AI 视频工具把“生成一段画面”的门槛降得很低，但短视频真正返工最多的地方，通常发生在生成之前：口播说到第二句才发现没有对应素材；同一个产品在三个镜头里颜色不同；剪辑完才发现没有结尾 CTA。想稳定产出 30 到 60 秒内容，先把脚本变成一张可执行的镜头单，再决定哪些镜头需要 AI 生成。
这篇以产品功能演示类短视频为例，讲一套适合运营和小团队的工作法。你可以用 ChatGPT 或 Claude 整理脚本，用 可灵 AI、Runway 等生成补充镜头，再在剪辑工具中完成成片。重点不是选哪一个模型，而是避免让每个镜头都从模糊提示词开始。
先确定视频只要观众做一个动作
短视频脚本最常见的症状是“信息都对，但看完不知道该做什么”。一条内容只设一个主动作：保存这个步骤、评论领取模板、点击查看完整教程，或预约演示。动作不同，开头和证据也不同。想让人保存，就先给一个具体做法；想获得咨询，就要展示适用场景和下一步，而不是把品牌故事讲满一分钟。
写脚本前先填四格：对象是谁、他们正在卡什么、看完得到什么、下一步是什么。例如：对象是每周都要整理会议纪要的运营；卡点是录音转文字后没人确认任务；看完得到一张三列行动清单；下一步是保存模板。没有这四格，AI 往往会用“效率翻倍”之类的空话填满开头。
把 45 秒拆成六个镜头的任务
不要先让 AI 写一大段口播。先用镜头表控制节奏。下面是一个可复用的 45 秒结构：
- 0–3 秒：现场问题。展示真实混乱，例如“会议结束，待办还在聊天记录里”。
- 3–8 秒：指出代价。一句话说明为什么这个问题会漏事，不夸张承诺。
- 8–18 秒：关键动作一。录屏或实拍演示输入、整理或筛选的动作。
- 18–30 秒：关键动作二。展示输出结果，最好是前后对照。
- 30–40 秒：边界或提醒。说明需要人工确认什么，增加可信度。
- 40–45 秒：单一 CTA。告诉观众保存、评论或查看下一步。
每格都要写清楚画面来源：实拍、屏幕录制、已有素材、AI 生成还是图文动画。能用真实录屏证明的功能，不要用 AI 画面代替；AI 更适合做没有拍摄条件的过渡、情绪化 B-roll、抽象概念和背景镜头。
让 AI 输出镜头单，而不是“爆款文案”
将已确认的事实和限制给模型，要求它按时间和素材类型输出。这个提示词可以直接改用：
请把以下事实素材改写成一条 45 秒竖屏短视频镜头单。受众是 {{受众}}，唯一 CTA 是 {{CTA}}。输出表格，列为：秒数、画面、旁白、屏幕文字、素材来源、审核风险。每个镜头不超过 8 秒。只能使用提供的事实；不要杜撰数据、用户评价、价格、功能或效果。至少安排一个“需要人工确认”的提醒镜头。真实产品操作优先标为屏幕录制；只有无法实拍的画面才建议 AI 生成。
事实素材：{{facts}}
模型输出后，先删掉不能证明的句子，再审画面。如果旁白说“自动生成周报”，画面却只是一个泛科技背景，观众会感觉被糊弄。旁白、字幕和画面必须指向同一个事实。
AI 生成镜头要有“连续性卡片”
产品、人物或场景会重复出现时，每次重新写提示词很容易失控。先给项目做一张连续性卡片，记录固定元素：画幅 9:16、主色、人物性别与服装、产品外观、镜头语言、禁止元素。任何生成镜头都把这张卡片粘在提示词开头。
例如做办公场景 B-roll，不要只写“一个人在办公室用 AI 工作”。写成：竖屏 9:16；自然日光的现代小型办公室；人物穿深蓝色衬衫，桌上只有银色笔记本电脑和白色马克杯；中近景、稳定机位、真实商业纪录片质感；不要出现品牌标识、可读屏幕文字、额外人物或夸张科幻 UI。 再补当前镜头动作：“人物停下查看任务清单，轻点鼠标后点头。”
先生成 3 到 5 秒片段，确认人物、道具和光线后再扩展。不要一次生成整条视频再祈祷一致；小片段更容易替换，也更节省额度。
字幕不是把口播原样贴上去
手机上很多人静音观看。字幕应保留关键词和动作，而不是每个语气词都出现。每屏尽量只承载一个意思，关键数字、步骤或否定词可加重；避免把字幕压在产品界面按钮上。口播中的“先把会议录音转文字，再提取待办”可以拆成两屏：“先转文字” / “再提取待办和负责人”。
AI 可以帮助压缩字幕，但要限制它不改事实：
将以下旁白压缩为适合竖屏字幕的短句。保持所有事实、时间和限制不变；每句不超过 14 个汉字；不要新增承诺。按镜头顺序输出，并标记需要与画面同步出现的关键词。
发布前检查四种容易被忽略的错误
- 事实错位：字幕、画面和旁白是否都在说同一个功能或步骤？
- 产品连续性：产品颜色、界面版本、人物衣服和时间是否前后矛盾？
- 权限与素材：客户界面、头像、聊天记录、音乐和素材是否已授权或完成脱敏？
- 行动路径：CTA 的链接、评论关键词和落地页是否已经上线且能打开？
发布前用手机完整看三遍：静音看字幕、戴耳机听口播、快进看节奏。三种观看方式分别会暴露文字、音频和结构问题。
别只看完播率
如果目标是让人保存模板，就看保存率和后续私信中的具体问题；如果目标是产品咨询，就看点击后是否进入预约或留下有效信息。将结果写回镜头表：哪个开头留住了人、哪个演示步骤被反复提问、哪类 AI B-roll 反而降低信任。下一条视频不必从空白开始，只要复用有效的结构，再换一个真实问题和事实素材。
AI 视频工作流最可靠的部分，恰恰不是生成按钮，而是镜头单、连续性卡片和审核清单。它们让生成内容有地方可替换、有证据可核对，也让团队能持续改进，而不是每次都从一句模糊的“帮我做个视频”重新开始。