公司引進AI怎麼用之『製作影片』沒有高階顯卡，也能做 AI 影片？用 Google 雲端 GPU 實作

可以，影片生成的運算可以放到 Google Colab 的雲端環境，本機用瀏覽器操作。我們在 2026 年 10 月 13 至 14 日，搭配 Gemini 協助處理製作流程，完成約 3 分 25 秒的《朝歌妖狐》角色演唱影片。

這代表沒有高階顯卡，也有機會先做出測試成果。不過，這次仍需要安裝環境、準備模型與素材，長片後段也出現畫面異常。因此，本篇分享的是進階實作紀錄，並非訂閱後按一下就能交付影片的服務教學。

本篇以付費 Google AI／Colab 運算資源為使用前提。一般 Google 雲端硬碟儲存方案不等於具有相同的 Colab 權益；GPU 型號與可用性也依實際分配為準。

1. Colab、Gemini 和 Google Drive，各自負責什麼？

先分清楚工具的工作，才不會把「跟 AI 對話」與「真正執行影片生成」混在一起。

1. Google Colab：執行程式與模型。 可以把它理解成瀏覽器裡的程式工作台，程式在雲端機器執行。本次影片生成所用的 GPU 就在這裡。

2. Gemini：協助處理程式與流程。 我們透過對話協助推進製作；實際生成仍由部署在 Colab 的程式與模型執行，不能把成果說成 Gemini 對話框直接生成。

3. Google Drive：保存需要留住的檔案。 模型、素材、程式備份與成品分開保存，環境重建時才知道哪些可以重新接回來。

延續這個系列，我們仍以 Google 工具串起工作流程。不過，這次還使用了另外部署的生成模型與程式；這些並不是訂閱 Google AI 就附送的完整影片工作台。

2. 付費方案與運算額度，開始前先看哪裡？

Google 已宣布，符合資格的 Google AI 付費訂閱加入 Colab 權益，既有 Colab 訂閱也可疊加。Ultra 另有背景執行與 Premium GPU 存取等權益。Google 官方公告

購買或執行前，先登入自己的帳戶，確認三件事：

1. 方案是否包含 Colab 權益。 不要只看到「Google 訂閱」就認定適用；以帳戶顯示及官方方案內容為準。

2. 剩餘運算單位與消耗速率。 運算單位不是小時。估算可使用時間，要用「剩餘單位 ÷ 每小時消耗單位」，並依當下環境顯示核對。

3. 目前可連到的 GPU。 付費不代表每次都會拿到 A100，更不能保證每次取得相同顯示記憶體或不會中斷。Colab 官方說明資源與使用限制會變動。Colab 官方 FAQ

本次沒有完整的每次執行時間與額度消耗紀錄，因此無法據此算出「每分鐘影片成本」，也不會把這次經驗當成公司的預算保證。

3. 我們這次拿到什麼環境？

原製作紀錄留下兩次配置：

1. 2026 年 10 月 13 日：NVIDIA A100-SXM4-40GB，GPU 顯示記憶體 40GB，系統 RAM 約 83.5GB。

2. 2026 年 10 月 14 日：NVIDIA A100-SXM4-80GB，GPU 顯示記憶體 80GB，系統 RAM 約 167GB。

這是這次實際取得的配置，不是讀者訂閱後一定會取得的規格。GPU 顯示記憶體與系統 RAM 也屬於不同資源，不能加起來當作同一種記憶體比較。

對公司來說，值得先驗證的是：自己的素材、模型與目標影片能否跑起來，以及成果是否符合用途。硬體數字很高，仍然需要實際生成與驗收。

4. 從工作台到成品，我們怎麼做？

這次先把模型與素材接好，再由短測試逐步拉長。以下是實際流程的整理，截圖是當時的自用工作台，不能直接當成所有讀者都能照貼執行的通用筆記本。

1. 準備素材與執行環境。 整理角色圖片、歌曲音訊與程式，連接 Colab GPU 環境，再安裝或恢復所需模型。

2. 接回 Drive 的保存資料。 確認模型與素材路徑，並把產出保存到指定資料夾。本次環境曾需要重建，因此備份也是實作的一部分。

3. 先做約 4 秒、再做約 15 秒測試。 檢查嘴型、頭部與表情，以及人物和錄音室場景能否維持。

4. 擴展到全曲，再完整檢查。 最後得到約 3 分 25 秒的影片；不能只看開頭幾秒，就認定整支都可以交付。

圖 1：當時的自用 Colab 部署入口。「一鍵部署」的前提是模型、程式與素材已備妥，並非免準備的一鍵影片服務。畫面中的路徑是本次專案設定。

5. 影片真的做出來了，還有哪些地方需要處理？

我們從短測試做到全曲，確實完成了可播放的檔案；但後段人物外觀與麥克風細節出現變化。

圖 2：同一支成品約 00:04，人物與麥克風細節較清楚。

圖 3：成品約 03:00，麥克風出現彩色異常紋理，人物外觀也與前段不同。

本次採用上一段尾幀接到下一段首幀。我們懷疑細微偏差可能被逐段帶下去，但還沒有完成對照測試，不能把它寫成已確認的原因，也沒有證據把失真歸因於 A100。

對公司影片來說，這個經驗可以轉成具體的驗收項目：

1. 人物、商品或品牌外觀，是否從頭到尾一致？

2. 嘴型、動作與聲音，是否符合這支影片的需求？

3. 分段接點、背景與細小物件，是否出現不自然的變化？

4. 片尾與中段是否都看過，而非只檢查開場？

商品宣傳與教育訓練是公司可能進一步評估的用途，但本次實測只有角色演唱案例，尚未驗證商品細節、教學內容正確性或商業交付效果。

6. 公司第一次嘗試，我會先做一支短樣片

先挑一個小範圍、驗收標準明確的需求，例如驗證角色能否自然說完一段短文。把素材、預計時長、可接受的畫面品質與預算寫清楚，再決定是否擴大製作。

素材與模型能否用於商業用途，也要逐一確認授權；有 Google 訂閱不代表其他模型、人物、聲音或圖片的使用權一併取得。

這次實驗讓我們看到，普通電腦可以透過雲端 GPU 推進影片製作。接下來真正需要建立的，是可恢復的環境、清楚的素材管理，以及每一段都看過的交付流程。

想看這次 AI 演唱影片的完整製作紀錄？

我們把 Colab 工作台、A100 配置，以及影片前後段的畫面比較，整理在九黎月官網：

查看完整實測：Google Colab A100 做 AI 演唱

本文由該篇原始紀錄改寫，實作日期為 2026 年 10 月 13 至 14 日，方案與資源說明於 2026 年 10 月 21 日重新查閱官方公告及 FAQ。這次改寫沒有重新啟動 GPU 或重跑影片。