← Paper Diorama　·　EP 11

WHO STARTS?

美國雇主在二〇二六年前七個月公告裁員四十七萬七千人，而人工智慧連續五個月位居所有裁員理由之首。 但它只出現在其中約四分之一的公告裡——這個落差就是整支片子的起點。 哈佛研究者比對二十八萬五千家公司後發現，初階職缺不是被裁掉，是從來沒有被開出來； 資深人數紋風不動，所以那筆損失不會出現在任何一份裁員統計裡。 十二個段落追著同一把缺了最底層橫桿的橙色紙梯：沒有人剪斷它，那根橫桿只是不再被印上去。

2:00 片長
1920×1080 24fps
12 個 block
−14.7 LUFS
2026-08-29
這一頁正用 file:// 開啟，YouTube 播放器不會載入。 在部署資料夾執行 python -m http.server 8000， 再開 http://localhost:8000。
版本 字幕 在 YouTube 開啟 · 下載 SRT

十二個 Block

點任一格，播放器會跳到那一段；縮圖會跟著上面的版本切換。

兩個版本

同一份腳本、同一組 block，兩條不同的產線。

影片版 · 主要交付
素材
12 支 Google Flow 圖生影片片段，1920×1080 / 24fps，各為整整 10.000 秒。靜幀就是每一支的第一格——先把 12 張靜幀改到滿意（重畫一張約 NT$0.3），再讓模型只負責「什麼在動」（重生一格 15 點，貴五十倍）。四張靜幀重畫過，其中一次抓到背景長出可讀假報紙與人臉
貫穿物件
一把缺了最底層橫桿的橙色紙梯，全片唯一的顏色，十二格逐段升級：Block 1 立在人群裡看不出哪裡不對，Block 2 貼地才看見側軌懸空，Block 5 整片平原上每一把都缺同一根，Block 10 揭曉印版上根本沒刻那根橫桿。用隔離的物件參考圖鎖幾何，不靠文字描述
旁白
Edge TTS en-US-GuyNeural，12 段獨立合成。一個字都沒有改——Block 4 唯一超秒（10.20 秒），用 +6% 語速壓回 9.62 秒，因為那句的員工數字是刻意用來避開會計年度歧義的。Block 11 延後 1.3 秒，理由見右欄
剪接
12 × 10 秒硬切，總長準確 2880 幀 @24fps。每一段的運動提示詞都要求結束在完全動態模糊，讓十二個切點讀成同一顆長鏡頭
音軌
三層：Flow 生成的原生音效逐段正規化到 −24 LUFS 墊底，配樂與旁白疊在其上。配樂經 26 點增益包絡整形；與旁白做 200 Hz 分頻閃避，說話時旁白高出音樂中位數 +17.5 LU，最緊的 Block 10 為 +10.0 LU。成片 −14.7 LUFS
母片
H.264 High ＋ AAC 260k、11.24 Mbps、120.000 秒、160.8 MB（ffprobe 實測）
靜幀版 · 同一批素材
素材
gpt-image-2 生成的 12 張靜幀，1536×1024。3:2 中央裁成 16:9（1536×864），每格捨去上下各 80 px——把 3:2 直接餵進 16:9 的生成會位移構圖，靜幀存在的理由就這樣被靜靜地毀掉。構圖時上下兩條帶子預留為可拋棄，標籤一律避開
運鏡
ffmpeg zoompan，四種模式輪替（推近、後拉、推近帶右下漂移、後拉帶左上漂移），避免十二段讀起來機械。先放大到 3072 寬再裁，否則每幀不到一個像素的位移會量化成一頓一頓的階梯
音軌
兩層，不是三層：只有配樂與旁白，刻意不含影片版那層 Flow 原生音效——這一版沒有那些片段，用它們的聲音不合理。響度對齊影片版的 −14.5 目標，實測 −14.7 LUFS，兩版在頻道上等響
標籤保護
六個活字標籤是全片唯一的文字：CUT、24%、5.6%、6.1%、NEVER PRINTED、WHO STARTS?。其餘六格完全沒有字——十二格都有字會廉價，也會提高亂碼風險。六個標籤全部一次生成正確，沒有動用退路方案
剪接
每段 240 幀 @24fps＝10.000 秒，硬切、無溶接，總長 2880 幀。抽 t=5,15,…,115 秒的幀跟 12 張靜幀比對，12 格全中
母片
H.264 CRF 16 ＋ AAC 260k、4.14 Mbps、120.000 秒、62.8 MB（ffprobe 實測）
三個決定
  • 企劃裡的兩個數字都沒有通過查證，其中一個本來要印在開場那張卡片上。原始企劃寫「截至七月下旬全球科技業已發生 322 起裁員、逾 20.5 萬人受影響」。我找遍能觸及的追蹤器都對不上：Layoffs.fyi 在那個時點是 122,796 人 / 237 家公司，TrueUp 是 176,306 人 / 548 起。更麻煩的是「接近去年速度兩倍」這句隨追蹤器而反轉——用 Layoffs.fyi 的月速算成立，用 TrueUp 的日速只有 1.13 倍。兩個來源連故事方向都不一致，所以兩個都不用，改採 Challenger 每月公布、方法透明的公告裁員數。企劃另寫「今年逾半數裁員公告以 AI 為主因」，實際是 112,713 / 477,033，約 24%；真正的事實是 AI 連續五個月位居所有理由之首。領先一份十幾項的清單，不等於過半。修正這一點沒有讓片子變弱，那個落差變成了開場的張力：Block 1 講「最常被引用」，Block 2 立刻拆穿「只有四分之一」。開場卡片因此從 205,000 改成 CUT——它撐得住，而且 Block 10 用 NEVER PRINTED 把它翻過來。
  • 配樂高潮的窗只有 1.96 秒，撐大它靠移動文字，不靠壓縮器。兩分鐘的片旁白佔掉 102.3 秒，配樂全部的表現機會只有 16.9 秒。高潮鎖在 Block 10（「they were simply never being posted」）之後那條縫，原本 1.96 秒——比建議的 3–4 秒短。把 Block 11 延後 1.3 秒撐到 3.26 秒，一個字沒改。但真正讓高潮成立的不是音量，是前面那個洞：素材本來在 99.0 秒有個天然低谷，包絡把它壓到 −18 dB，99.5 秒跳回 −1 dB，做出半秒內 30 dB 的躍升。另外要說清楚一件事：分格量測工具報「最大格 = B9」，那是錯的——高潮窗跨在 B10／B11 邊界上被切成兩半各自稀釋。逐秒量測把峰值定在 100.00 秒、窗內。這種情況要信秒數，不信分格。
  • Block 8 重擲了一次，而保留 Flow 原生音效讓高潮的落差少了 14 dB，這裡照實說。第一次生成時兩把梯子的背景長出整版可讀的假報紙——假標題「Tijard Lope」、還有一張人臉照片。人臉是這個風格絕對不能出現的東西，黑條的存在就是為了避開它。原因是那一格的運動提示詞漏了正面物件禁令，只寫了通用的「不要新增文字」；當時的理論是「只有整片報紙紋理的格子才需要」，事實證明錯了，因為 Flow 會隨鏡頭移動自己編造背景。補上禁令後乾淨了。但成片的高潮落差比混音時小：Flow 生成的原生音效蓋在我挖的那個洞上，99.0 秒從混音的 −42.3 dB 變成成片的 −28.2 dB，進場躍升從 31 dB 降到 17.5 dB。仍遠高於 6–8 dB 的建議下限，高潮確實會到，但那是保留原生音效的代價。換來的是結尾：配樂素材只有 115.7 秒，最後 2.9 秒本來會是死寂的檔案，原生音效用極安靜的環境音把它填上，讓揭曉落在「近乎無聲」而不是「數位靜音」。

資料來源

片中每個數字的出處。

  1. Challenger, Gray & Christmas — 2026 年 7 月裁員報告
    全片的骨幹，Block 1、2、3、5。年初至七月底公告裁員 477,033 人；其中 AI 相關 112,713 人，約 24%；AI 連續五個月位居所有理由之首；自 2023 年起累計 184,538 人。同一份報告的招募面：年初至今公告招募 107,500 人，比去年同期的 86,132 人成長 25%——這是 Block 5 那句「公司不是單純在縮編」的來源
  2. 國際勞工組織 — Global Employment Trends for Youth 2026: Back to the future（2026-08-11）
    Block 6 與 Block 9。2025 年全球 15–24 歲失業率 12.4%，相當於 6,700 萬人；NEET 比例 20%、共 2 億 5,700 萬人。Block 9 的 6.1% 指的是 15–29 歲從事「最易受 AI 影響職業」的比例。報告同時指出，長期作為年輕人入口的文書、行政、服務銷售與製造相關職位正在萎縮
  3. 紐約聯邦準備銀行 — The Labor Market for Recent College Graduates
    Block 7。2026 年第二季應屆畢業生失業率 5.6%，低度就業率 42%。對照全國失業率 4.2%——應屆畢業生的失業率高於整體勞動力，這個倒轉數十年來沒有發生過
  4. Stanford Digital Economy Lab — Canaries in the Coal Mine?（含 ADP 合作的 Canaries Dashboard）
    Block 8。涵蓋 460 萬名工作者、730 種以上職業，資料延伸至 2026 年 4 月。最易受 AI 影響職業中的 22–25 歲就業人數持續下滑，而同一年齡層在最不受影響的職業中成長約 2%——同齡、同期、方向相反
  5. Hosseini Maasoum & Lichtinger — Generative AI as Seniority-Biased Technological Change（SSRN 工作論文）
    全片的轉折，Block 10 與 11。約 285,000 家公司、6,200 萬名員工、2.45 億筆職缺，涵蓋 2015–2025。導入生成式 AI 的公司相對於未導入者，初階就業下降而資深就業大致不變，且效應來自招募放緩而非離職增加
  6. Forbes — AI Cost 21,000 Jobs At Oracle This Year（2026-06-23）
    Block 4。Oracle 十二個月內員工數從 162,000 降至 141,000。公司在法規申報中直接寫明「在營運中採用與部署 AI 技術」導致裁減，並警告「可能持續造成人力縮減」

四點準確性說明。其一，Block 4 用員工數而不是「裁兩萬一千人」：Oracle 的 21,000 是會計年度（至 2026 年 5 月 31 日）數字，跟本片其餘部分的日曆年對不上；講「從十六萬二千人到十四萬一千人」是同一件事、同樣精確，而且沒有年度歧義。 其二，Block 8 刻意不引用單一下滑率：同一篇報導同時給出「2026 年 4 月為每年 3.8%」與「此後超過 4%」，而廣被引用的「13% 相對下滑」來自 2025 年的前一篇論文、統計窗口不同。三個數字兜不攏，所以片中改用每個版本都支持的方向性對比——同齡、同期、依 AI 曝險程度走向相反。 其三，Block 10 說的是「研究者發現」而不是「AI 造成」：那篇 SSRN 論文尚未經同儕審查，且以職缺文本分析推定企業是否導入 AI，那是代理變數不是實測。旁白陳述相關性，不宣稱因果。 其四，這個題目有具名的反方意見，片中沒有空間交代：Google 的經濟學家把 Stanford 的發現歸因於利率，Apollo Global Management 質疑「AI 就業危機」是否存在，Daron Acemoglu 則對相關文獻的生產力估計提出異議。十二個段落容不下方法論之爭，但知情的觀眾很可能提出，所以寫在這裡而不是等留言區。