拍摄短视频最让人头疼的是什么？没有时间反复试错，写完脚本还要人工修改三遍。豆包能直接根据你的目标平台、视频时长、人设定位和核心信息点，自动生成结构完整、台词口语化、分镜可落地的初稿，全程无需撰写一句原始文案。它是如何做到的？关键在于精准输入四个要素，以及后续的实时调整和分镜补全。

明确需求并输入精准指令

不要指望豆包能猜透你的想法——模糊指令如“写个美食脚本”，通常只会给出一个泛泛的模板。骨架必须提前钉死。

打开豆包App或网页端，进入新建对话，输入包含四大要素的指令：①平台（小红书/抖音/B站）；②时长（30秒/60秒/90秒）；③目标人群（25–35岁职场妈妈/00后大学生/新手家长）；④核心信息（“空气炸锅烤鸡翅不出水的3个关键温度点”）。

举个例子：“请为抖音平台生成一条45秒以内的美食科普脚本，面向25–35岁职场女性，主题是‘空气炸锅烤鸡翅不出水的3个关键温度点’，要求开头3秒抛出反常识结论，每句口播不超过7个字，加入‘姐妹们’‘真的别再瞎调了’等强互动词，结尾引导点击收藏。”

【平台和时长不写清楚，豆包默认按通用逻辑输出，剪辑时会发现节奏拖沓、前3秒无冲突】

追加指令实时适配风格

初稿出来后别急着复制粘贴。不同平台对信息密度、语气、镜头提示的要求差异很大，一次输入很难一步到位。

针对抖音强化“前3秒留存”——直接在初稿下方输入：“开头3秒必须用疑问句制造冲突，比如‘你还在用200℃烤鸡翅？’，删掉所有‘首先’‘其次’这类书面过渡词，全部改成第一人称口播，加入‘家人们’‘信我’‘手慢无’等高频词。”

针对小红书优化信息颗粒度——追加指令：“把每条知识点拆成带emoji的小标题+一句话结论+1个生活化类比，例如‘❌200℃=鸡翅表面焦黑内里生’→‘像煎牛排只看表面，里面还是冰的’，去掉所有专业参数单位，换成‘手指摸锅壁温热’这类体感描述。”

针对B站补充分镜动作提示——输入：“请为每一句台词补充对应画面：镜头类型（特写/中景/俯拍）、主体动作（手部翻动鸡翅/温度计插入肉厚处）、是否需要动态字幕（如‘⚠️160℃起跳’弹出）、背景音效建议（滋滋声/叮一声）。”

结构化追问补全分镜要素

AI生成的文本只是台词草稿，真正能拍的脚本必须包含画面、节奏、音效等生产级信息。这步不做，剪辑时你会发现反复回聊记录、自己补写分镜表，工作量翻倍。

选中脚本中任意一句关键台词，比如“160℃是鸡翅锁汁黄金线”。然后单独发送追问指令：“请为这句话设计分镜：①镜头从哪里开始推进（如‘从油滴特写拉远到整盘鸡翅’）；②人物手部是否入镜（是，左手持夹子翻面，右手调温控旋钮）；③背景需出现什么道具（空气炸锅面板显示160℃，旁边放计时器倒数10秒）；④是否添加动态文字特效（‘160℃’随翻面动作同步弹入，带轻微抖动）。”

最后，把豆包返回的分镜描述直接复制进脚本对应位置，替换原台词旁的括号备注。操作本身很简单，就是把追问指令发过去，但漏掉这一步，拍摄当天才发现“不知道镜头怎么切”“缺道具没准备”——那时候就晚了。