昨天半夜，我被一条 23 秒的带货视频逼疯了

朋友老陈做抖音本地生活，上周找我救急。他花 300 块请人写脚本，对方交了个 800 字的「万能模板」，套进哪条街的火锅店都行。结果拍出来播放量卡在 500 上不去。我打开 ChatGPT 4o，花 15 分钟给他重写了一条，第二天播放量 2.3 万，咨询量 37 条。区别在哪？我把「拍什么」换成了「为什么拍」，把「介绍菜品」换成了「制造一个 3 秒的悬念」。

这事让我想认真聊聊：普通人用 AI 做短视频脚本，到底怎么才能不踩坑、真出活。我过去三个月用 AI 给 4 个不同类目的账号写过脚本——美食探店、知识口播、数码测评、还有老陈那种本地生活。踩过文案冗长、节奏拖沓、选题跑偏的坑，也总结出一套从选题到分镜的完整流程。今天全拆给你。

第一步：别让 AI 替你选题，让它帮你「筛」选题

很多人上来就输「给我 10 个爆款选题」，AI 给你 10 个「如何做好 XXX」这种泛到没边的题目。我现在的做法是：先手动定位，再让 AI 做减法。

具体操作：打开抖音搜索框，输入你所在领域的一个核心词，比如「减脂餐」或「手机摄影」。把搜索结果页按「最多点赞」排序，手动翻 20 个视频，记下它们标题里的高频动词和场景词。拿「减脂餐」举例，你会发现高频词是「上班族」「15分钟」「带饭」「不饿」。把这些词喂给 AI，让它生成 20 个选题，但加一个限制条件：每个选题必须包含一个具体场景和一个具体数字。AI 会给你「打工人 15 分钟带饭减脂餐，一周不重样」这种，而不是「减脂餐做法大全」。

为什么有效？因为抖音的推荐机制吃「点击率」，而具体场景+具体数字能直接触发用户的好奇心。我实测过，用这个方法筛出来的选题，平均完播率比泛选题高 18% 左右。工具上我用的是 Kimi 的网页版，免费，而且它的长文本处理能力比 ChatGPT 更适合一次性丢 20 条参考标题进去做分析。你如果习惯用 Claude 也行，但记住一个关键：给 AI 的参考样本越多，它筛出来的选题越准。

第二步：脚本结构用「三段式提问」，别写一段式指令

拿到选题后，大多数人会让 AI 直接写脚本，结果得到一篇 1500 字的小作文。我踩过这个坑——AI 写出来的东西逻辑完整，但拍出来全是废镜头。后来我把脚本拆成三个问题，分三次问 AI。

第一问：「用 50 个字说清楚这条视频的核心冲突是什么。」比如老陈那条火锅店视频，核心冲突是「员工自己都不吃的店，凭什么推荐给你」。第二问：「针对这个冲突，设计 5 个反转点，每个反转点用一句话描述画面。」第三问：「把这 5 个反转点按 7 秒一个镜头切分，每个镜头写清楚画面内容+台词+字幕关键词。」

这样做的好处是，AI 每次只处理一个维度，输出质量会高很多。我算过时间：一次问完大概需要 3 分钟，分三次问完总共 4 分钟，但脚本的可拍性翻了不止一倍。老陈那条视频的脚本，核心冲突是「这家店中午排队 40 分钟，但老板说后厨只有两个人」，前 7 秒直接拍排队人群，第 8 秒切后厨空荡荡的镜头，弹幕直接炸了。

工具选择上，我推荐 Claude 3.5 Sonnet，它的指令跟随能力比 GPT-4o 更稳，尤其在「分镜头」这种需要严格格式输出的任务上。但如果你用免费版，Kimi 也能凑合，只是需要你多拆几轮问题。

第三步：分镜脚本的「数字约束法」，专治 AI 废话

AI 写分镜的通病是描述太抽象：「镜头缓缓推进，展现食物的诱人色泽。」这画面谁拍得出来？我的办法是给 AI 立数字规矩：每个镜头必须包含「景别」「时长」「运镜方式」「画面内容」四个要素，且时长只能用 3、5、7 秒这三个固定值。

实际操作：在提问里加上「所有镜头时长只能从 3 秒、5 秒、7 秒中选，每个镜头必须注明是近景/中景/远景，运镜方式是固定/推/拉/摇」。AI 就会给你「近景/3秒/固定：筷子夹起一片肥牛，油光滴落」「中景/5秒/推：服务员端着锅底走向镜头，热气扑面」。这招是从一个 MCN 朋友那学的，他们内部管这叫「三分法」，因为 3 秒能抓住注意力，5 秒能讲清一个信息，7 秒能完成一个情绪转折。

为什么有效？因为短视频的节奏感就是由镜头时长决定的。我统计过自己账号的数据：用三分法剪辑的视频，前 15 秒的留存率比自由剪辑的高 22%。而且这种格式化的输出，你直接就能丢给剪辑师或者剪映的图文成片功能，不用再翻译。

顺便说个数据：剪映的 AI 成片功能我试过，把分镜脚本粘进去，它自动生成的视频大概有 60% 的可用度，剩下 40% 需要手动替换素材。所以别指望全自动，但能省掉你找空镜的时间。

第四步：用 AI 做「竞品拆解」，比它写脚本更重要

脚本写完先别急着拍。我有个习惯：把同领域点赞前 10 的视频，用飞书妙记转成文字稿，然后把文字稿丢给 AI，让它拆解出「开头前 3 秒说了什么」「第 10 秒的转折点是什么」「结尾的引导话术用了什么句式」。这个动作我每周做一次，每次大概 20 分钟。

具体做法：打开抖音电脑版，找到对标账号，用录屏软件录 3 条视频，然后拖进飞书妙记（免费版每月有 30 分钟转写额度）。转写完成后，把文字复制给 AI，问它三个问题：开头钩子的句式结构是什么？中间用了几个信息点？结尾的转化话术是命令式还是利诱式？

这招为什么有效？因为 AI 最擅长模式识别。我拆了 30 条爆款口播视频后发现，90% 的开头都是「否定句+悬念」结构，比如「千万别再这样减肥了」或者「99% 的人都不知道」。我把这个规律反向输入给 AI 写脚本，开头直接套用，完播率明显提升。工具上飞书妙记免费版够用，AI 用 ChatGPT 也行，但记得把转写文字里「嗯」「啊」这些语气词先删掉，不然 AI 会被带偏。

最后说个价格参考：如果你不想自己折腾，市面上代写脚本的服务大概 50-100 元一条，但质量真的不稳定。自己用 AI 做，成本几乎为零，时间投入 30 分钟，产出至少 3 条可用的脚本。这笔账怎么算都划算。

💬 你在用什么AI工具？

我上面提到的 Kimi、Claude、飞书妙记，都是我自己在用的。但说实话，AI 工具更新太快，上个月还好用的，这个月可能就被超越了。我最近发现一个叫 AI House 的排行榜站（aibunkhouse.com/rankings/），上面全是真实用户在投票打分，不是厂商自己吹的。你用的顺手的工具，去上面看看排名，顺便投一票。如果你有更好的脚本生成思路，评论区直接怼我，我每条都看。