AI实战教程
用AI做一条完整短视频：脚本→配音→字幕→封面，全流程拆解（附模板）
一条60秒的短视频，真正卡人的从来不是剪辑，而是四件事：脚本写不出来、配音一听就是AI、字幕和声音对不上、封面没人点。四步拆开看都不难，串起来却容易断。这篇把它做成一条流水线，每步附可直接抄的模板。
四步流水线：从想法到能发的成片
① 脚本 —— 用AI出钩子、主体、结尾（约10分钟）
② 配音 —— 把口播稿转成人声（约5分钟）
③ 字幕 —— 识别加逐句校对，卡准时间轴（约10分钟）
④ 封面 —— AI出图配一句大字（约5分钟）
四步跑顺，一条60秒视频控制在30到40分钟。
① 脚本 —— 用AI出钩子、主体、结尾（约10分钟）
② 配音 —— 把口播稿转成人声（约5分钟）
③ 字幕 —— 识别加逐句校对，卡准时间轴（约10分钟）
④ 封面 —— AI出图配一句大字（约5分钟）
四步跑顺，一条60秒视频控制在30到40分钟。
第1步 · 脚本：先定"一句话主张"
别一上来就让AI写脚本，它只会给你一段正确的废话。先自己写一句话：这条视频要让人记住什么。把这句话喂给AI，让它围绕它铺开场、主体、结尾。
口播稿和文章是两回事：每句不超过20字、不用书面语。这些限制不写进提示词，AI就写成播音稿。
别一上来就让AI写脚本，它只会给你一段正确的废话。先自己写一句话：这条视频要让人记住什么。把这句话喂给AI，让它围绕它铺开场、主体、结尾。
口播稿和文章是两回事：每句不超过20字、不用书面语。这些限制不写进提示词，AI就写成播音稿。
口播稿提示词模板（直接抄）
你是短视频口播稿写手。我的账号定位是〔填写〕，目标观众是〔填写〕。这条视频要让人记住一句话：〔填写你的主张〕。请按这个结构写一条60秒口播稿：①前3秒钩子，用一个具体场景或反常识结论；②中间30秒，给3个要点，每点配一个例子；③结尾10秒，一句行动建议。要求：每句不超过20字，不用书面语，不用"首先其次最后"，不加表情符号，全文控制在220字以内。
你是短视频口播稿写手。我的账号定位是〔填写〕，目标观众是〔填写〕。这条视频要让人记住一句话：〔填写你的主张〕。请按这个结构写一条60秒口播稿：①前3秒钩子，用一个具体场景或反常识结论；②中间30秒，给3个要点，每点配一个例子；③结尾10秒，一句行动建议。要求：每句不超过20字，不用书面语，不用"首先其次最后"，不加表情符号，全文控制在220字以内。
写完自己念一遍。念着别扭的地方，AI读出来一定更别扭——这是上周测配音工具时最直接的体会。
第2步 · 配音：先标语气，再丢给工具
把稿子丢进配音工具前，先给每段标上语气。开场压低一点、稍慢，中间正常语速，结尾干脆收住。同一段文字，加不加语气说明，出来是两个人。
还有两个细节最影响"像不像真人"：长句自己先拆短，别让AI猜断句；价格、型号这类词单独拆成一句，读错一个数就要整段重录。
把稿子丢进配音工具前，先给每段标上语气。开场压低一点、稍慢，中间正常语速，结尾干脆收住。同一段文字，加不加语气说明，出来是两个人。
还有两个细节最影响"像不像真人"：长句自己先拆短，别让AI猜断句；价格、型号这类词单独拆成一句，读错一个数就要整段重录。
第3步 · 字幕：机器识别，人工过一遍
字幕用剪辑软件的"识别字幕"自动生成，准确率很高，但有三类词必须手动校对：人名和品牌名、数字和单位、同音字。一条60秒视频通常150到200字，逐句过一遍只要5分钟，但错一个字就可能被人截图。
分行也讲究：一行不超过13个字，一句话不要跨行断开，断在语义停顿处。手机上字幕最多两行，超了会挤成一团。
字幕用剪辑软件的"识别字幕"自动生成，准确率很高，但有三类词必须手动校对：人名和品牌名、数字和单位、同音字。一条60秒视频通常150到200字，逐句过一遍只要5分钟，但错一个字就可能被人截图。
分行也讲究：一行不超过13个字，一句话不要跨行断开，断在语义停顿处。手机上字幕最多两行，超了会挤成一团。
第4步 · 封面：3秒决定点不点
封面只做三件事：一个大主体（人、产品，或有反差的画面）、一句大字（不超过9个字，就是这条视频的钩子）、一个高对比的底色。
字号要大到在手机上缩略图也能看清。把成品图缩到拇指大小看一眼，看不清就重做。
封面只做三件事：一个大主体（人、产品，或有反差的画面）、一句大字（不超过9个字，就是这条视频的钩子）、一个高对比的底色。
字号要大到在手机上缩略图也能看清。把成品图缩到拇指大小看一眼，看不清就重做。
时间预算：第一次和第三次差多少
第一次做：脚本30分钟、配音20分钟、字幕20分钟、封面20分钟，合计约1.5小时。
第三条以后：脚本10分钟、配音5分钟、字幕10分钟、封面5分钟，合计30到40分钟。
提速的关键不是换工具，是把模板固定下来：同一套结构、同一套提示词、同一套字幕规则，只换内容。
第一次做：脚本30分钟、配音20分钟、字幕20分钟、封面20分钟，合计约1.5小时。
第三条以后：脚本10分钟、配音5分钟、字幕10分钟、封面5分钟，合计30到40分钟。
提速的关键不是换工具，是把模板固定下来：同一套结构、同一套提示词、同一套字幕规则，只换内容。
最后提醒：最容易被跳过、也最不能跳过的，是第3步的人工校对。前面几步AI都能替你干，字幕只能你自己看——只有你知道哪个词念错了。
【声明】
本文为个人观点分享，文中工具信息来自公开渠道，功能与价格以官方最新说明为准，仅供参考，不构成购买建议。因采信本文内容采取、不采取任何行动所产生的后果，由行为人自行承担，与本文作者及发布平台无关。
本文为个人观点分享，文中工具信息来自公开渠道，功能与价格以官方最新说明为准，仅供参考，不构成购买建议。因采信本文内容采取、不采取任何行动所产生的后果，由行为人自行承担，与本文作者及发布平台无关。
📌 明天预告：AI写的一眼假？3个"去AI味"的具体改法
💬 你现在卡在哪一步？脚本、配音、字幕还是封面？留言说说，我针对那一步给你更细的做法。
👍 点关注，专注AI布道。
#AI做短视频 #AI实战教程 #张楠说AI