AI 數位人影片製作完整指南：HeyGen + ZapCap + Whisper 自動化工作流

載入中...

Read in English

今天花了一個早上，把 HeyGen（AI 數位人）+ ZapCap（AI 字幕）+ Whisper（語音辨識）串起來，解決了幾個實際問題。這篇記錄完整的工作流程和踩過的坑。

最終成果展示

👆 這是用 HeyGen 生成 AI 數位人 + ZapCap 加上 Hormozi 風格字幕的成果。

為什麼需要這套流程？

製作短影片內容時，我需要：

AI 數位人：不用每次都拍攝，用 HeyGen 生成
自動字幕：短影片必備，手動加太慢
正確的中文辨識：特別是人名，AI 常常辨識錯誤
動態特效：Hormozi 風格的 highlight + emoji 字幕

單一工具都做不到完美，但組合起來就很強大。

HeyGen：生成 AI 數位人影片

API 基本用法

curl -X POST "https://api.heygen.com/v2/video/generate" \
  -H "X-Api-Key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video_inputs": [{
      "character": {
        "type": "avatar",
        "avatar_id": "YOUR_AVATAR_ID",
        "avatar_style": "normal"
      },
      "voice": {
        "type": "text",
        "input_text": "你的講稿內容",
        "voice_id": "YOUR_VOICE_ID"
      }
    }],
    "dimension": {"width": 720, "height": 1280},
    "aspect_ratio": "9:16"
  }'

我的設定

用途	Avatar ID	Voice ID	尺寸
直式（手機）	JCKOV1	JCKOV1	720x1280 (9:16)
橫式（電腦）	JC Ko	JC Ko	1280x720 (16:9)

等待影片完成

# 取得 video_id 後，輪詢狀態
curl "https://api.heygen.com/v1/video_status.get?video_id=YOUR_VIDEO_ID" \
  -H "X-Api-Key: YOUR_API_KEY"

狀態會從 processing → completed，完成後會有 video_url。

ZapCap：自動加字幕

為什麼選 ZapCap？

✅ Hormozi 風格字幕（animated + highlighted）
✅ 自動加 emoji
✅ 支援中文
✅ API 完整

基本流程

# 1. 上傳影片
curl -X POST "https://api.zapcap.ai/videos" \
  -H "x-api-key: YOUR_API_KEY" \
  -F "file=@video.mp4"
# → 取得 videoId

# 2. 建立字幕任務
curl -X POST "https://api.zapcap.ai/videos/{videoId}/task" \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "templateId": "a51c5222-47a7-4c37-b052-7b9853d66bf6",
    "autoApprove": true,
    "language": "zh"
  }'
# → 取得 taskId

# 3. 等待完成，下載影片
curl "https://api.zapcap.ai/videos/{videoId}/task/{taskId}" \
  -H "x-api-key: YOUR_API_KEY"
# → 取得 downloadUrl

模板名稱	Template ID	風格
Hormozi 1	`a51c5222-47a7-4c37-b052-7b9853d66bf6`	animated + highlighted
Beast	`46d20d67-255c-4c6a-b971-31fddcfea7f0`	animated + highlighted

問題一：字幕位置擋到臉

直式影片用預設字幕位置，字幕剛好在嘴巴附近，很尷尬。

解決方案：調整 `top` 參數

{
  "templateId": "a51c5222-47a7-4c37-b052-7b9853d66bf6",
  "autoApprove": true,
  "language": "zh",
  "renderOptions": {
    "styleOptions": {
      "top": 75
    }
  }
}

top 是字幕 Y 軸位置的百分比（0-100），數值越大越往下。

數值	位置	適用場景
30-40	上方	人物在下半部
50	中間	預設
70-80	下方	直式影片推薦

問題二：人名辨識錯誤

ZapCap 把「葛如鈞」辨識成「葛如君」。這在中文很常見，同音字問題。

嘗試一：直接修改 transcript？

ZapCap API 文檔沒有提到編輯 transcript 的方法… 但實測發現有個隱藏 API：

# PUT 更新 transcript（文檔沒寫！）
curl -X PUT "https://api.zapcap.ai/videos/{videoId}/task/{taskId}/transcript" \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d @fixed_transcript.json

嘗試二：用 Whisper 先轉錄

Whisper 支援 --initial_prompt 參數，可以提示正確的詞彙：

whisper audio.m4a \
  --language zh \
  --initial_prompt "立法委員葛如鈞" \
  --output_format json \
  --word_timestamps True

結果：Whisper 正確辨識出「葛如鈞」！

問題：用 Whisper 取代 ZapCap 會失去 emoji

ZapCap 的 transcript 有 emoji 和 important 欄位：

{
  "text": "AI",
  "emoji": "🤖",
  "important": true
}

如果直接用 Whisper 的結果，這些特效就不見了。

終極解法：Whisper + ZapCap 組合技

核心思路：保留 ZapCap 的 emoji 和特效，只修正錯字。

完整流程

# 1. 建立 ZapCap task（autoApprove: false）
curl -X POST "https://api.zapcap.ai/videos/{videoId}/task" \
  -H "x-api-key: $ZAPCAP_API_KEY" \
  -d '{
    "templateId": "a51c5222-47a7-4c37-b052-7b9853d66bf6",
    "autoApprove": false,
    "language": "zh",
    "renderOptions": {"styleOptions": {"top": 75}}
  }'

# 2. 等待 transcriptionCompleted，下載 transcript
# → 這個 transcript 有 emoji 和 important 標記

# 3. 只修正錯字（保留其他欄位）
cat transcript.json | sed 's/葛如君/葛如鈞/g' > fixed.json

# 4. PUT 更新 transcript
curl -X PUT "https://api.zapcap.ai/videos/{videoId}/task/{taskId}/transcript" \
  -H "x-api-key: $ZAPCAP_API_KEY" \
  -d @fixed.json

# 5. Approve 並等待 render
curl -X POST "https://api.zapcap.ai/videos/{videoId}/task/{taskId}/approve-transcript" \
  -H "x-api-key: $ZAPCAP_API_KEY"

結果

✅ 正確的「葛如鈞」
✅ 保留所有 emoji（🤖⏳🚀💡🏗️🧠🛡️🌐💪）
✅ 保留 Hormozi 風格特效
✅ 字幕位置在下方

完整自動化腳本

zapcap-with-fix.sh

#!/bin/bash
# 用法: ./zapcap-with-fix.sh input.mp4 "錯字" "正確"

VIDEO_FILE=$1
WRONG_TEXT=$2
CORRECT_TEXT=$3
ZAPCAP_API_KEY=${ZAPCAP_API_KEY:-"YOUR_KEY"}
TEMPLATE_ID="a51c5222-47a7-4c37-b052-7b9853d66bf6"

# 1. 上傳影片
echo "📤 上傳影片..."
VIDEO_ID=$(curl -s -X POST "https://api.zapcap.ai/videos" \
  -H "x-api-key: $ZAPCAP_API_KEY" \
  -F "file=@$VIDEO_FILE" | jq -r '.id')

# 2. 建立 task
echo "🎬 建立字幕任務..."
TASK_ID=$(curl -s -X POST "https://api.zapcap.ai/videos/$VIDEO_ID/task" \
  -H "x-api-key: $ZAPCAP_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{
    \"templateId\": \"$TEMPLATE_ID\",
    \"autoApprove\": false,
    \"language\": \"zh\",
    \"renderOptions\": {\"styleOptions\": {\"top\": 75}}
  }" | jq -r '.taskId')

# 3. 等待 transcription 完成
echo "⏳ 等待轉錄..."
while true; do
  STATUS=$(curl -s "https://api.zapcap.ai/videos/$VIDEO_ID/task/$TASK_ID" \
    -H "x-api-key: $ZAPCAP_API_KEY" | jq -r '.status')
  echo "   Status: $STATUS"
  [ "$STATUS" = "transcriptionCompleted" ] && break
  sleep 3
done

# 4. 下載並修正 transcript
echo "📝 修正錯字: $WRONG_TEXT → $CORRECT_TEXT"
TRANSCRIPT_URL=$(curl -s "https://api.zapcap.ai/videos/$VIDEO_ID/task/$TASK_ID" \
  -H "x-api-key: $ZAPCAP_API_KEY" | jq -r '.transcript')
curl -s -L "$TRANSCRIPT_URL" | sed "s/$WRONG_TEXT/$CORRECT_TEXT/g" > /tmp/fixed.json

# 5. 更新 transcript
curl -s -X PUT "https://api.zapcap.ai/videos/$VIDEO_ID/task/$TASK_ID/transcript" \
  -H "x-api-key: $ZAPCAP_API_KEY" \
  -H "Content-Type: application/json" \
  -d @/tmp/fixed.json > /dev/null

# 6. Approve
curl -s -X POST "https://api.zapcap.ai/videos/$VIDEO_ID/task/$TASK_ID/approve-transcript" \
  -H "x-api-key: $ZAPCAP_API_KEY"

# 7. 等待 render 完成
echo "🎨 渲染中..."
while true; do
  RESULT=$(curl -s "https://api.zapcap.ai/videos/$VIDEO_ID/task/$TASK_ID" \
    -H "x-api-key: $ZAPCAP_API_KEY")
  STATUS=$(echo "$RESULT" | jq -r '.status')
  echo "   Status: $STATUS"
  if [ "$STATUS" = "completed" ]; then
    DOWNLOAD_URL=$(echo "$RESULT" | jq -r '.downloadUrl')
    break
  fi
  sleep 4
done

# 8. 下載
OUTPUT="${VIDEO_FILE%.mp4}-subtitled.mp4"
echo "📥 下載到 $OUTPUT"
curl -s -L "$DOWNLOAD_URL" -o "$OUTPUT"

echo "✅ 完成！"

使用方式

./zapcap-with-fix.sh heygen-output.mp4 "葛如君" "葛如鈞"

常見問題與解決方案

Q1: HeyGen 影片有浮水印？

免費帳號：一定有浮水印
付費帳號（Creator+）：API 生成應該沒有浮水印
如果還是有：聯繫 HeyGen 客服確認 API 權限

Q2: ZapCap 轉錄品質不好？

可以用 Whisper 先轉錄一次正確的，再用 transcriptTaskId 重複使用：

{
  "templateId": "...",
  "transcriptTaskId": "之前正確的_task_id"
}

Q3: 字幕樣式想自訂？

ZapCap 支援完整的 renderOptions：

{
  "renderOptions": {
    "subsOptions": {
      "emoji": true,
      "emojiAnimation": true,
      "emphasizeKeywords": true,
      "displayWords": 6
    },
    "styleOptions": {
      "top": 75,
      "fontUppercase": false,
      "fontSize": 46,
      "fontWeight": 900,
      "fontColor": "#ffffff",
      "stroke": "m",
      "strokeColor": "#000000"
    }
  }
}

Q4: LINE 發送影片失敗？

確保影片是 MP4 格式
用 ZapCap/HeyGen 的 CDN URL 直接發送（支援 Range requests）
不要用本地 ngrok URL（SimpleHTTPServer 不支援 Range）

小結

這套流程解決了幾個痛點：

問題	解決方案
AI 數位人	HeyGen API
自動字幕	ZapCap API
中文人名錯誤	Whisper prompt 或 sed 修正
字幕擋臉	`top: 75`
保留 emoji	只 sed 修正錯字

下一步可以：

串接 CI/CD 自動化
加入 TTS（ElevenLabs）生成語音
整合到 Clawdbot 做一鍵生成

有問題歡迎留言討論！

AI 數位人影片製作完整指南：HeyGen + ZapCap + Whisper 自動化工作流

最終成果展示

目錄

為什麼需要這套流程？

HeyGen：生成 AI 數位人影片

API 基本用法

我的設定

等待影片完成

ZapCap：自動加字幕

為什麼選 ZapCap？

基本流程

熱門模板

問題一：字幕位置擋到臉

解決方案：調整 `top` 參數

問題二：人名辨識錯誤

嘗試一：直接修改 transcript？

嘗試二：用 Whisper 先轉錄

問題：用 Whisper 取代 ZapCap 會失去 emoji

終極解法：Whisper + ZapCap 組合技

完整流程

結果

完整自動化腳本

zapcap-with-fix.sh

使用方式

常見問題與解決方案

Q1: HeyGen 影片有浮水印？

Q2: ZapCap 轉錄品質不好？

Q3: 字幕樣式想自訂？

Q4: LINE 發送影片失敗？

小結

AI 數位人影片製作完整指南：HeyGen + ZapCap + Whisper 自動化工作流

最終成果展示

目錄

為什麼需要這套流程？

HeyGen：生成 AI 數位人影片

API 基本用法

我的設定

等待影片完成

ZapCap：自動加字幕

為什麼選 ZapCap？

基本流程

熱門模板

問題一：字幕位置擋到臉

解決方案：調整 top 參數

問題二：人名辨識錯誤

嘗試一：直接修改 transcript？

嘗試二：用 Whisper 先轉錄

問題：用 Whisper 取代 ZapCap 會失去 emoji

終極解法：Whisper + ZapCap 組合技

完整流程

結果

完整自動化腳本

zapcap-with-fix.sh

使用方式

常見問題與解決方案

Q1: HeyGen 影片有浮水印？

Q2: ZapCap 轉錄品質不好？

Q3: 字幕樣式想自訂？

Q4: LINE 發送影片失敗？

小結

解決方案：調整 `top` 參數