用 AI 生成短视频：从文案到成片的入门工作流

先想清楚：你要的是口播还是数字人

动手前先定类型，因为两种路线差别很大。口播类是你自己出镜、AI 只帮写稿和剪辑；数字人则是用虚拟形象替你出镜，连脸都不用露。如果你只是想快速试水一个知识账号，数字人门槛更低；如果你本来就想做个人 IP，口播的真实感更难被替代。另外，数字人也分纯生成和中之人驱动两种：前者便宜但表情稍僵，后者自然却贵，新手先拿纯生成版本跑通内容再说。别一上来就纠结工具，先想清楚这条线要往哪走，再选路。

第一步，让 AI 写脚本和分镜

把主题丢给模型，让它先出脚本：开场钩子、核心观点、案例、收尾引导，结构清楚就行。再让它按"画面+旁白"拆成 5 到 8 个分镜，每个分镜标注时长和要呈现的内容。提示词可以这么写："请为一期关于【主题】的 60 秒短视频，写出脚本并拆成带旁白的分镜表。"拿到分镜表，你才有后续每一步的施工图纸，不会录到一半不知道下一句说什么，也方便提前估计总时长。

配音：文本转语音的取舍

现在的中文文本转语音已经能到"不像机器"的程度。免费方案够用来试错，付费方案在情绪、停顿上更自然。选声音时别只看"像不像真人"，要看它念专业词会不会吞字、长句会不会喘不上气。建议同一段旁白生成两三个版本，挑最顺的那条。配音定下，视频的节奏就基本定了，后面画面都得跟着它走，所以这一步值得多花十分钟。

画面：图生视频与素材库两条路

画面有两种常见做法。一是"图生视频"：用 AI 把一张静态图动起来，适合产品展示、概念演绎；二是直接调用无版权素材库，按分镜关键词搜片段拼接，适合资讯和教程类。新手不建议一上来就玩复杂的图生视频，先用素材库把成片跑通，再逐步升级。能讲清楚，比画面炫更重要，观众先听的是内容，画面是锦上添花而非雪中送炭。

剪辑拼接：把片段合成成片

把配音和画面对上，加字幕、转场和开头的钩子，一条短视频就成型了。很多剪辑软件自带 AI 字幕和自动踩点，能省掉大量手工。导出前看一遍：旁白和画面是否对得上、字幕有没有错字、开头三秒能不能留住人。这三关过了，成片基本能发，剩下的只是发布时机的选择，以及要不要投一点推广把第一波数据拉起来。

发布前的人工把关

AI 能帮你把流程跑完，但有些事必须人来：核对事实和数据有没有编错、检查有没有敏感或侵权内容、确认口播语气符合你的调性。把 AI 当流水线，把人当质检。流水线负责快，质检负责不出事。一遍人工把关，往往能救回一条差点翻车的视频，也保住你账号的口碑。宁可晚发半小时，也别带错上线。