Moments Lab如何用AI幫好萊塢省下大把時間和金錢
Philippe 和 Fred Petitpont 這對兄弟，名字還挺繞口的，他們搞了一家叫 Moments Lab 的公司。最近好像有筆資金進來，是那種規模不算小的注資，好像是數千萬美元左右？據說這錢主要是用來推他們一些關於 AI 的新玩意兒，目標又跟好萊塢脫不了關係。
印象中，Moments Lab 好像不是唯一在做類似事情的新創，現在市面上湧現不少打著人工智慧旗號、專門幫影視產業省事的團隊。聽說他們家可以讓像 WBD 或 Hearst 這種大品牌更快剪片、省下點預算，但成效嘛，大概還得看使用場景才知道。
工具本身就是能把海量影片內容整理出來，也能拿原始素材生成新的片段。不過細節我也記不太清楚了，好像前陣子才剛完成一輪融資，有 Oxx 領投吧？其他還混進些大大小小的風險投資基金，例如 Orange Ventures、Kadmos 還有 Supernova Invest 跟 Elaia Partners，那些名稱老覺得似曾相識。公司目前主要想利用這筆錢強化原有技術，順便再推出一個帶點智能代理特性的 AI 工具，看起來是希望能多抓住一些市場需求。
Pitch deck 他們也有對外展示過，不過裡面到底有哪些亮點，其實外界討論倒沒有很多。有時候這類產品，有人認為確實減輕工作負擔，但也有人會觀望一陣子，畢竟效果總要等時間驗證。
印象中，Moments Lab 好像不是唯一在做類似事情的新創，現在市面上湧現不少打著人工智慧旗號、專門幫影視產業省事的團隊。聽說他們家可以讓像 WBD 或 Hearst 這種大品牌更快剪片、省下點預算，但成效嘛，大概還得看使用場景才知道。
工具本身就是能把海量影片內容整理出來，也能拿原始素材生成新的片段。不過細節我也記不太清楚了，好像前陣子才剛完成一輪融資，有 Oxx 領投吧？其他還混進些大大小小的風險投資基金，例如 Orange Ventures、Kadmos 還有 Supernova Invest 跟 Elaia Partners，那些名稱老覺得似曾相識。公司目前主要想利用這筆錢強化原有技術，順便再推出一個帶點智能代理特性的 AI 工具，看起來是希望能多抓住一些市場需求。
Pitch deck 他們也有對外展示過，不過裡面到底有哪些亮點，其實外界討論倒沒有很多。有時候這類產品，有人認為確實減輕工作負擔，但也有人會觀望一陣子，畢竟效果總要等時間驗證。
這對雙胞胎兄弟為何放棄媒體高薪工作創辦AI新創
好像到現在為止，這家公司已經募到了七千多萬美元的資金吧。巴黎有一對雙胞胎兄弟——Fred 跟 Philippe Petitpont，大約在十年前創辦了 Moments Lab。Philippe 過去在法國一間傳媒公司 TF1 Group 擔任產品經理，而 Fred 則是在廣告代理公司的數位部門做過技術主管，印象中是 Havas 旗下的 BETC Digital。他們當時覺得媒體產業越來越需要用更低的成本去做出更多影片，畢竟串流平台越來越多，內容總是填不滿。
他們的客戶名單也蠻長，有些名字聽起來挺熟悉：像 Warner Bros. Discovery、Banijay、Fullwell Entertainment 這類做影視娛樂相關的，也有 Thomson Reuters、Hearst 這種大新聞集團，美國那邊還有 Sinclair 和 Amazon Ads。
說到主力工具 MXT-2，其實簡單理解就是，它會把影片拆解成很多小片段，好像能分辨畫面裡有哪些人，各自正在幹嘛，有點像自動幫你記錄和整理素材。描述內容也會自動生成，不過準確程度可能還得視情況。不知道未來其他公司會不會用上類似東西，但目前看起來他們就是先做出這樣一套系統。
他們的客戶名單也蠻長，有些名字聽起來挺熟悉：像 Warner Bros. Discovery、Banijay、Fullwell Entertainment 這類做影視娛樂相關的，也有 Thomson Reuters、Hearst 這種大新聞集團，美國那邊還有 Sinclair 和 Amazon Ads。
說到主力工具 MXT-2，其實簡單理解就是，它會把影片拆解成很多小片段，好像能分辨畫面裡有哪些人，各自正在幹嘛，有點像自動幫你記錄和整理素材。描述內容也會自動生成，不過準確程度可能還得視情況。不知道未來其他公司會不會用上類似東西，但目前看起來他們就是先做出這樣一套系統。
Comparison Table:
| 公司名稱 | Moments Lab |
|---|---|
| 創辦人 | Phil Petitpont, Fred |
| 主要技術 | 多模態 AI 模型 (MXT 技術) |
| 目標市場 | 影音內容製作與媒體產業 |
| 關鍵服務 | 自動化影片剪輯及內容建議工具 |
他們的秘密武器MXT-2是怎麼把影片拆解得明明白白
他們強調這個技術主要是在幫使用者省下時間和一些開支。Philippe Petitpont聊到，他們內部大致估算過，這套系統辨識適合社群媒體、預告片、精華片段的語音內容，速度大概是人工快了七倍上下，不過數字可能會有些浮動。有的客戶後來回報，用了這個產品之後，從社群平台帶來的收入大約翻了一番左右，不是每家公司都一樣啦，但至少有部分案例是這樣。他自己補充說，對於某些製作單位來講，像這種方式反而變成另一種創收管道。以往要靠人力去處理那些瑣碎又重複的剪輯工作，其實相當耗時，也沒那麼容易賺錢。
至於Moments Lab最近推的新一代AI工具——好像叫什麼agentic AI吧，目前聽說包括Hearst在內，有幾家正在測試。據Petitpont表示，只要把原始影像丟進去，再用簡單文字提示，大致就能拼出初步版本，比起傳統人工流程快上不少；到底能縮短多少時間，他沒給確切數字，大致就是只要很少一點工夫。不過，他特別提到目前看起來，在真人秀那類型節目裡應用，好像最有潛力。不敢保證所有場合都適用，但某些情境下確實減輕了人手壓力。
至於Moments Lab最近推的新一代AI工具——好像叫什麼agentic AI吧，目前聽說包括Hearst在內，有幾家正在測試。據Petitpont表示，只要把原始影像丟進去，再用簡單文字提示，大致就能拼出初步版本，比起傳統人工流程快上不少；到底能縮短多少時間，他沒給確切數字，大致就是只要很少一點工夫。不過，他特別提到目前看起來，在真人秀那類型節目裡應用，好像最有潛力。不敢保證所有場合都適用，但某些情境下確實減輕了人手壓力。
客戶說用了這工具讓社群收入直接翻倍是真的嗎
劇本類電視好像還在持續摸索吧。Petitpont最近有說，從年初開始，Hollywood那邊的公司對Moments Lab這種方案的興趣是慢慢在往上走，原因大概跟他們要在有限預算下多拍些作品有關。Netflix、Prime Video還有Peacock之類的平台，他們需要的內容量是過去幾倍不止，可資金也沒見得大幅增加。這時候怎麼省錢製作變成一件蠻被強調的事情，新方法、新工具就會比較容易被考慮。
AI工具現在已經算常見了，有的人用來讓一些流程快一點，也有人拿來試著把文字轉成短影片。不過，好萊塢本身對於自家智慧財產權保護意識很重，這會讓新技術推廣起來卡住。另外，那些工會嘛，他們擔心AI會搶掉自己人飯碗，這議題感覺一直都在討論中。
整體來說，好像大家都還在找平衡，有些地方進展比較明顯，但也不是沒有阻力。未來到底會怎樣，目前看起來還有很多不確定因素。
AI工具現在已經算常見了，有的人用來讓一些流程快一點，也有人拿來試著把文字轉成短影片。不過，好萊塢本身對於自家智慧財產權保護意識很重，這會讓新技術推廣起來卡住。另外，那些工會嘛，他們擔心AI會搶掉自己人飯碗，這議題感覺一直都在討論中。
整體來說，好像大家都還在找平衡，有些地方進展比較明顯，但也不是沒有阻力。未來到底會怎樣，目前看起來還有很多不確定因素。
好萊塢現在最愛用AI做實境秀但劇集還需要等等
Petitpont 這邊常說，最花時間的環節之一，大概就是讓那些企業的法務團隊相信，他們不會拿對方自己的內容去訓練自家模型。然後 Moments Lab 提到過，他們那套模型是用來自開放資源跟好幾個合作夥伴的一大批素材去訓練的——數量有上億份，反正就是一堆，各種來源都有，有些是研究實驗室、一些媒體權利持有人，再加上一些科技公司組成的小型聯盟或研究計畫。沒什麼特別避諱要談，像助理剪接師之類做的某些工作，現在機器能幫忙了，人手需求可能就沒那麼高。有時候聽說美國有家財經媒體就直言，用了他們技術以後，好像編輯人力真的會減少不少。
當然啦，問題也不是就這樣結束了。Petitpont 之前還提到，有點像在討論：「萬一哪天，那種被叫作助理的人，最後變成資深編輯？或者這份工作乾脆消失？」結果其實誰也不敢講死，到底未來會變怎樣。目前看起來，好像還沒個定論。
當然啦，問題也不是就這樣結束了。Petitpont 之前還提到，有點像在討論：「萬一哪天，那種被叫作助理的人，最後變成資深編輯？或者這份工作乾脆消失？」結果其實誰也不敢講死，到底未來會變怎樣。目前看起來，好像還沒個定論。
當Netflix要求更多內容卻不給錢時該怎麼辦
行內有種說法，差不多大家都覺得AI用在影音領域遲早會變得愈來愈普及。不是只有省下剪片前後那些瑣碎流程，連想要讓原創影片快點生出來，這塊也聽說不少新創公司都湊上熱鬧。像是Runway、Filmustage、Imaginario這幾家，其實大家好像都在搶著做類似的事情。
Petitpont那邊倒是提過一個想像：他覺得現在電視台或媒體手上的資料庫，如果真要靠AI去拼接出一部長篇紀錄片，好像也不用等太久，也許再過幾個月就看得到那種「美國歷史」題材的影片，是把舊新聞片段重新編成完整故事。不過講到未來，他又猜，大概明年左右吧，Moments Lab團隊或許能推出一些預測型工具，可以根據觀眾反應給影片內容建議——比如怎麼改比較可能吸引人注意。
他還順帶提一句，「這種東西其實技術本身沒什麼大障礙啦，比較麻煩還是在於著作權。」然後他拿YouTube舉例子，因為平台上面的數據超級容易取得，所以分析起來好像很方便。
對了，有看到Moments Lab之前募資時候的簡報，一些敏感資料被遮掉了。他們在裡面有展示自家是怎麼標記與整理影像內容，也強調了一下成本和時間總是卡住很多人。大致意思就是——做影音內容常常又燒錢又拖很久，他們主要就是想解決這件事啦。
Petitpont那邊倒是提過一個想像：他覺得現在電視台或媒體手上的資料庫，如果真要靠AI去拼接出一部長篇紀錄片，好像也不用等太久，也許再過幾個月就看得到那種「美國歷史」題材的影片，是把舊新聞片段重新編成完整故事。不過講到未來，他又猜，大概明年左右吧，Moments Lab團隊或許能推出一些預測型工具，可以根據觀眾反應給影片內容建議——比如怎麼改比較可能吸引人注意。
他還順帶提一句，「這種東西其實技術本身沒什麼大障礙啦，比較麻煩還是在於著作權。」然後他拿YouTube舉例子，因為平台上面的數據超級容易取得，所以分析起來好像很方便。
對了，有看到Moments Lab之前募資時候的簡報，一些敏感資料被遮掉了。他們在裡面有展示自家是怎麼標記與整理影像內容，也強調了一下成本和時間總是卡住很多人。大致意思就是——做影音內容常常又燒錢又拖很久，他們主要就是想解決這件事啦。
為什麼好萊塢法務部門總是對AI訓練資料最緊張
用影片來吸引觀眾，這想法其實大家都不陌生。不過說到製作影片，通常得花上一筆不算小的預算，好像動輒就要個幾十萬新台幣，還得等上好幾天才有成品。有的人說，一分鐘的成片費用可能已經超出大部分人的想像了。然後你如果想做那種五分鐘左右的小短片，有時候一星期都還剪不完。
說回正題，Moments Lab 這家公司好像注意到一個機會。他們覺得市面上好像還沒什麼工具，可以直接把現有拍好的素材變成比較能抓住人眼球的影片。現在每天光是YouTube，好像就有數以萬計甚至更多的內容被丟上去，但據說那些東西幾乎都是靠人工慢慢弄出來的，也沒有聽到哪套軟體能自動搞定這些事。
再仔細想，其實也不是只有YouTube啦，只是它特別明顯。反正就是目前看起來，大多數影片產製流程都需要很多人工處理和時間投入吧。有些人可能會問，那為什麼不能有個工具簡單點、快一點？但目前似乎還沒見到真的成熟或普及的方法。所以啊，這裡頭是不是藏著某種潛在商機，也難怪有人會開始動腦筋了。
說回正題，Moments Lab 這家公司好像注意到一個機會。他們覺得市面上好像還沒什麼工具，可以直接把現有拍好的素材變成比較能抓住人眼球的影片。現在每天光是YouTube，好像就有數以萬計甚至更多的內容被丟上去，但據說那些東西幾乎都是靠人工慢慢弄出來的，也沒有聽到哪套軟體能自動搞定這些事。
再仔細想，其實也不是只有YouTube啦，只是它特別明顯。反正就是目前看起來，大多數影片產製流程都需要很多人工處理和時間投入吧。有些人可能會問，那為什麼不能有個工具簡單點、快一點？但目前似乎還沒見到真的成熟或普及的方法。所以啊，這裡頭是不是藏著某種潛在商機，也難怪有人會開始動腦筋了。
從助理剪輯到資深編輯的工作會被AI取代嗎
有些公司像Moments Lab，會把製作影片的流程拆得蠻細，大致分成八個步驟。其實從一開始的編輯討論，到最後發佈出去，每一段都會產生費用。那個開頭，就是大家常說的「編輯簡報」，據說這環節是很多團隊想花比較多心思去規劃、討論的地方。
話題跳一下，有關素材拍攝，其實相關畫面都散落在不同地方。印象中那種現成影像市場，好像也不小，可能有數十億美元流動——不是很確定，但大概是這麼一回事。再來就是那些素材進來後要整理嘛，什麼歸檔、標註、搜尋之類。如果全靠人工處理好像就搞不定太大量內容，偏偏這又是必要環節。不少人提過，用來管理媒體資產的服務和工具，每年花下去的錢應該也達到相當可觀的數字，大概接近五百億美元吧，不過數字有些浮動。
剪輯粗版時，如果前面資料分類沒做好，後續可能比較難處理。至於審稿或微調階段，好像不少創意人員會覺得這部分才是真正想投入精力的地方。總之每個階段都有它自己的花費和挑戰點，也許某些步驟還存在省成本空間，只是具體效果怎麼樣，要看各自運作方式了。
話題跳一下，有關素材拍攝，其實相關畫面都散落在不同地方。印象中那種現成影像市場，好像也不小，可能有數十億美元流動——不是很確定，但大概是這麼一回事。再來就是那些素材進來後要整理嘛，什麼歸檔、標註、搜尋之類。如果全靠人工處理好像就搞不定太大量內容，偏偏這又是必要環節。不少人提過，用來管理媒體資產的服務和工具，每年花下去的錢應該也達到相當可觀的數字，大概接近五百億美元吧，不過數字有些浮動。
剪輯粗版時，如果前面資料分類沒做好，後續可能比較難處理。至於審稿或微調階段，好像不少創意人員會覺得這部分才是真正想投入精力的地方。總之每個階段都有它自己的花費和挑戰點，也許某些步驟還存在省成本空間，只是具體效果怎麼樣，要看各自運作方式了。
未來幾個月我們就能看到AI自動生成紀錄片了
說到這類創意影片產業，數字聽起來很大，有人估過應該有數百億美金的規模。社群媒體工具那一塊，也快逼近兩位數十億美元上下。不過，實際上很多內容創作者常常卡在一些比較瑣碎的環節，比如影片加註解、下 SEO 描述這些事，不知怎麼就會拖掉不少時間。
你可能沒注意，Moments Lab 這家公司最近推了一個 AI 工具，他們自稱可以幫用戶把長影片切成片段，據說效率提升了不少。好像運動、媒體圈或消費品牌裡面都有客戶採用。他們還舉了一些例子，例如 Hearst、LVMH 和 Banijay 之類的大公司，以及 Brut，那種新媒體也有合作。
然後，他們提到自己手上的使用者大約有好幾千人左右；總共處理的影片小時數達到上萬甚至更高，目前每天大致能跑出數千小時的片量。至於企業級客戶，好像也累積了將近半百家。不過我記得這些數字可能還會變動。
技術層面，他們強調是靠自家團隊超過三十人的工程師搞出來一套多模態 AI 模型，而且和像 IP Paris、TSP 或 AI For Media 那種學研單位一起做研究計畫，有點像產學合作。知識產權部分，他們還持續在開發新的技術。獎項嘛，據稱也拿過好幾次，但細節沒有特別說明。
說回產品本身，Moments Lab 目前正在打造一個新的 AI 智能助手，大致意思就是未來可以根據文字指令，把原始素材自動做出初剪。這樣剪接師就不用再花大量時間慢慢篩選素材，可以直接拿 rough cut 再進行微調或加點創意。
他們有張展示圖，大概就是輸入一句話後，AI 能從現有影像中挑合適片段組一支預告片那種。簡單講，就是希望讓內容創作者把繁瑣步驟交給機器處理，多省下一些時間去專心在最後修編跟發揮自己的想法。如果順利的話，日後大家可能就不必再熬夜熬那麼久剪片了吧。
你可能沒注意，Moments Lab 這家公司最近推了一個 AI 工具，他們自稱可以幫用戶把長影片切成片段，據說效率提升了不少。好像運動、媒體圈或消費品牌裡面都有客戶採用。他們還舉了一些例子，例如 Hearst、LVMH 和 Banijay 之類的大公司，以及 Brut，那種新媒體也有合作。
然後，他們提到自己手上的使用者大約有好幾千人左右；總共處理的影片小時數達到上萬甚至更高，目前每天大致能跑出數千小時的片量。至於企業級客戶，好像也累積了將近半百家。不過我記得這些數字可能還會變動。
技術層面，他們強調是靠自家團隊超過三十人的工程師搞出來一套多模態 AI 模型，而且和像 IP Paris、TSP 或 AI For Media 那種學研單位一起做研究計畫，有點像產學合作。知識產權部分，他們還持續在開發新的技術。獎項嘛，據稱也拿過好幾次，但細節沒有特別說明。
說回產品本身，Moments Lab 目前正在打造一個新的 AI 智能助手，大致意思就是未來可以根據文字指令，把原始素材自動做出初剪。這樣剪接師就不用再花大量時間慢慢篩選素材，可以直接拿 rough cut 再進行微調或加點創意。
他們有張展示圖，大概就是輸入一句話後，AI 能從現有影像中挑合適片段組一支預告片那種。簡單講，就是希望讓內容創作者把繁瑣步驟交給機器處理，多省下一些時間去專心在最後修編跟發揮自己的想法。如果順利的話，日後大家可能就不必再熬夜熬那麼久剪片了吧。
來看看這家新創怎麼用簡報搞定2400萬美元融資
有家叫Moments Lab的公司，好像是兩兄弟創辦的，Phil Petitpont負責整體（據說他以前在TF1集團待過），而Fred則專注在技術端，之前似乎跟Havas集團有點關聯。不過這家公司人沒想像中那麼多，大概也就是接近六十人的樣子吧。工程部門由Thibault領頭，他原本好像和AWS有些經驗；至於科學相關的部分，就交給Yannis來處理，他手上拿的是多模態處理方向的博士學位。銷售這塊，是Carole在打理，她過去跟Ross Video有點淵源。
投資方方面，有幾個名字偶爾會被提到，例如Elaia Partners、Deeptech Fund，再加上一兩個天使輪的成員，還混了SuperNova Invest進來。要說資金規模嘛，也許現在大概湊了將近兩千萬美金左右，不算小但也談不上頂尖。哦對了，他們還請了一位顧問，JP Maheu——前Twitter的人，看起來挺懂網路圈的。
技術細節其實有點複雜。他們自稱有一套自己申請過專利的MXT技術，好像融合了多模態還有生成功能相關的AI。不過底層用什麼語言、資料庫呢？聽說Kotlin和Akka跑在主架構裡面，旁邊輔助寫腳本就靠Python和Typescript。資料怎麼存？MongoDB那一類非關聯型資料庫比較常見，有時候也會提到Event Sourcing或VectorDB之類比較新穎的東西。至於應用場景，有人覺得他們碰觸到了所謂「生成式AI」與好萊塢內容製作結合，但這領域目前看起來變數還蠻多，其實很難下定論哪種模式特別突出。
總體感覺就是，一群背景不太一樣的人聚在一起，各自帶著不同產業經驗，用一些新的工具或方法試圖搞出能吸引資本市場注意力的產品。不過，到底未來怎麼發展，也只能慢慢觀察囉。
投資方方面，有幾個名字偶爾會被提到，例如Elaia Partners、Deeptech Fund，再加上一兩個天使輪的成員，還混了SuperNova Invest進來。要說資金規模嘛，也許現在大概湊了將近兩千萬美金左右，不算小但也談不上頂尖。哦對了，他們還請了一位顧問，JP Maheu——前Twitter的人，看起來挺懂網路圈的。
技術細節其實有點複雜。他們自稱有一套自己申請過專利的MXT技術，好像融合了多模態還有生成功能相關的AI。不過底層用什麼語言、資料庫呢？聽說Kotlin和Akka跑在主架構裡面，旁邊輔助寫腳本就靠Python和Typescript。資料怎麼存？MongoDB那一類非關聯型資料庫比較常見，有時候也會提到Event Sourcing或VectorDB之類比較新穎的東西。至於應用場景，有人覺得他們碰觸到了所謂「生成式AI」與好萊塢內容製作結合，但這領域目前看起來變數還蠻多，其實很難下定論哪種模式特別突出。
總體感覺就是，一群背景不太一樣的人聚在一起，各自帶著不同產業經驗，用一些新的工具或方法試圖搞出能吸引資本市場注意力的產品。不過，到底未來怎麼發展，也只能慢慢觀察囉。
