼樣的AI Shorts能留下來？
工具只會越來越方便，AI影片的產量也只會越來越高。
當所有人都能快速生成影片後，單純「會用AI」就不再是競爭優勢。
未來更有機會留下來的內容，通常會具備幾個特徵：
- 有明確主題，而不是隨機生成
- 有自己的觀點或敘事
- 素材來源與使用權利清楚
- 不只更換字幕、配音或畫面
- 每支影片都有足夠差異
- 願意根據數據持續調整
- 使用AI提升品質，而不是只增加數量
AI不會直接讓一個頻道失去營利資格。
真正危險的是，把AI當成大量複製內容的機器，卻沒有思考觀眾為什麼要看。
我的判斷：AI短影音紅利沒有消失，只是門檻改變了
AI短影音的紅利沒有完全消失。
消失的是那種只要大量生成、每天上架，就有機會躺著獲得流量的想像。
YouTube需要的不是更多影片，而是更多觀眾願意看、願意看完，而且看完後覺得值得的內容。
未來真正有機會留下來的，不是單純的AI內容製造者，而是懂得結合：
- 題材判斷
- 數據分析
- 原創觀點
- 敘事結構
- 版權意識
- 平台規則
AI可以協助完成製作，但不能代替你決定這支影片為什麼值得存在。
我是布朗
AI短影音系列延伸閱讀
如果你想繼續了解AI短影音，可以依照以下順序閱讀：
引用與參考資料
- YouTube頻道營利政策
- YouTube Shorts營利政策
- YouTube生成式AI內容揭露規定
- YouTube如何判斷內容表現
- YouTube Shorts數據分析指標
- YouTube進一步說明AI低品質內容政策
- Kellan Henneberry短影音收益案例
- Google DeepMind Veo 3.1
- Adobe Firefly AI影片生成工具
AI短影音常見問題
AI短影音現在還能申請YouTube營利嗎？
可以。YouTube沒有全面禁止AI內容。
如果AI短影音具有原創觀點、人工編輯、清楚敘事與足夠的內容差異，仍然可以申請營利。大量生產、內容重複、模板化或缺乏實質價值的影片，則可能被判定為不真實內容。
使用AI生成影片一定要揭露嗎？
不一定。
如果AI只是協助腳本、字幕、縮圖、降噪或複製自己的聲音，通常不需要揭露。如果影片利用AI生成看似真實的人物、事件或場景，則需要在YouTube Studio中揭露AI使用情況。
AI內容揭露會不會影響觸及或營利？
YouTube官方表示，揭露AI內容本身不會限制觀眾觸及，也不會直接影響影片的營利資格。
但如果創作者持續未揭露應該揭露的AI內容，YouTube可能主動加上標示，情況嚴重時也可能移除內容或暫停YouTube合作夥伴計畫資格。
下載TikTok或Instagram影片，加上旁白就算原創嗎？
不一定。
加入旁白不代表一定符合原創內容標準。影片還需要加入具有實質價值的評論、分析、查證或重新敘事，也必須確認素材來源與使用權利。
為什麼Shorts經常停在2～3萬觀看？
YouTube沒有公布固定的2～3萬觀看門檻。
影片停止成長，比較可能是擴大到新一批觀眾後，觀看選擇、觀看時間、平均觀看百分比或滿意度訊號開始下降，因此推薦量逐漸減少。
YouTube Shorts最重要的數據是什麼？
不建議只看單一指標。
可以綜合觀察觀眾選擇觀看或滑走的比例、平均觀看時間、平均觀看百分比、有效觀看，以及按讚、留言、分享與訂閱等表現。