短视频这条赛道现在早就不是拍得好就能火的年代了。我身边做号的朋友十个里有八个在聊AI但真正把AI用出效果的其实没几个。大部分人卡在两个地方一是不知道AI到底能替自己干哪些活二是看了别人的爆款只会感叹这也能火却拆不出背后的逻辑。这篇内容就是围绕AI短视频制作和爆款拆解这两件事把我自己从零跑通的一套流程完整摊开——从选题、脚本、分镜、生成、剪辑到发布后的数据复盘每一步用什么工具、为什么这么选、参数怎么调、坑在哪里全部讲清楚。适合刚入门的个人创作者也适合想给团队提效的运营同学。看完你至少能独立跑完一条完整的AI短视频并且知道怎么去拆解同行的爆款把它变成自己的选题库。1. 先想清楚AI在短视频流程里到底该站哪个位置很多人一上来就问哪个AI能一键出片这个思路本身就是错的。目前市面上没有任何一个工具能从一句主题直接生成一条能发的爆款视频能做的只是把某个环节的效率拉高。所以第一步不是选工具而是把短视频的生产流程拆开看清楚哪些环节适合交给AI哪些环节必须人来把关。1.1 把生产流程拆成六个环节一条短视频从想法到发布大致可以拆成六步选题、脚本、分镜与素材、配音与字幕、剪辑合成、发布与复盘。这六步里AI的介入程度是完全不同的。选题AI可以辅助但不能替代。它能帮你把一个模糊方向扩展成几十个具体角度但最终选哪个取决于你对账号定位和目标人群的理解。脚本AI介入程度最高。给它足够清晰的约束条件它能产出结构完整、节奏合理的口播稿或分镜脚本。分镜与素材AI可以生成图片、生成视频片段、生成背景音乐但素材的取舍和组合逻辑还是人来定。配音与字幕几乎可以全交给AI现在的语音合成自然度已经足够支撑口播类内容。剪辑合成AI能做一些自动化粗剪但精细的节奏控制、转场、卡点还是手动更靠谱。发布与复盘AI可以帮你整理数据、归纳评论关键词但策略调整还是人来做决策。这么一拆你就明白了AI真正的价值在于把脚本、素材、配音这三个最耗时的环节压缩掉让你把精力集中在选题判断和最终剪辑上。我实测下来一条原本需要四五个小时的视频用这套流程能压到一个半小时左右而且质量不会掉。1.2 为什么不能全流程交给AI有人会想那我把六步全交给AI不就行了。问题在于AI生成的内容有一个通病平均化。它产出的东西是最不容易出错的版本也就是最平庸的版本。爆款恰恰需要的是不平庸——一个反常识的观点、一个意外的切入角度、一个情绪浓度极高的表达。这些东西AI给不了你它只能在你定好方向之后帮你填充细节。所以正确的分工是人负责判断和决策AI负责执行和填充。你定选题方向、定核心观点、定情绪基调AI帮你写脚本、生成素材、配音、加字幕。这个分工想清楚了后面所有工具的选择和使用才有意义。提示如果你现在还在纠结用哪个AI工具最好先停下来把上面这六步流程在纸上画一遍标出你自己最耗时的环节。那个环节才是你真正需要AI的地方别的都是锦上添花。2. 选题与脚本让AI产出能火而不是能看的内容脚本是整条视频的骨架骨架歪了后面素材再精美也救不回来。这一节讲的是怎么用AI把选题和脚本这一步做扎实。2.1 选题阶段用AI做角度扩展而不是选题生成直接让AI给我生成10个短视频选题它给你的大概率是如何提升工作效率三个生活小技巧这种谁都能想到的东西。正确的用法是你先定一个母题然后让AI围绕这个母题做角度扩展。举个例子你的账号是做职场内容的母题是职场沟通。你可以这样给AI下指令我是一个职场类短视频账号目标人群是工作1-3年的年轻上班族。 母题是职场沟通。 请围绕这个母题从以下五个维度各给我5个具体的选题角度 1. 反常识观点打破常见认知的 2. 具体场景越具体越好比如跟领导提加薪 3. 情绪共鸣让人看了想说这就是我的 4. 对比冲突两种做法的对比 5. 数字清单用具体数字制造确定感 每个角度用一句话描述不要展开。这样出来的选题质量比直接生成高一个档次。因为你不是让AI想选题而是让它在你给定的框架内做排列组合框架是你给的创意密度就上来了。我自己的习惯是一次让AI生成50个角度然后自己筛出5个最想做的剩下的存进选题库。选题库这个东西做久了你会发现它比任何单条爆款都值钱。2.2 脚本阶段给AI的约束条件越具体产出越可用很多人写脚本提示词就一句话帮我写一个关于XX的短视频脚本。这种指令出来的东西基本没法用。好的脚本指令要包含这几个要素时长和字数比如60秒口播约220字结构开头怎么抓人、中间怎么展开、结尾怎么收语气口语化、有情绪、不要书面语禁忌不要用首先其次最后这种结构词不要用总而言之目标这条视频想让观众看完做什么点赞、评论、关注、转发我常用的一个脚本模板指令是这样的帮我写一条60秒的短视频口播脚本主题是【主题】。 要求 1. 开头3秒必须用一个反常识的结论或一个具体场景抓住注意力 2. 中间用问题-原因-方法的结构展开方法要具体可操作 3. 结尾用一个开放式问题引导评论 4. 全文口语化像朋友聊天不要书面语 5. 不要用首先、其次、最后、总之这类词 6. 总字数控制在200-240字 输出格式直接给脚本正文不要加任何说明。这个模板我用了大半年出稿率很高。关键在于第1条和第5条——开头3秒决定完播率禁用结构词决定它听起来像不像人话。2.3 脚本到手后的人味加工AI给的脚本结构通常没问题但会缺一点人味。我的做法是拿到脚本后做三件事第一把书面词换成口语词。比如因此换成所以然而换成但是进行直接删掉。第二加一个具体的个人化细节。比如AI写很多人都有拖延的问题我改成我上周有个稿子拖到截止前一小时才写完。具体细节是AI给不了的但它恰恰是让观众觉得这是真人的关键。第三把结尾的问题改得更具体。AI喜欢写你怎么看我改成你是那种提前三天做完的人还是截止前一小时才动手的人。越具体评论越多。这三步做完脚本基本就能直接用了。整个过程不超过十分钟但效果差别很大。3. 素材生成图片、视频、配音三条线的实操参数脚本定了接下来是素材。这一节分三条线讲AI图片、AI视频片段、AI配音。每条线我都会给出具体的工具类型、参数设置和避坑点。3.1 AI图片分镜图的关键在一致性做分镜图最怕的是每张图风格不统一拼在一起像不同人做的。解决这个问题的核心是固定提示词模板。我的做法是先写一个风格锚点包含画风、色调、光线、构图四个要素然后每条分镜只改主体描述风格锚点不动。比如风格锚点电影感暖色调柔和自然光中景构图浅景深35mm镜头质感 分镜1一个年轻人坐在书桌前看电脑表情专注 分镜2同一个人站起来伸懒腰窗外是傍晚的城市 分镜3他拿起手机看消息嘴角微微上扬这样出来的图风格是统一的。如果你用的是支持参考图功能的工具可以把第一张满意的图作为参考图后续都基于它生成一致性会更好。注意AI图片生成有个常见坑——手部细节。如果分镜里有人物手部特写生成后一定要检查手指数量。发现异常就重新生成或者调整构图避开手部。这个细节在成片里非常显眼。3.2 AI视频片段目前最适合做空镜和氛围镜头说实话AI直接生成人物动作视频目前还不太稳定容易出现肢体扭曲、动作不连贯的问题。但它生成空镜和氛围镜头的效果已经相当可用了——比如城市夜景、自然风景、抽象光影、物品特写。我的用法是人物出镜的部分用实拍或者用图片做动态处理空镜和转场用AI视频生成。这样组合起来既保证了人物部分的自然又降低了素材拍摄成本。生成视频片段时参数上有几个经验值参数建议值原因单段时长3-5秒太长容易崩太短不够用运动幅度低到中等大幅度运动最容易出问题分辨率1080p起步低于这个成片会糊帧率24或3024有电影感30更流畅生成出来的片段我一般会多生成几条挑最自然的用。别指望一次成功多试是常态。3.3 AI配音自然度的关键在断句和语速现在的AI配音自然度已经很高了但很多人用出来还是机器味问题通常出在两个地方断句和语速。断句方面AI默认的断句是按标点来的但口播的断句和书面标点不完全一致。我的做法是在脚本里手动加停顿标记比如用/表示短停//表示长停。这样配音出来会更像真人说话。语速方面默认语速通常偏快。我一般会调到正常语速的0.9倍左右听起来更从容。如果是知识类内容可以再慢一点如果是情绪类内容可以稍快一点制造紧迫感。还有一个细节句尾的处理。真人说话句尾会自然下沉AI有时候会往上飘。如果工具支持调节语调曲线把句尾稍微往下压一点自然度会明显提升。4. 剪辑合成把AI素材拼成一条像人做的视频素材齐了最后一步是剪辑。这一步AI能帮的忙有限但对最终效果影响最大。我讲几个关键点。4.1 节奏前3秒定生死中间每5秒一个变化短视频的节奏比长视频重要得多。我的经验是前3秒必须有一个视觉或听觉的强刺激。可以是画面快速切换、一句反常识的话、一个突然的音效。中间部分每5秒左右要有一个变化——画面切换、字幕出现、音效、镜头推拉随便什么但不能让画面静止超过5秒。结尾留一个钩子可以是问题、可以是下期预告、可以是一个反转。这个节奏不是死规定但如果你不确定怎么剪按这个来不会出错。4.2 字幕不是加上就行而是设计过字幕是短视频里最容易被忽视但最影响观感的元素。几个实操建议字号手机竖屏字幕字号要大到在6寸屏上一眼能看清。我一般用画面宽度的1/12左右。位置底部往上留出安全区别贴着底边不然会被平台UI挡住。颜色白字加黑边是最稳的任何背景都能看清。想要风格化可以用品牌色但要保证对比度。出现时机字幕要比语音早出现0.1-0.2秒这样观众的眼睛能跟上。4.3 音效与背景音乐音量配比是门手艺背景音乐的音量我的经验值是人声的20%-30%。太高盖住人声太低没有氛围。音效的音量可以稍高一点但也不能盖过人声。选背景音乐的时候注意版权问题。用平台自带的音乐库是最稳的或者用明确标注可商用的音乐。这个坑踩一次就够了别问我怎么知道的。5. 爆款拆解把别人的成功变成自己的选题库前面讲的是怎么做这一节讲做什么。爆款拆解是持续产出好内容的前提不会拆解就只能靠灵感而灵感是靠不住的。5.1 拆解不是看而是填表很多人拆解爆款就是看一遍感叹一句拍得真好然后什么也没留下。正确的拆解是结构化填表。我自己的拆解表包含这几个字段字段说明标题原文标题注意它的句式和情绪词封面封面用了什么元素、什么文字、什么表情前3秒开头用了什么钩子问题/结论/场景/冲突结构整体是几段式每段讲什么情绪曲线哪里让人好奇、哪里让人共鸣、哪里让人想评论结尾钩子结尾怎么引导互动可复用点哪个角度或结构我能用到自己的账号上填完这张表一条爆款才算真正拆完了。我一般一周拆10条一个月下来选题库就非常充裕了。5.2 拆解的重点是改写思路而不是抄内容拆解的目的是学思路不是抄内容。比如你拆到一条爆款讲的是为什么越努力越焦虑你要学的不是这个观点本身而是它背后的结构用一个反常识的结论做开头然后用三个具体场景论证最后给一个反转式的建议。这个结构你可以套到任何主题上。再比如你发现某条爆款的开头是我花了三年才明白一个道理这个时间成本顿悟的开头模板你可以直接迁移到自己的领域。这就是拆解的价值——拆的是可迁移的模板不是具体的内容。5.3 建立自己的爆款模板库拆得多了你会发现爆款其实是有套路的。我把常见的开头钩子归纳成几类反常识型你以为XX其实恰恰相反时间成本型我花了X年才明白场景代入型如果你也遇到过XX数字清单型三个方法第三个最有用冲突对比型同样一件事为什么他做成了你做不成这些模板存下来下次做选题的时候直接套效率会高很多。但要注意模板是骨架内容还是要有你自己的观点和细节不然就成了流水线产品观众能看出来。6. 发布后的数据复盘AI能帮你省一半时间视频发出去不是结束而是开始。数据复盘决定了你下一条能不能做得更好。6.1 重点看三个指标完播率、互动率、涨粉率完播率反映内容节奏和吸引力。如果完播率低问题通常在前3秒或者中间节奏太拖。互动率点赞评论转发/播放量反映内容的情感浓度。互动率低说明内容没感觉要么观点不够鲜明要么情绪不够。涨粉率新增关注/播放量反映账号的持续吸引力。涨粉率低说明单条内容好但账号定位不清晰观众看完不知道为什么要关注你。这三个指标要结合起来看。完播率高但互动率低说明内容流畅但没记忆点互动率高但涨粉率低说明内容讨喜但账号人设不明确。6.2 用AI整理评论挖出下一条选题评论区是选题的金矿。我的做法是把一条视频的所有评论导出让AI做三件事归纳高频关键词观众最关心什么找出争议点哪些评论下面吵起来了争议就是流量提取问题观众问了什么问题这些问题就是下一条视频的选题这个动作花不了几分钟但产出的选题质量非常高因为它是直接从你的观众嘴里说出来的。6.3 复盘要形成假设-验证的循环单看一条视频的数据意义不大重要的是形成循环这条视频我做了什么假设比如用反常识开头能提高完播率数据验证了没有下一条怎么调整。这样一条一条迭代下来你对什么内容能火的感觉会越来越准。我自己的习惯是每条视频发布后48小时做一次复盘记录三个数据和一个结论。一个月下来回看进步轨迹非常清晰。7. 我踩过的几个坑你可以直接绕开最后分享几个我在实操中踩过的坑都是真金白银换来的经验。第一个坑过度依赖AI生成导致内容同质化。有一段时间我图省事脚本、素材、配音全用AI结果发出去的数据越来越差。后来发现AI生成的内容缺少意外感而意外感恰恰是爆款的核心。现在我坚持每个脚本至少加一个自己的真实经历或观点数据明显回升。第二个坑忽视版权问题。早期用了一些来源不明的背景音乐和素材后来收到过平台的版权提醒。现在我只用平台自带音乐库和明确标注可商用的素材虽然选择少一点但省心。第三个坑追求完美导致更新频率下降。刚开始做的时候一条视频要打磨好几天结果一周才发一条账号起不来。后来调整策略保证质量底线的前提下提高频率数据反而更好。短视频是概率游戏发的多了爆的概率才大。第四个坑不看数据凭感觉做。有段时间我特别自信觉得自己的判断很准结果连续几条数据都很差。后来老老实实做数据复盘才发现自己以为的好选题观众根本不关心。数据不会骗人感觉会。这套流程我跑了大概半年从最开始一条视频四五个小时到现在一个半小时左右能完成而且数据稳定。核心不是某个工具多厉害而是把流程理顺了知道每一步该干什么、AI该站在哪里。工具会更新但流程和判断力是自己的。