新手 AI 短视频全流程：从写稿到发布只要 30 分钟

想开个小账号——读书分享、探店、或者就是记录日常。可一开机就忘词，剪辑软件打开像个飞机驾驶舱，看都不想看。十年前这就是一个人做视频的死穴；现在不是了。AI 帮你写好口播稿，一键读出配音，画面用文生视频生成，字幕自动配上。一个人，半小时，一条竖屏视频。下面是从写稿到发布的完整流程。

第一步：让 AI 写口播稿

打开任意一个聊天机器人，把下面这段提示词原样贴进去。关键是说清四件事：时长、口语化、开头钩子、结尾引导关注。千万别只问「帮我写个视频脚本」——出来的东西像课文，念出来自己都尴尬。要让它写「你现实中会真的说出口的话」。

帮我写一段 60 秒的竖屏口播稿，主题是【你的主题】。用大白话，像跟朋友聊天一样，短句。开头 3 秒要有钩子：抛一个反常识的事实，或者观众正头疼的问题。中间讲 3 个小点。结尾引导关注这个账号。不要分标题，只要能直接念的话。

出来的稿子一般分三段：钩子（前 5 秒，决定别人划不划走）、正文（3 个小点，约 40 秒）、结尾（「有用就关注一下」）。拿到后自己念一遍——哪句话你现实中不会对朋友说，就让 AI 改得更口语，重跑两三轮很正常，这不算返工，本来就是这么干的。

第二步：配音和字幕，都在剪映（CapCut）里做

有了稿子不代表要自己录。打开剪映（手机或电脑版都行），把稿子贴进文本框，用「文字转语音」：它会用很自然的声音把整段念出来，不用买麦克风。再点「自动字幕」，字幕跟配音自动对齐。剪映还有「图文成片」功能——贴一篇文章进去，自动配上素材生成一条粗剪。免费版就能用剪辑、自动字幕和基础 AI 配音，导出 1080p；高级音色库、4K 导出和商用素材要开 Pro（写作时约 7.99 美元/月）。免费和付费的分界线经常变，升级之前以官网为准。

第三步：用可灵（Kling）和海螺 AI（Hailuo AI）生成画面

素材库的画面能用，但 AI 生成的镜头一看就是「你的片子」。可灵和海螺都能把一句话变成几秒的视频片段：你写一个镜头描述，它渲染出 5–10 秒的画面。免费额度两家都有：每天送积分，或者新用户送一波体验额度，够新手练手做完整第一条。免费档一般带水印、时长和清晰度受限。具体数字变得很快，别信本文的记忆，以官网当天为准。

提示词每次套同一个公式：主体＋动作＋镜头＋时长＋风格。它是填空模板，不是写诗——括号填完就完事。

一个【主体】正在【做什么动作】，【镜头怎么动】，大约【时长】秒，【画面风格】。举例：一个咖啡师俯拍拉花，镜头缓慢推近特写，5 秒，暖色调电影感。再举一例：深夜木桌上的笔记本电脑，只有屏幕发光，镜头轻微手持晃动，5 秒，写实温馨风。

每个镜头生成两三条，挑最好的下载，每条控制在 5 秒左右。你不是拍电影，只是在配音播放时用来切换画面的素材。人物手崩了、脸糊了？重新生成一次就好，点一下的事，不用心疼积分。

第四步：回剪映合成

回到剪映时间线：把 AI 片段按顺序拖进去，配音放在最上层，剪掉所有废镜头——停顿、第二遍的重录、晃掉的那段。自动字幕在底部轨道，扫一遍把错别字改掉（很少，但有）。加一条安静的背景音乐，音量压到配音下面，挑一帧当封面，导出 1080p。剪辑就这些。

发布前检查清单

• 前 3 秒钩子：陌生人会不会因为第一句话停下来？
• 竖屏 9:16 比例——不是方形、不是横屏
• 字幕已加——大部分人刷视频是静音的
• 背景音乐压到配音下面
• 封面帧上有一行看得清的字
• 前几条片子总长控制在 60 秒内

新手最容易踩的坑

• AI 生成的人物手会变形、脸会糊——避免手部特写，或者把手移出画面
• 免费积分用得飞快——先想清楚要 4–6 个镜头，再开始生成
• 稿子别照读——瞄一眼、像真人一样说，说错的剪掉重接就行
• 比例别选错：选了 16:9，发到手机信息流里就是一条小细条

写在最后

第一条视频，30 秒，不完美，发出去。写稿、配音、字幕、AI 画面——难的环节 AI 都替你干掉了。剩下的节奏、钩子、镜头感，只有靠一条一条发布来练。把稿子写了，把镜头生成了，今天就点发布。