AI 视频脚本写作教程,2026 短视频从选题到分镜表的完整流程

短视频时代,谁掌握了脚本谁就掌握了流量入口。很多新手以为拍视频靠灵感,真正做久了才发现,稳定产出的背后是稳定的脚本能力。而 AI 工具的出现把这件事的门槛大幅拉低,从选题、起稿到分镜表,几乎每一个环节都能借助 AI 提速。本文把 2026 年我们这些日常在抖音、小红书和视频号上写脚本的人沉淀下来的完整流程拆给你看,从最基础的概念到具体的分镜表写法,再到不同视频类型的脚本套路,帮你建立一套能直接落地的工作方法。

AI 视频脚本写作的本质

很多创作者对脚本的理解还停留在"把要说的话写出来",这是一个比较初级的认识。真正意义上的视频脚本,是把"想表达什么"翻译成"镜头怎么拍"的中间产物,它是一份镜头化的文字蓝图。一段同样的内容,文字稿读起来流畅,但拿去拍可能根本拍不出来,因为它没有交代画面切换、停顿节奏和情绪起伏。脚本的核心任务是替导演和剪辑师做提前规划,让拍摄环节有据可依,让剪辑环节知道每一秒钟在视觉上要呈现什么。

AI 工具在这件事里的作用是加速,而不是替代。它能加速选题筛选,因为它见过的爆款标题比任何个人都多;它能加速起稿,把零散的关键词组装成连贯的口播稿;它也能辅助你把口播稿按时间轴拆成分镜。但它不能替你判断什么选题在你的赛道里能爆,也不能替你决定哪一句话需要重读、哪一个镜头需要慢推,这些判断必须由创作者亲自完成。把 AI 当成一个永远在线的实习生,会让你的产能翻好几倍,而把 AI 当成全自动写手,大概率出来的内容就只有平庸两个字可以形容。

起步前要明确的三件事

在打开 AI 工具之前,有三件事必须先在脑子里想清楚,否则后面所有的环节都会跑偏。第一件事是平台调性,抖音偏快节奏强情绪、小红书偏视觉精致和女性化表达、视频号偏中年用户和长篇内容、B 站偏深度和社区感。同一个选题在不同平台上的脚本语气、信息密度、视觉节奏完全不一样,如果你给 AI 喂的指令里没有标明平台,它会给你一份四不像的稿子。

第二件事是目标用户。同样讲理财,讲给月薪三千的应届生和讲给月入五万的中产,关心的点完全是两个方向,前者关心如何存下第一笔钱,后者关心资产配置和税务优化。在让 AI 写脚本之前,你应该用一两句话描述清楚目标用户的年龄、身份、痛点和典型场景,稿子的代入感才会出来。第三件事是视频时长,15 秒的爆款短视频和 3 分钟的中视频,在结构上是两种生物,前者讲究一句话钩子加一个反转,后者需要起承转合甚至小节切换。把时长告诉 AI,它才能控制信息密度,不至于在 15 秒里塞下足够拍 3 分钟的内容。

选题环节怎么用 AI

选题是整个脚本流程里最不能假手于人的一步,但 AI 可以充当一个非常好的灵感激发器。我个人的做法是先把自己赛道里最近一个月的热门话题手动梳理出来,可以是抖音热点榜、小红书近期高赞笔记、视频号同行的爆款标题,把这些汇总成一段文字喂给 ChatGPT、Claude 或者 Kimi 这样的对话模型。给它的指令大致是:这是我赛道近期的爆款标题列表,请帮我分析这些标题的共性,并基于这些共性帮我生成二十个新的候选标题,要求覆盖不同的情绪点和切入角度。

得到候选之后不要直接挑一个就上,要做二次筛选。筛选的标准有几条,一条是这个标题你自己看了有没有点击欲望,如果连你自己都觉得平淡那观众更不会点。一条是这个标题是不是符合你已经积累的内容方向,频繁换赛道会让账号标签紊乱。还有一条是这个标题能不能用你现有的资源拍出来,比如它要求出镜到某个特定场景,但你最近根本没有机会去那里,那再好的标题也只能放弃。AI 帮你做的是把候选池扩大十倍,但最终拍板必须是你自己。

选题确认后的脚本起稿流程

确认选题以后就进入起稿环节。一份合格的短视频脚本通常有三段式结构,开头三秒、中间主体和结尾互动。开头三秒被称为黄金三秒,它的任务只有一个,就是让用户不要划走。常见的钩子有制造悬念、抛出反常识结论、提出一个用户关心的具体问题、展示一个意外画面。让 AI 帮你起开头时,可以让它一次性给十个不同方向的版本,你挑出最有钩子的那一个,再让它在此基础上微调。

中间主体的核心是叙事钩子,也就是每隔一小段就要给观众一个继续看下去的理由。可以是埋一个小悬念过几秒再揭开,可以是先抛结论再分点论证,可以是用第二人称代入感把用户拉进场景。AI 在这里最容易出问题的地方是写成流水账,你需要明确告诉它要在第几秒插入一个反转或者一个金句,它才会有意识地去布局节奏。结尾的互动引导不是简单加一句"点赞关注",而是要给一个具体的行动指令,比如让用户在评论区回答某个具体问题、提示用户收藏便于以后回看、引导用户点头像看合集,行动越具体完成率越高。

把脚本拆成分镜表

脚本起完之后最关键的一步是拆分镜表,这一步决定了拍摄和剪辑的效率。标准的分镜表有四列,第一列是画面,描述这个镜头里拍什么,是中景还是特写,是手持还是固定,环境是什么。第二列是字幕,也就是这个镜头里要出现在屏幕上的文字,通常是口播内容的简化版。第三列是配音,也就是创作者实际要念出口的台词。第四列是时长,精确到秒,用来控制整支视频的节奏。

让 AI 帮你拆分镜表的方法是把完整的口播稿粘贴过去,然后给出明确指令,让它按每句话或者每个小段落切分成一个镜头,并按四列输出。AI 给出的草稿在画面描述上往往过于笼统,经常出现"主播在桌前讲解"这种几乎不提供任何信息的描述,这种地方需要你手动改写,改成具体的镜头语言,比如"近景半身,主播右手拿手机展示屏幕,左侧空出空间放字幕"。时长一列 AI 会按平均语速估算,但每个人语速不一样,有的人偏快,有的人爱停顿,需要你按自己的实际语速做一次校准,否则成片会出现配音对不上画面的尴尬情况。

配音和字幕同步技巧

配音和字幕看似是两件事,实际上是同一个节奏体系的两个表现层。配音稿的时长必须严格对齐镜头时长,这意味着写配音稿的时候不能只看字数,还要把停顿、重读、语气词全部考虑进去。一句"这个真的太离谱了"和"真离谱",字数差很多但传递的情绪几乎一样,在短视频里后者更适合,因为留出的时间可以让画面来表达离谱感。

字幕的处理原则是口语化和短。书面语在字幕里读起来很出戏,要把"因此"改成"所以","然而"改成"但是","非常"很多时候直接删掉就行。一行字幕的字数控制在十五字以内最舒服,超过这个长度观众眼睛跟不上,要么没看完就划走,要么强行停顿影响节奏。如果一句话太长,可以拆成两行字幕,但要确保拆分点在自然停顿处,而不是在句子中间硬切。一个常被忽略的细节是,字幕颜色和位置要和画面背景反差足够大,字幕本身就是视觉元素的一部分,做得粗糙会直接拉低整支视频的质感。

不同视频类型的脚本套路

不同类型的短视频在脚本结构上有各自成熟的套路。知识科普类的常见结构是抛问题加颠覆认知加论证加总结,开头先抛一个观众多半答不上来的问题,中间给出和直觉相反的答案,然后用一两个论据支撑,结尾留一个开放性思考。这种结构的核心难点是论据要扎实,如果论据本身经不起推敲,观众反弹很快。

剧情段子类的脚本结构通常是铺垫加反差加爆点,前半段建立一个看似平常的场景,在某一个点上突然反转,反转之后用一个金句或者画面强化记忆点。这种类型对人物塑造和台词节奏要求很高,AI 帮你起稿没问题,但表演细节必须由创作者自己琢磨。测评对比类的脚本结构是开门见山给结论加分项目展开加结尾推荐,观众点开测评类视频是为了快速做决策,所以结论一定要早出现。教程演示类的脚本结构是问题场景加解决方案加分步演示加效果展示,核心是步骤拆解清晰,每一步都要让观众觉得自己也能复刻。

配合视觉素材的衔接技巧

脚本写得再好,如果没有合适的视觉素材支撑,成片依然会显得单薄。视觉素材分两类,一类是主拍画面也就是创作者本人出镜的部分,另一类是 B-roll 也就是辅助画面用来填充和说明的素材。B-roll 的作用是在创作者讲述某个概念或者展示某个场景时,给观众一个直观的视觉参考,而不是让观众一直盯着说话的人。

选 B-roll 的原则是相关性和节奏感。相关性是指 B-roll 必须和当前讲述的内容直接对应,讲咖啡就给咖啡的画面,讲城市就给城市的空镜,不能用一些泛泛的素材凑数。节奏感是指 B-roll 出现的频率要和语速相匹配,平均每三到五秒一个镜头切换是比较舒服的节奏,过快会让观众视觉疲劳,过慢会让画面显得拖沓。画面切换的方式也有讲究,硬切适合快节奏的内容,叠化适合情绪类的内容,转场特效用得太多会显得花哨,简单干净的硬切配合精准的字幕节奏往往最有效。AI 工具在这一步的帮助主要是在脚本旁边备注每一句话需要什么类型的 B-roll,这样素材采集和剪辑就有了明确的指引。

AI 脚本的常见踩坑

用 AI 写脚本久了你会发现一些反复出现的问题。第一个常见问题是套路化严重,AI 学过的范文太多,容易写出那种"你是不是也有过这样的经历"开头加几个分点论证加"快去试试吧"结尾的模板稿,这种稿子在数据上几乎不会有任何亮点,因为观众已经看腻了。要破解这个问题,最好的方法是在指令里明确禁止某些套路,比如告诉 AI 不要用反问开头、不要用排比、不要用"快去试试"这类结尾,逼它走出舒适区。

第二个常见问题是信息密度低,AI 会用很多形容词和过渡句填充字数,实际有效信息其实很少。短视频的每一秒都很贵,信息密度直接决定完播率,需要你在二稿环节大刀阔斧地砍掉所有没必要的修饰词。第三个常见问题是缺乏个人风格,AI 写出来的稿子谁都能用,放到任何人账号上都不会违和,但这也意味着它没有任何辨识度。解决方法是在每一稿基础上加入自己的口头禅、口语习惯、个人经历或者地域化表达,让观众一听就知道是你在说话。第四个常见问题是机械翻译感,有时候 AI 会写出一些看起来通顺但读起来别扭的句子,通常是因为它在硬套某种文法结构,这种地方必须读出声来检验,凡是念起来拗口的句子一律重写。

常见问题 FAQ

用 AI 写的脚本读起来很机械怎么办

机械感的根源是稿子缺乏个人印记。最有效的解决方法是在 AI 给出的初稿基础上做二次重写,把自己的真实经历、口头禅、地域化表达一点一点加进去。如果你平时说话喜欢用某个语气词,就让它出现在稿子里;如果你有一段相关的亲身经历,就用一两句话替换掉 AI 写的那段泛泛举例。重写完之后大声朗读一遍,凡是读起来不像自己说话的句子全部改掉,机械感自然就消失了。

一条短视频脚本要长

字数和视频时长直接挂钩,但不同人语速差别很大,只能给一个大概范围。15 秒的视频配音稿大约 60 到 80 字,30 秒大约 130 到 170 字,1 分钟大约 250 到 300 字,3 分钟大约 750 到 900 字。这个数据是按正常播报语速估算的,如果你语速偏快可以适当多写,语速偏慢就要往下调。最准确的方法是把脚本对着秒表念一遍,根据实际用时再调整字数,凭感觉估算很容易出现成片超时的情况。

AI 能直接生成分镜表吗

可以生成,但生成出来的分镜表通常需要创作者手动调整。AI 在画面描述上往往过于笼统,经常给出一些信息量很低的描述,比如"主播在桌前讲解",这种描述拍摄团队拿到后还是不知道具体怎么拍。创作者需要在 AI 草稿的基础上把每一个镜头的景别、机位、运镜方式、环境细节都补充完整,把字幕和配音的对应关系再校准一次,把每个镜头的时长按自己的语速重新估算。AI 给的是一个起点,最终的分镜表还是要靠创作者根据画面感受打磨。

脚本爆款率高低和 AI 工具选择关系大吗

工具之间确实有一些差别,有的擅长创意发散,有的擅长结构整理,但这些差别对最终爆款率的影响远没有想象中大。决定一支短视频能不能爆的核心因素是选题判断、内容真诚度和反复打磨的耐心,工具只是辅助。同一个创作者用 ChatGPT 还是 Claude 还是 Kimi,如果选题选得准、脚本改得用心,最终数据不会有本质差距;反过来,如果选题不准、稿子只过一遍就用,换什么工具都救不回来。把精力放在选题和打磨上比纠结工具更划算。

用 AI 写脚本算抄袭吗

这要看具体怎么用。如果是用 AI 帮你拓展思路、起草初稿,然后你自己进行实质性的修改、加入个人经历和判断、做了内容把关,这样产出的稿子属于原创范畴,不构成抄袭。但如果是直接把 AI 的输出原封不动地复制粘贴,不做任何修改和审核,这种情况下不仅有重复率风险,也存在 AI 生成内容里夹带了它训练数据中的某些表达的可能性。养成的好习惯是无论 AI 写得多顺,都要自己通读、修改、加入主观判断,这样既保证了原创性也避免了平台层面的风险。