AI 短视频全流程：一段文案怎么变成一条成片

很多人以为做 AI 短视频就是「把文案丢给工具，一键出片」。真做过就知道：一键出来的东西，画面对不上话、字幕错字连篇、音乐盖过人声，根本发不出去。

能发布的成片，背后都是一条固定的流水线。这篇教程综合了主流 AI 视频工作流教程的共识，把整条线拆成七步：每一步做什么、关键数字是多少、新手最容易在哪翻车，全讲清。你照着走一遍，就能做出第一条像样的片子。

第一步：先定规格，再谈创意

动手之前，先把四件事写下来：发到哪个平台、竖屏还是横屏、多长、给谁看。

• 竖屏短视频统一 9:16，分辨率 1080×1920
• 时长先想好：口播类常见 30 到 90 秒，文案字数跟着时长走
• 受众决定语气：给同行看可以专业，给大众看必须说人话

规格没定就开工，后面每一步都要返工。

第二步：写文案，先有稿再有片

文案是整条流水线的地基。两个要点：

• 按出声读的节奏写，不是按阅读节奏。写完自己念一遍，拗口的地方观众听着更拗口。
• 字数跟着时长走：中文口播大约每秒 3.5 到 4 个字。想做 60 秒的片子，文案就控制在 210 到 240 字，写超了后面全得砍。

结构上记住一句：开头三秒给钩子，中间给干货，结尾给落点。别把最精彩的话留到最后一秒，多数人划不到那里。

第三步：拆分镜，一句文案一个镜头

把文案按句拆开，每句配一个画面，列成一张分镜表：这句说什么、画面放什么、从哪来（拍、找素材、还是 AI 生成）。

• 每个镜头承载一个信息点，别贪多
• 单镜头时长一般在 3 到 15 秒之间
• 同一条片子的画面要像「同一个世界」：色调、场景别跳来跳去

这一步偷懒，后面剪辑时就会发现画面和文案对不上，只能将就。

第四步：备画面，先试再定

按分镜表逐条准备素材，全部放进一个文件夹、按镜头序号命名，别边剪边找。

• AI 生成的画面：先用低成本模式试构图，构图对了再出高清版，别一上来就烧高清额度
• 找现成素材：注意竖屏优先，横屏素材裁成竖屏经常糊
• 同一条片子统一过一遍色调，冷暖别打架

第五步：做配音，真人 AI 都行

• 自己录：关窗、找软装多的房间（衣柜边、床边都行），嘴离麦克风大约一拳。环境比设备重要得多。
• AI 配音：选能调语速的产品，语速 1.0 到 1.2 倍适合短视频；生成后重点试听多音字和数字，这两处最容易读错。
• 哪条路都一样：配音导出后先完整听一遍再进剪辑，错音在成片里会非常扎眼。

第六步：剪辑合成，顺序别乱

在剪辑软件里（剪映、必剪、Premiere 都可以）按这个顺序来：

1. 把配音铺满时间轴，这是主线
2. 按分镜表对齐画面，一句配音对一段画面
3. 自动生成字幕，然后逐句人工校对——自动字幕的错字率不低，尤其人名和专有名词
4. 加背景音乐：音量压到人声之下，经验值是音乐轨 -20dB 上下，或音量百分比 10% 到 15%
5. 转场越少越好：片段之间用 0.3 到 0.5 秒的叠化就够，花哨转场只会显得业余
6. 全片统一调一次色

第七步：质检后导出，别急着发

导出参数：MP4、1080×1920、30 帧，就是稳妥组合。导出后做两件事：

• 在手机上完整看一遍：电脑上清楚的字幕，到手机上可能糊；声音大小也要在手机上确认
• 对照检查一遍：字幕有没有错字、画面有没有对错句、音乐有没有盖人声、结尾有没有被切掉

流水线一图流

定规格 → 写文案 → 拆分镜 → 备画面 → 做配音 → 剪辑合成 → 质检导出

七步里，工具只占一小半，真正的功夫在文案、分镜和质检。把顺序走顺了，工具换哪个都行；顺序乱了，再贵的工具也救不回来。

下一篇，我们把第二步展开细讲：短视频文案的字数和节奏，到底怎么控。