免費字幕君！怎麼用 AI 語音辨識幫你自動生成字幕？

今天來分享我們用 notion 做知識管理的實作過程與心得，不過，我們發現這樣還不夠用，生為 AI 懶人 YOUTUBER，最好有天上掉下來的題目跟素材，所以還串了 zapier 做自動化 AI 新聞收集！

不過在分享實做過程跟心得前，想先跟大家分享我跟 AJ 有在用的筆記工具，這樣你會知道為什麼我們最後選擇用 notion 了。

如果你只想看 notion 自動收集資料，可以直接下滑教學。

Notion

首先是 notion 端，我們先把 papaya 的模板 複製過來。

調整一下資料表格式，後面主要會用到的是名稱、URL、標籤、狀態。

首先，我們先點選標籤，

新增你想要自動化的youtube頻道名稱。

然後到狀態，把原本 index 改名成 youtube 自動串連。

這樣就完成 notion 端的設定。

Zapier

接著來到 zapier，登入後點 create。

進到自動化流程的編輯畫面，你會看到上面有一個 AI 協作的對話框。

輸入「特定 youtube channel 發布影片後，會把影片標題跟連結傳送到 notion 的資料庫」

這樣流程 flow 就出來啦！

如果 AI 給你的長這樣，要把中間的 get report 刪除。

這邊簡單說一下，畫面上看到的這一串，叫「flow」。

「flow」的最上面是「trigger 觸發器」，是啟動 flow 的條件，

其餘的叫「action」，trigger 觸發後會依序執行下面的 action。

我們先點進第一個 trigger 進行設定，

在這邊確認 event 是 new video in channel。

然後在 account 這邊，串聯你的 youtube 帳號，用哪個沒差，除非你是頻道主要觀察自己的數據。

接下來就到了重頭戲 trigger 啦，這邊要填的是 channel ID。

提醒，channel ID 不是網址後面這串，

你可以到想要抓的頻道首頁，按 ctrl+U 開啟原始碼，再按 ctrl+F 尋找這串文字，

後面那串亂碼就是 channel ID 了。

貼回去按 refresh，

如果有成功抓到，下面的 countinue 就會亮起來，

按下去進到測試頁面 test trigger 按下去。

成功的話，你就會看到他把影片資料抓過來嘍，下面是選後面用的測試資料，選哪個都可以，選完點 countiune。

就會進到 notion 設定，確認一下 event 的設定是不是 create database item，

確認完按下一步，account 這邊設定連接到你的 notion 帳號，連完一樣按下一步。

重頭戲又來啦，action 這邊是設定 youtube 資料要怎麼存進 notion？

我們先點開 database，選擇剛剛整理過的資料庫，

然後就會跑出很收熟悉的選項，沒錯，這就是剛剛在notion設定好的資料表欄位，現在只要告訴他要把資料放入哪個欄位就好。

名稱，放影片的 title。

標籤，放剛剛設定好的頻道名稱標籤。

URL，就選影片連結的 URL。

狀態選 youtube 自動串連。

這樣新影片就會出現在 notion 頁面的左邊自動呈現囉。

這樣就完成啦，又可以點 countinue 了，不過我自己還會在 content 這個欄位選 description，把影片描述也放入 notion。

點完 countine 進入測試環節，

按 test step。

成功的話，就會看到 test step 變成 publish，

這時回去看 notion 的資料庫，你會發現多一筆剛剛測試的數據。

最後按下 publish，這樣就完成啦。

之後就坐等別人發片，再跟風就好！想企劃就是這麼簡單。

結語

最後來分享一下實做心得吧！

這次實做讓我體會到 notion 的美妙之處，之前都單純把他當成昇級版的 evernote，但跟 Zapier 之類的自動化服務串聯後，馬上變成不同檔次的東西，集前台後台於一身，甚至還能做網站！

這自由度真的是只有想不到，沒有做不到，沒程式基礎的人也能輕鬆入門，難怪會紅。

最後，想問大家會想用 notion 跟 zapier 來做什麼呢？

如果看到有趣的留言，我會試著做做看，有其他想要看的 AI 工具測試或相關問題，也可以留言分享喔！

如果喜歡這支影片的話，也別忘了按讚、訂閱，加入會員，我們下集再見～掰！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

本文由 建研所 委託，泛科學企劃執行。 

根據聯合國統計數據，全球每年 38% 的溫室氣體排放，並非來自道路上的交通工具，而是由「現代都市與建築」所造成的。

我們如今站在兩條路徑的十字路口。一條是依賴更多水泥建築與空調系統來抵禦夏季酷暑，然而這樣的選擇只會加劇室外大氣的惡化。另一條則是徹底改革建築、用電、設計與都市規劃，不僅尋求低碳排放的建築方式，還要找出節能降溫的解決方案，實現事半功倍的效果。

然而，我們是否真的能將建築業的碳排放歸零？

建築的溫室氣體哪裡來？

在建築物 60 年的生命週期中，建材的碳足跡其實只佔 9.8%，因為建築一旦完成後，材料不會頻繁更換。相反，日常生活中的用電才是主要的碳排來源，占了 83.4%，其中大部分來自冷氣、照明和各種電器。

當然，讓大家集體關燈停用電器「躺平」來拯救地球，顯然不切實際。既然完全不消耗能源是不可能的，我們應該尋找更現實的解決方案。

現在就來看看全球七棟零碳建築之一——成大的「綠色魔法學校」，臺灣首座淨零建築，如何運用建築技術，成為當代永續建築的典範。這些技巧中，有哪些能應用到你我家中呢？

為了省電要把煙囪塗黑、吸收更多太陽光？

都市裡，我們最大的挑戰之一就是夏天的高溫，水泥建築群在陽光的烘烤下，變成一個個巨大的窯爐。為了解決這個問題，綠色魔法學校在國際會議廳裝了一個煙囪，不過這不是為了讓窯爐更熱，而是用來降溫的。

煙囪為什麼都都要蓋的那麼高？原來煙囪越高，上下的溫差越大。熱空氣因為密度低而向上移動，產生熱對流。溫差越大，這個熱對流就越強烈，這就是所謂的「煙囪效應」。在要幫室內降溫的情況下，我們的目的是產生更強的煙囪效應，抽走熱空氣，讓室溫下降。但這棟建築裡沒有火爐，而溫差不夠大時，這效應會變得微弱，那該怎麼辦？

_{浮力通風效應。圖 / 泛科學自製動畫截圖}

綠色魔法學校提出了一個大膽的解法：在煙囪南面下半部改裝透明玻璃窗，並將煙囪內部塗成黑色，還加裝了黑色烤漆鋁板，這樣可以最大限度地吸收太陽光。每當艷陽高照，這個不插電的的「自然通風系統」就能自動啟動，創造局部的熱對流，帶動整根煙囪的熱氣向上移動，為室內降溫，達到節能效果。以熱制熱，完全反常識。

幫室內降溫的最大原則是：通風。

實際上，不是人人家裡都有煙囪。但如果建築的高處沒有任何窗戶或通風設備，熱空氣就是會從屋頂一路往下蓄積在室內。因此，你也一定在許多工廠或民宅的屋頂看過一個不斷旋轉的小風扇，它們也是有異曲同工的效用。雖然不是高聳的煙囪，但特殊的渦輪構造，風吹過就會開始轉動，並連帶空氣排出室外。是個不用插電的通風球。

綠色魔法學校的煙囪就是個效能更強的換氣機，足以讓 300 人大型會議廳的換氣次數，高達每小時 5 到 8 次，甚至能在室內颳起風速每秒 0.5 公尺的微風，是最舒適的環境。這些利用熱氣密度的差異來改善室內溫度的方法，又稱為「浮力通風」。

為了把通風貫徹到底，綠色魔法學校在建築的兩面裝設大量窗戶以及吊扇，來讓水平也能通風。這些我們習以為常的裝置，其實才是關鍵。靠吊扇的一點點電力讓自然風可以自由進出，耗費的能源，遠比冷氣還要少得多。

幫空調省電的最後一招，就是微環境控制。

實際上魔法學校內還是找的到空調設備，並不是完全拔除不用。除了選用最高效率的主機，以及把室內循環做到最好以外，降低周遭環境溫度才能減低冷氣的負擔。要降低水泥叢林的熱島效應，需要植被與水體來做溫度調適。

在太陽照射下，水泥屋頂表面最高可以達到攝氏 70 度，如果屋頂有種植植栽，室內頂層樓板的表面溫度就可以維持在攝氏32 度以下。不用開電就先幫室內降溫。

水也是關鍵的一環。一是水的比熱高，想打破水分子之間的氫鍵，需要大量的熱量，要讓一千克水的溫度升高一攝氏度，需要 4,200 焦耳的熱量，這可以避免溫度因為烈陽就快速上升。二是當溫度真的過高，水也會透過蒸發帶走熱量，讓溫度不至於向上飆。

魔法學校的屋頂花園使用水庫淤泥，研磨後燒製成的再生陶粒，裡頭混合了稻穀，結構極細，不會像有機土一樣分解消失，可以涵養水源，還不用動不動補土壤，不只降低屋頂植被的澆水次數，還能達到降溫效果。地面也採用透水鋪面，讓每一滴水都不浪費。

綠色魔法學校本名是成功大學的「孫運璿綠建築研究大樓」

2013 年被英國知名出版社羅德里其評為「世界最綠的建築」，並獲選為聯合國全球七棟零碳建築之一。

除了表彰之外，在認證上也確實取得了臺灣最高等級的「鑽石級綠建築」認證，以及美國最高級的「白金級綠建築」兩個綠建築認證。

為了讓相同的成效可以陸續在全臺的所有建築上實現，臺灣在既有的綠建築標章體系上，擬定出了「建築能效評估系統 BERS」，針對關鍵的空調、照明、插座電器的用電狀況訂出明確的耗電密度指標得分。簡單來說，就是每平方公尺的面積上，每年平均的用電量。

要打造一棟淨零建築，需要設計與材料硬體的相互配合。在日常用電這最大耗能項目上，能透過前面的淨零設計與智慧能源管理來減低能耗。而我們還沒提到的最後一塊拼圖，則是回到建築的建材本身。這部分減碳的方法有很多種，例如將傳統施作工法改為在工廠就完成模組化建材製造的「預鑄工法」，減少現場搭建鷹架、施工的步驟，達成減碳。又或是將部分建材更換為木、竹等負碳建材，甚至使用零廢棄物、能「循環使用」的建材。例如 2018 年亮相的臺中花博荷蘭館、或是 2021 年台糖在沙崙啟用的循環聚落。

建築物能夠完全不用電嗎？……電從哪裡來？

沒錯，連全球最綠的建築——綠色魔法學校，也無法做到完全不使用電力。正如前面提到的，建築的最大能源消耗來自日常使用，而這所「魔法學校」的成就，是成功將日常能源消耗降低，讓溫室氣體排放減少超過 50%。

這就是關鍵，減少一半後，剩下的部分就靠周邊的造林、太陽能和風能等綠色能源來補足。

2022 年 3 月，國發會公佈了 2050 淨零排放的路徑圖，參考美國、日本、歐盟等國，制定了 2050 年達成淨零建築的目標。

這條路徑包含兩個核心目標：第一，所有建築物要在建築能效評估系統（BERS）中達到 1 級節能，甚至進一步達到「1+ 級」近零碳建築的標準，減少至少 50% 的能源消耗。第二，同步發展再生能源，讓這些近零碳建築朝淨零邁進。

這個目標比你想像的要容易實現。比如，2023 年 12 月，台達電的瑞光大樓 II 就成功取得了「1+ 級」近零碳建築認證，並符合 0 級淨零建築規範。而在 2024 年 7 月，國泰人壽在臺中烏日的商辦大樓經過改造後，也達到 0 級淨零建築標準。這些案例證明了綠色魔法學校的成功經驗可以複製，不論是新建築還是舊建築，都能達成甚至超越淨零目標。

如果我們不想讓「每個夏天都是未來最涼的一年」這樣的預言成真，碳排歸零是必須要實現的目標。現在你知道，這個任務的關鍵就掌握在你我手中。就像選擇能源標章電器一樣，只要選擇符合 BERS 能效標準的建築，我們不僅能降低冷氣的依賴，也能節省電費，讓地球和你的荷包都雙贏。

AlphaFold的誕生：人工智慧的奇蹟

2018 年，Google 旗下的 DeepMind 團隊推出了第一代 AlphaFold，這是一款基於深度學習的 AI 模型，專門用於預測蛋白質的三維結構。AlphaFold 的命名取自「fold」一詞，意為折疊，指的是蛋白質在胺基酸鏈構成後迅速摺疊成其功能所需的三維結構。

AlphaFold 的突破在於其能夠預測出蛋白質折疊的可能性，這是一個傳統計算方法無法達到的領域。第一代 AlphaFold 在國際 CASP 比賽中取得了一定的成功，雖然其預測準確度尚未達到實驗室標準，但其潛力讓科學家們充滿期待。

為什麼蛋白質結構預測如此重要？

蛋白質是生命的基石，它們的功能取決於其複雜的三維結構。然而，僅靠實驗技術來解析蛋白質的結構既昂貴又耗時。過去科學家依賴於如 X 光晶體繞射等技術來解析蛋白質的結構，然而這種方法雖然精確，但往往需要數年時間來得出一個結論。

到目前為止，人類已知的蛋白質數據庫中，全球僅解析了大約 22 萬種蛋白質的結構，這遠遠不足以滿足生物學和醫學研究的需求。尤其是人類的許多蛋白質結構仍然未知，這成為阻礙醫學進步的一個主要瓶頸，特別是在藥物開發和疾病治療上，因此如何加速對蛋白質的結構的解析至關重要。

AlphaFold 2：技術飛躍

2020 年，AlphaFold 2 橫空出世，改進了多項技術，預測準確度大幅，幾乎達到了與實驗結果相媲美的程度。這一成就震驚了全球生物學界，許多科學家開始將 AlphaFold 2 應用於實際研究中。

AlphaFold 2 的成功源自於其三大技術革新：

• 注意力機制：模仿人類的思維模式，從大局出發，關注蛋白質結構中的每一個細節，進而提高預測的準確性。
• 多序列比對功能：通過搜尋類似的胺基酸序列，推斷新的蛋白質結構。
• 端到端預測模式：利用深度學習神經網路，不斷反饋預測結果，持續優化模型。

AlphaFold 3：下一代 AI 的力量

隨著 AlphaFold 2 的成功，DeepMind 並未停止其腳步。2024 年 5 月，AlphaFold 3 正式推出，這標誌著 AI 技術在生物學領域的又一個里程碑。AlphaFold 3 的改進再次吸引了科學界的目光，它強化了注意力機制，並引入了擴散模型，這使其能夠更快且更準確地預測複合蛋白質的結構。

擴散模型是一項關鍵技術，它能夠生成大量的可能蛋白質結構，並快速篩選出最可能的解答。與此同時，AlphaFold 3 還內建了「減幻覺」功能，這讓其在產生結果時能夠避免過多不切實際的預測，提升了結果的可信度。

AlphaFold 的實際應用：醫學與藥物開發

AlphaFold 3 的誕生，不僅是一個技術突破，還為醫學和藥物開發帶來了巨大的希望。過去，癌症治療中的標靶藥物需要經過漫長的實驗才能確定其作用原理，然而現在，通過 AlphaFold 的預測，科學家可以更加精確地針對癌細胞中的錯誤蛋白質，設計出更有效的藥物。

除此之外，AlphaFold 3 還在抗病毒藥物、抗生素以及阿茲海默症等領域展現了潛力。其能夠預測蛋白質與其他分子（如DNA、RNA）的交互作用，這使得研發新藥的過程大大加速。

AlphaFold 3 的挑戰與未來

儘管 AlphaFold 3 取得了驚人的進展，但其仍然面臨一些挑戰。首先，目前 AlphaFold 3 的模型尚未完全開源，這限制了研究人員對其內部運作的了解。為此，一些科學家已聯名要求 DeepMind 開放其程式碼，以便進行更深入的研究和應用。

不過，隨著 AlphaFold 3的逐步推廣，生物學家相信它將繼續改變生物學研究的方式。未來，這項技術有望在解決更多未解難題中發揮關鍵作用，並為醫學領域帶來更大的突破。