拆解IG爆款創作者的版面節奏：我用人臉偵測逐格量出全屏只佔20%

為什麼要用量的，不用看的

模仿參考影片最常見的失敗，是憑印象抄。看完覺得「她好像一直在切版面」，做出來就變成每隔幾秒切一次，結果又快又亂。

而且憑印象抄不出比例。我第一版做的分割版面是上方面板 61%、人像框 36%，做完自己看不出問題，交出去被直接說「下方區塊太小了，上方太大了，所以才會很醜」。

回頭去量參考影片，人像框是 70%、上方只有 29%。剛好反過來。

量測一支80.8秒的IG爆款影片：全屏15.5秒佔20%，分割版面63.8秒佔80%，切換7次，平均每段11.3秒。分割版面的比例是人像框70%、上方面板29%。

—

量測方法：找一個可以自動分類的特徵

要讓程式分辨「這一格是全屏還是分割版面」，需要一個明確的視覺特徵。

我用的是臉在畫面的垂直位置：分割版面時人被塞在下方的小框裡，臉的位置很低；全屏時臉在畫面中上。

用 cv2.FaceDetectorYN 逐格偵測，臉中心在畫面 55% 以上算全屏，其餘算分割。再把連續同類的格子合併成段，過濾掉短於 0.6 秒的雜訊，就得到完整的段落表。

補一句踩過的坑：OpenCV 5 已經移除 CascadeClassifier，也不再附 Haar 的 XML 模型檔。要做人臉偵測只能用 YuNet，模型檔 228KB 放本機就好，對角度的耐受度也比 Haar 好。

—

量出來的段落表

規律是：每 10 到 20 秒穿插一次全屏，每次 3 到 8 秒。

分割版面的段落可以很長（最長 29.5 秒），全屏永遠是短的。全屏是強調，不是常態。

—

比例不是重點，時機才是

把切換點對回影片內容看，會發現全屏出現的位置有共通性：都是她在講感受、講判斷、看著鏡頭跟你說話的時候。

而分割版面出現的位置，是在講資訊、講數據、講流程。

這條規律比 20% 這個數字有用得多，因為它可以直接套到自己的內容上：

• 訪問者提問 → 全屏（那是對話，要看到人）
• 受訪者報數字 → 分割（上方放數字動畫）
• 講痛點清單 → 分割（上方放清單圖）
• 講「我覺得」「我很慶幸」 → 全屏（臉大才有情緒）
• 結尾 CTA → 看情況，要放品牌卡就分割

我照這條規律重排自己的影片，全屏佔 21%，跟參考片的 20% 幾乎一樣，但完全不是抄它的時間點，是照自己的內容排出來的。

—

切換為什麼會卡：跳接

版面照語意排好之後，還是被指出「切換過程都怪怪的，會先閃現一個不順的畫面」。

先確認一件事：整支影片零黑格，我全片掃過。第一次抽格看到黑畫面是抽格方式造成的假象（ffmpeg 的 -ss 放在 -i 前面會 seek 到關鍵影格前）。

真正的原因是跳接。同一個人用兩種取景硬切，大小位置突然變，眼睛一定會覺得卡。

解法是讓版面只在「鏡頭本來就切了」的地方換。把所有鏡頭切點的時間算出來，版面切換點全部對齊上去，版面換的那一格畫面本來就在換，兩件事合成一次剪接。

對齊之後，6 個切點裡有 4 個剛好落在「換人講話」的位置（男生問問題切到女生回答），那種切最自然，因為觀眾本來就預期換人時畫面會變。

有一個切換點對不齊：它前後 4 秒內都沒有任何鏡頭切點。硬對齊會讓它跟前一段黏成 15.6 秒的全屏，還會吃掉中間該有的動畫。所以那一段整段給分割版面，不硬切。全屏因此從 4 段變 3 段。

版面切換要對齊到鏡頭本來就切的地方。同一個人用兩種取景硬切是跳接，一定會卡。對齊後6個切點有4個落在換人講話的位置，那種切最自然。

—