用 AI 工具组合，1 小时做一条短视频
一条像样的短视频不一定熬通宵。把 AI 工具串成流水线，从空白到成片 1 小时内搞定。A decent short needn't mean an all-nighter. Chain AI tools into a pipeline and go from blank to finished in an hour.
工具清单The stack
- 脚本ChatGPT / Claude 写文案
- 配音ElevenLabs 生成真人语音
- 画面Runway / Midjourney 出素材
- 剪辑剪映/CapCut 自动字幕合成
时间分配Time budget
- 0–10 分定选题、写 30 秒脚本
- 10–25 分ElevenLabs 出配音
- 25–45 分Runway 生成画面片段
- 45–60 分剪映合成+字幕+导出
提示词模板Prompt templates
脚本：请用干货口吻写一条 30 秒短视频文案，主题是“AI 省时 3 招”，前 3 秒抛钩子。配音：用沉稳男声、语速中等。Script: a 30s hook-first tip video on '3 AI time-savers'. Voice: calm male, medium pace.
避坑Gotchas
- 版权音乐用平台曲库或 AI 生成
- 口型数字人/Sync 才需要对嘴
- 节奏前 3 秒必须抓人
小结Wrap-up
流水线跑顺后，一天产出几条不成问题。关键是把每步工具固定下来，别每次重新选。Once the pipeline is set, several videos a day is easy — standardize each step.
每一步的详细做法Step-by-step detail
0–10 分钟：脚本0–10 min: script
用 ChatGPT/Claude 写 30 秒口播脚本。提示词要包含：目标受众、主题、时长、语气、结尾行动号召。前 3 秒必须抛出痛点或悬念留住观众。Draft a 30-second voiceover script with ChatGPT/Claude: audience, topic, length, tone and CTA. The first 3 seconds must hook.
10–25 分钟：配音10–25 min: voiceover
把脚本贴进 ElevenLabs，选一个匹配的语气（沉稳/活泼），调整语速后导出音频。这一步最耗时，多半是因为反复调语速和停顿。Paste the script into ElevenLabs, pick a matching tone, tune pace, export. This is usually the slowest step.
25–45 分钟：画面25–45 min: footage
用 Runway 生成 3–5 个 5 秒片段，或用 Midjourney 出图再做运镜。写提示词时把镜头语言写清楚（特写/推镜/俯拍），否则画面会失控。Generate 3–5 five-second clips in Runway, or images in Midjourney with added camera motion. Specify shot types or the visuals go astray.
45–60 分钟：剪辑合成45–60 min: edit
在剪映/CapCut 里按脚本切时间轴，铺配音与画面，用自动字幕生成字幕，最后调背景音乐音量让人声突出。Cut to the script in CapCut, lay in audio and footage, auto-generate captions, and duck the background music under the voice.
工具选择建议Tool choices
- 口播类Talking-head：数字人（Synthesia）可直接替代真人出镜，省掉拍摄。
- 纯画面类B-roll heavy：Runway 更合适，Midjourney 出图再运镜也可。
- 预算有限On a budget：全程用免费档也能出片，只是要多等生成。
提升完播率的技巧Boost retention
- 3 秒钩子3-second hook：开头别自我介绍，先抛结论或痛点。
- 每 5 秒换画面Change frame every ~5s：视觉上避免单调。
- 字幕要大Large captions：多数人静音刷，硬字幕是刚需。
- 结尾给动作End with a CTA：关注/收藏/评论任选其一。
真实案例：知识类短视频的 57 分钟Real case: a knowledge short in 57 minutes
以一条「3 个 AI 省时技巧」的口播短视频为例：写脚本 8 分钟、ElevenLabs 配音 12 分钟（含两次调语速）、Runway 出 4 个片段 22 分钟、剪映合成加字幕 15 分钟，合计 57 分钟。For a 60-second "3 AI time-savers" short: script 8 min, ElevenLabs voice 12 min (incl. two pace tweaks), Runway clips 22 min, CapCut edit + captions 15 min — 57 minutes total.
- 最耗时的一步Slowest step：不是生成画面，而是配音的语速与停顿调整——建议先定好语速再批量生成。
- 提效关键Efficiency key：把脚本拆成 3 段分别配音再拼接，比整段生成更容易对齐画面。
- 第二天复用Day two：模板固定后，同系列第二条只需换脚本与画面，可压到 40 分钟内。