同样三十秒的口播，有的视频让人看完还想关注，有的三秒就被划走，差别多半在脚本。很多人让 AI 写短视频脚本，得到的却是一堆”家人们谁懂啊”式的套话空话——不是 AI 不行，是你只给了它一句”帮我写个带货脚本”。这篇文章拆解短视频脚本提示词的三段结构，从账号定位到口播成稿，给一套可以直接套用的写法。
为什么”帮我写个脚本”注定失败
短视频脚本的本质是带着节奏感的口语稿，它有三个隐含前提：说给谁听、在什么场景刷到、多长时间内给到什么信息。这三个前提藏在你的账号数据和行业认知里，AI 一概不知。所以当你说”帮我写个脚本”，它只能调用训练数据里最 average 的模板——这正是套话的来源。
反过来，一条好的脚本提示词要做的事，就是把这三个前提明确交给 AI，再附上你对结构和口吻的要求。这和所有提示词的底层逻辑一致：把模糊的想象拆成可以命名的要素。对提示词结构还不熟的读者，可以先看这篇AI 提示词通用公式打底，再回来套用本文的模板。
第一段：交代账号定位和目标观众
这是最容易被省略、又最影响效果的一段。至少要给出四个信息：
- 账号做什么：领域、主要内容形式（口播/剧情/图文）、更新频率。
- 观众是谁：年龄层、身份、他们刷到你时正在什么场景里。
- 这条视频的目标：涨粉、带货、还是建立专业信任？目标不同，钩子和结尾完全不同。
- 人设和口吻：是毒舌测评、温柔科普，还是过来人分享？给一两个你说过的话当样例，比形容词管用。
举个例子：”我是一个做了八年审计的博主，观众是刚入行的财务新人，他们通常在通勤路上刷视频。这条视频目标是建立专业信任，口吻是同行聊天，直接、不端着。”这一段写清楚，AI 的输出会立刻从”通用文案”变成”你的文案”。
第二段：给结构和节奏立规矩
短视频口播有一套经过验证的节奏骨架，直接写进提示词里，要求 AI 按这个结构输出：前三秒钩子、中段递进、结尾收口。具体可以这样约束：
- 钩子（0–3 秒）：用一个反常识、痛点提问或结果前置开场，禁止”大家好”式开场白。
- 中段（3–25 秒）：信息分两到三点递进，每点之间要有承接句，避免平铺直叙的罗列。
- 结尾（最后 5 秒）：根据视频目标二选一——引导关注（预告下期）或引导行动（评论区提问/点击链接），禁止”喜欢的话点个赞”这类弱引导。
如果你的视频涉及演示画面，还可以要求 AI 在脚本里标注每段对应的画面内容，方便剪辑对位。更细的分镜级描述写法，可以参考这篇AI 视频提示词的分镜四段结构，把脚本和画面两层分开处理，成片效率更高。
第三段：约束口播语言和时长
最后一段管”怎么说”。口播稿和书面稿的差异必须显式约束，否则 AI 写出来的东西看着挺好，念出来硌牙。推荐写明这几条：
- 时长换算：中文口播语速约每分钟 240–280 字，三十秒视频全稿控制在 130 字以内，超了必删。
- 口语化：短句为主，一句话不超过十五个字；禁止”综上所述””首先其次最后”这类书面结构词。
- 数字具体化：能用数字就不说形容词，”效率提升三倍”优于”效率大大提升”。
- 平台适配：说明发布平台，不同平台的开场节奏和违禁词尺度有差异。
这些约束看起来琐碎，但恰恰是”能直接开拍”和”还得自己重写”的分界线。如果第一版输出仍然偏书面，可以在提示词末尾追加一句样例：”参考这个语感：’这事儿我踩过坑，三分钟给你说透’。”给 AI 一句你的原话当锚点，比十条形容词都管用。
一个可以直接套用的完整模板
把三段拼起来，模板长这样：”你是我的短视频脚本助手。我的账号：（领域+形式+人设口吻，附一句你的原话做样例）。观众：（身份+刷到视频的场景）。这条视频的目标：（涨粉/带货/信任）。请按以下结构写 30 秒口播稿，全稿不超过 130 字：0–3 秒用反常识或痛点提问做钩子，禁止问候式开场；中段分两点递进，每点一个具体案例或数字；结尾按目标给出强引导。语言要求：短句，口语化，禁用书面连接词，数字优先。输出格式：先给钩子方案三个备选，再给完整脚本，每段标注秒数和对应画面。”第一次跑完不满意，不要整篇重写，指出具体段落只调那一段，两三轮就能收敛到你想要的味道。
脚本之外，剪辑和成片环节现在也有成熟的工具链，流程可以参考这篇从文案到成片的 AI 视频流程。如果你的内容偏图文种草而不是口播，写法上略有差异，可以看这篇AI 小红书文案的四段结构对照调整。
结语
AI 写不好脚本，多数时候是因为你让它”自由发挥”。把账号定位、节奏骨架、口播约束三段交代清楚，AI 的产出会从”模板腔”变成”你的频道腔”。建议把这篇的模板存下来，每周复盘数据时迭代一次——哪条视频的开头留人差，就回头改钩子的写法。脚本质量是迭代出来的，不是一次生成的。