15 秒产品广告：AI 配齐脚本画面字幕并出成片

一句话结论

产品卖点先写成一句话，再让 AI 出画面、配字幕，15 秒广告一个人通常一小时内能出成片。

这篇解决什么问题

电商和市场岗最怕的不是没创意，是临时被通知「明天要大促素材」。15 秒短片拆开看是脚本、画面、字幕三摊活，分给三个人做，光统一口径就要耗掉半天。

我这次是一个人、一台电脑，把「晨野冷萃咖啡液」的新品短片从零做到能投放。适合有明确单品、预算有限、当天必须交片的场合；不适合需要真人出镜口播，或者要求品牌 TVC 级质感的项目。

开始前要准备什么

• 即梦、可灵各一个账号，注册后都有免费额度，够跑十几条 4 秒片段
• 产品实拍图 3～5 张，白底和手持各一组，用来做图生视频的参考
• 一句能说清卖点的话。这句写不出来，后面全是白费功夫
• 一个 9:16 竖屏空工程，剪辑软件用顺手的就行
• 时间预算：第一次做通常 60～90 分钟，跑顺了半小时内收工

具体怎么做

第 1 步 · 把卖点压成一句话

先把产品资料丢给模型做减法。我在实操中发现，不少人跳过这步直接写脚本，画面都生成了还没想明白到底卖什么。

你是一名电商短视频编导。下面是产品信息：
产品名：晨野冷萃咖啡液
品类：即饮咖啡液，单条 30ml，兑水或牛奶
目标人群：早上赶时间的上班族
在售卖点：冷萃 12 小时、0 糖、冷热水都能冲开
请完成三件事：
1. 用一句话（不超过 20 字）说清「用户为什么要买」，只保留一个卖点；
2. 给出三个备选句，按说服力从强到弱排序，每句后面用一句话说明理由；
3. 指出这句主卖点在 15 秒视频里最容易被误解的地方，以及怎么在画面里化解。
要求：不写形容词堆砌的文案，不使用绝对化、排他性的表述。

预期产出：一句 20 字以内的主卖点句，加一条防误解的画面提示。这句话后面每一步都要反复用到。

第 2 步 · 让 AI 写出 15 秒分镜表

15 秒其实只装得下 3～4 个镜头。把主卖点句贴进去，让模型按秒切分，输出的表要能直接照着执行。

继续上面的产品。请把主卖点句做成一条 15 秒竖屏 9:16 短视频的分镜表，输出为表格，列包括：镜号、时间码、画面内容、镜头运动、字幕（不超过 10 字）、配音文案、音效提示。
硬性要求：
– 总时长正好 15 秒，分 4 个镜头，时间码分别为 0-2s、2-6s、6-11s、11-15s；
– 第一个镜头必须在 2 秒内让人看清产品是什么；
– 字幕总计不超过 28 个字，每屏一行；
– 配音按每秒 4 个字计算，全文不超过 55 字；
– 画面描述要具体到「手在做什么、光从哪来、背景有什么」，不要写「温馨氛围」这类词。
表格输出完，再补一句：这套分镜里最容易拍废的是哪个镜头，为什么。

预期产出：一张四行分镜表，外加一条风险提示。表里每一列都能直接拿去填生成提示词。

第 3 步 · 用即梦或可灵生成画面

分镜表里的画面描述不能直接喂给视频模型，得翻译成「主体 + 动作 + 环境 + 光线 + 运镜」的句式。我一般一条镜头写两版，先用稳的那版。

你是 AI 视频提示词工程师。请把下面这个镜头改写成适合即梦 / 可灵图生视频的中文提示词：
镜头内容：一只手把一条冷萃咖啡液撕开，倒进装了冰块的玻璃杯，咖啡液在冰水里散开成棕色的烟雾状；背景是浅木色桌面和虚化的窗光；镜头从杯口上方缓慢下压。
改写要求：
1. 先写主体和动作，再写环境，再写光线，再写运镜，顺序不能乱；
2. 只描述画面里看得见的东西，不写「高级感」「治愈」这类主观形容词；
3. 给出 A、B 两版，A 版偏写实产品广告，B 版偏手持生活感，每版 80 字以内；
4. 每版后面加一行参数建议：画幅、时长、运动幅度、是否锁定镜头；
5. 再列 3 个负面提示词，重点防止手部变形和液体穿模。

预期产出：两版可直接粘贴的提示词和参数建议。生成时先出 4 秒，不满意只改其中一句，别整段重写。

第 4 步 · 配音和字幕按秒对齐

AI 配音最容易翻车的地方是字数超了。我的做法是先定死字数，再倒推每屏字幕的出入点。

下面是 15 秒视频的配音文案和字幕文案，请帮我做时间轴对齐。
配音文案：早上赶时间，撕一条就够了。冷水一冲，十二小时冷萃的香气直接出来。零糖，不腻。
字幕文案：撕一条 / 冷水冲开 / 12 小时冷萃 / 0 糖
要求：
1. 按每秒 4 个字的语速，逐句标出每句话的起止秒数，精确到 0.1 秒；
2. 每屏字幕停留不少于 1.2 秒，超过 10 个字就拆成两屏，拆的时候不要拆断词组；
3. 输出成表格，列为：内容、类型（配音/字幕）、起始秒、结束秒；
4. 检查总时长是否超过 15 秒，超了告诉我砍哪一句最不影响理解。

预期产出：一张逐句时间轴表。拿着它去配音和排字幕，基本不会再出现音画不同步。

第 5 步 · 合成导出 15 秒成片

把四段素材、一条配音、四屏字幕拖进剪辑软件。这一步拼的不是特效，是卡点——每屏字幕要在画面切换后极短的时间内接上。

我要在剪辑软件里合成一条 15 秒竖屏视频，请给我一份剪辑执行清单。
素材：4 段 AI 生成片段，时长都是 4 秒；1 条配音；4 屏字幕；1 段背景音乐。
要求：
1. 按 0-2s、2-6s、6-11s、11-15s 排出每段素材的入点和出点，被裁掉的秒数写清楚；
2. 说明每两段之间用什么转场（硬切／叠化／遮罩），并说明为什么；
3. 给出字幕入点规则：画面切换后 0.3 秒出现，下一屏出现前 0.2 秒消失；
4. 说明背景音乐比配音低多少，结尾 1 秒怎么收；
5. 列出导出参数：分辨率、帧率、码率档位、封装格式。

预期产出：一份能照着拖时间线的执行清单，加一组导出参数。按这个走，第一条成片很少返工。

实测记录

成本上，即梦和可灵的免费额度把这条片子跑完了，没有额外支出。同样的活交给外包，沟通加修改通常要两三天；自己按流程走，一次能用的镜头大概占一半多。

返工最集中的是「撕开包装」那个镜头，手指穿模了三次。后来把动作改成「从画面外递入」，只露半只手，一次就过了。

最容易错的 3 个地方

1. 15 秒塞 6 个镜头，观众什么都记不住。砍到 4 个，前 2 秒必须露产品。
2. 「高级感」「治愈」这类词喂给模型，出来完全随机。换成光线、材质、动作。
3. 先配音再数字数，超了只能砍卖点。改成先定 55 字上限，再往里填。

可复用的东西

五个提示词串起来就是一条流水线：压卖点、出分镜、译画面、对齐字幕、排时间线。我把它们存成一个文档，换产品只改第一段的产品信息，后面四段基本不动。

这条流程真正省下的不是生成画面的时间，是脚本、画面、字幕三方来回扯皮的时间。口径一个人定死，后面每一步都只是在填空。

你手上要推的那个单品，一句话卖点写出来了吗？写不出来，多半是卖点还没挑够。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接