一支 30 秒的产品短片，传统做法要拍摄、布光、找演员。现在用大模型写脚本、用图像模型出画面、再用视频模型让画面动起来，一个人一两天就能做出可用的成片。本文以一款保温杯为例，把完整流程拆成七步，每一步都给出可以直接套用的做法。
一、先明确目标与受众
AI 生成的素材很多，但方向不清楚就会越做越散。动手前先用几句话回答下面四个问题，写在文档最上方，后面每一步都拿它对照：
- 给谁看：例如“25–35 岁、通勤上班的城市白领”。
- 只讲一个卖点：30 秒只够讲清楚一件事，例如“12 小时保温”。
- 投放在哪：决定画面比例。竖屏短视频平台用 9:16，横屏网页或电商详情页用 16:9。
- 看完希望观众做什么：记住品牌、点进商品页，还是关注账号。
二、用大模型写脚本和分镜表
把上一步的四个答案交给任意一个对话大模型，让它直接输出分镜表。下面的提示词可以直接复制，替换方括号里的内容：
你是一名广告短片导演。请为以下产品写一支 30 秒短片的脚本，并输出分镜表。
产品：[不锈钢保温杯，磨砂墨绿色，杯身有白色小 logo]
目标受众：[25–35 岁通勤白领]
核心卖点（只讲这一个）：[早上装的热咖啡，到晚上还是热的]
画面比例：[9:16 竖屏]
风格：[温暖、生活化、自然光]
要求：
1. 共 6–8 个镜头，总时长 30 秒，单个镜头 3–5 秒；
2. 用表格输出，列为：镜号 / 时长 / 画面描述 / 镜头运动 / 旁白或字幕 / 音效；
3. 画面描述要具体到主体、动作、场景、光线，方便直接用作 AI 生图提示词；
4. 前 3 秒必须有吸引注意力的画面；最后一个镜头展示产品和品牌名。模型输出后，再追问一两轮进行修改，例如“第 3 个镜头太抽象，换成具体动作”。下面是一份整理后的示例分镜表：
| 镜号 | 时长 | 画面描述 | 镜头运动 | 旁白 / 字幕 |
|---|---|---|---|---|
| 1 | 3 秒 | 清晨厨房，热咖啡倒入墨绿色保温杯，蒸汽升起 | 特写，缓慢推近 | 早上 7 点 |
| 2 | 4 秒 | 年轻女性拿着杯子走出家门，阳光照在脸上 | 跟拍 | — |
| 3 | 4 秒 | 地铁车厢里，杯子放在包侧袋中 | 固定镜头 | 通勤、开会、加班 |
| 4 | 5 秒 | 办公桌上，窗外天色从白天变为傍晚 | 固定镜头，延时感 | 一整天过去了 |
| 5 | 5 秒 | 夜晚，她拧开杯盖，热气依然冒出，她露出微笑 | 中景，缓慢推近 | 晚上 7 点，还是热的 |
| 6 | 5 秒 | 杯子立在木桌上，背景虚化 | 缓慢环绕 | 12 小时保温 |
| 7 | 4 秒 | 纯色背景，产品居中，品牌名出现 | 固定镜头 | 品牌名 + 口号 |
三、生成关键画面，保持角色和产品一致
推荐先用文生图工具为每个镜头生成一张关键画面，确认满意后再转成视频。静态图的修改成本远低于视频，这一步多花时间是值得的。
AI 短片最常见的问题是“每个镜头里的人和杯子都长得不一样”。下面三个方法可以明显改善：
- 固定描述词：为主角和产品各写一段固定描述，每个镜头的提示词都原样复制进去，只改动作和场景。例如：“一位 28 岁左右的中国女性，齐肩黑色短发，米白色针织开衫”；“磨砂墨绿色不锈钢保温杯，圆柱形，银色杯盖”。
- 使用参考图：多数主流生图工具支持上传参考图。先生成一张满意的角色正面图和一张产品图，后续镜头都以它们为参考。如果有真实的产品照片，直接用产品照片作参考效果最好。
- 统一风格词：光线、色调、画面质感等描述在所有镜头中保持一致，例如统一写“自然光、暖色调、浅景深、电影感”。
四、让画面动起来：图生视频与文生视频
有了关键画面，就可以用视频生成工具把它们变成镜头。国内常用的有可灵、即梦，海外有 Runway 等，大都同时提供两种方式：
- 图生视频：上传关键画面，再用文字描述动作和镜头运动。画面构图和人物外观由图片锁定，一致性更好，产品短片建议以这种方式为主。
- 文生视频：只写文字直接生成。适合不涉及主角和产品的空镜，例如窗外天色变化、城市街景。
写视频提示词时，只需描述“画面里要发生什么”，不必重复图片中已有的内容。可以直接用分镜表里的“画面描述 + 镜头运动”两列，例如：
女性拧开杯盖，杯口冒出白色热气，她低头闻了闻，露出微笑。镜头缓慢推近。温暖的室内灯光。实用建议：
- 每个镜头一次生成多条，挑最好的一条。视频生成的随机性很大，一次就满意的情况并不多。
- 动作越简单越稳定。“拧开杯盖”比“拧开杯盖、喝一口、放下再站起来”成功率高得多。
- 单次生成的片段通常只有几秒，正好对应分镜表中的一个镜头。不要试图一次生成整支片子。
五、配音与配乐
配音：把分镜表中的旁白整理成一段完整文案，交给 AI 配音工具（剪映等剪辑软件也内置了文字转语音功能）。选好音色后，先整段试听，重点检查多音字、品牌名和数字的读法，读错的地方可以改写成同音字，或者单独重新生成那一句。
配乐：选择节奏和画面情绪一致的背景音乐，30 秒的片子最好让音乐的起伏与镜头切换对齐。
- 用于商业推广的短片，音乐、音效、配音音色都必须确认有商用授权。剪辑软件内置的素材库不等于都能商用，请以各素材的授权说明为准。
- AI 音乐生成工具的商用权限通常与账号类型有关，使用前阅读服务条款。
- 不要未经本人许可克隆真人的声音，也不要模仿明星的声音或形象。
六、剪辑合成
用剪映 / CapCut 或其他熟悉的剪辑软件完成最后的组装，按下面的顺序操作：
- 新建项目，比例设为第一步确定的 9:16 或 16:9。
- 按分镜顺序把视频片段放上时间线，裁掉每段开头和结尾不自然的部分（AI 视频的首尾几帧常有瑕疵）。
- 放入配音，根据配音节奏微调每个镜头的长度。
- 加入背景音乐，将音量调低，避免盖过人声。
- 添加字幕、产品 logo 和品牌名（使用真实素材）。
- 统一调色：给所有片段加同一个滤镜或调色预设，弱化不同镜头之间的色差。
- 导出前从头到尾完整看一遍。
七、发布前检查清单
- 前 3 秒是否足够吸引人？
- 核心卖点是否清楚，观众看完能不能一句话说出来？
- 人物的脸、手指是否有明显变形？产品的颜色和形状在每个镜头中是否一致？
- 产品外观是否与实物相符？宣传内容不能超出产品真实性能。
- 字幕是否有错别字？配音中品牌名、数字的读法是否正确？
- 音乐、音效、配音、字体是否都有商用授权？
- 是否按照相关规定和发布平台的要求，标注了“AI 生成”等标识？
- 在手机上完整播放一遍，检查画面比例和字幕是否被平台界面遮挡。
第一支片子做完后，把用过的提示词、固定描述词和参考图整理保存，下一支片子就能直接复用，速度会快很多。