用通义千问生成短视频脚本，其实有个核心密匙——你得让AI真正理解你要拍什么、给谁看、在哪儿发。不是丢一句“写个抖音脚本”就完事，而是把人设、平台调性、产品卖点和时长限制全部喂进去，否则产出的文案要么空洞得没边，要么跑偏到太平洋。说白了，就五要素：平台、时长、人设、核心信息、情绪。再加上结构分镜、真实数字、生活细节、禁用词，缺一个都容易出泛化文案。

先说清楚：短视频脚本不是写作文，是给演员和剪辑师的作战手册。AI再聪明，也得靠你画靶子。

明确指令：告诉通义千问你的真实需求

打开通义千问网页版或App，新建对话，第一句话就把这五要素写清楚：目标平台（抖音/小红书）、视频时长（30秒以内）、主角身份（新手宝妈/职场新人）、核心信息（比如婴儿湿疹膏成分安全）、情绪基调（轻松幽默或专业可信）。这步是地基，不能偷懒。如果只说“帮我写个短视频脚本”，AI默认走通用模板，大概率蹦出“家人们快看！”“点击左下角！”这类套话，跟你的产品八竿子打不着。

举个实际例子：“为小红书平台写一个25秒口播脚本，主角是30岁护肤博主，推荐一款无酒精敏感肌爽肤水，语气亲切带一点小吐槽，结尾不加行动号召。”——指令越精准，输出越有用。

结构控制：用括号限定格式与分镜逻辑

需求描述完了，立马用括号补结构要求。比如：（开头3秒抓眼球→中间15秒讲痛点+成分对比→结尾7秒自然收尾）。注意，括号里每个分镜的时长必须加起来等于你设定的总时长，误差别超过2秒，否则AI容易堆砌台词，导致语速失控。抖音30秒视频有效口播大约80到90字，小红书可以稍慢，但最好也别超过110字。

具体怎么操作？两种方法轮着用：
方法一：用“｜”分隔镜头。比如（0–3秒｜手机拍桌面特写+画外音：“这瓶水我扔了3次…”）→（4–12秒｜镜头切博主皱眉擦脸：“以前用XX，脸红到像煮熟的虾…”）→（13–25秒｜手持产品旋转展示：“现在这瓶，连我姨妈期都敢拍素颜vlog”）。
方法二：直接指定每段字数，比如（开场12字｜痛点描述35字｜产品亮点30字｜收尾10字），比纯时间更好控节奏，尤其对口播类视频。

细节强化：插入真实锚点提升可信度

第一步：在脚本里嵌入一个具体数字。比如“pH值5.3”“实测泛红减退快47%”，而不是“效果很好”“温和不刺激”。AI一看到数字，会自动往理性表达靠拢，避免空泛形容词堆砌。

第二步：加入一处生活化细节。比如“早上洗完脸直接喷，边喷边刷牙”“出差塞进化妆包侧袋刚好”，让台词有动作支点，拍摄时好执行，观众也觉得真实。

【必须填真实参数，别编造。AI不会核查数据真伪，但你拍出来被观众扒出错误会直接掉信任】

第三步：指定一个禁用词。比如“拒绝添加酒精”比“不含酒精”更有力，直接写进指令：“所有文案禁止出现‘不含’‘零添加’等模糊表述，统一用‘拒绝添加’或‘配方剔除’”。这样一来，AI的输出就能避开那些被用烂了的词，自带态度。