先看结果再决定要不要往下读。下面是一条 30 秒口播视频的完整脚本，从卖点定位到分镜表，全程用 AI 完成，实际耗时 5 分钟：
| 时间 | 画面 | 口播 |
|---|---|---|
| 0-3 秒 | 对镜头，手里举着要卖的东西 | 「你剪一条 60 秒视频要多久？我 3 小时。后来我发现，慢的不是剪，是脚本。」 |
| 4-15 秒 | 屏幕录制：AI 对话框里正在生成脚本 | 「现在我用 AI 五分钟出脚本，方法就五步，最后一步 90% 的人都漏了。」 |
| 16-25 秒 | 逐条展示五步清单 | 「第一步定卖点，第二步搭骨架，第三步只改钩子……」 |
| 26-30 秒 | 回到镜头，字幕打出关键词 | 「完整提示词放在评论区置顶，抄走就能用。」 |
这篇文章就是这个「5 分钟」的完整拆解，五步每一步都附可复制的提示词，最后合成一段组合版。不用注册任何新工具，豆包、DeepSeek、Kimi、通义，你手里有哪个就用哪个。
先说清楚：AI 到底在脚本里负责什么
很多人用 AI 写脚本翻车，是因为把任务给错了：让 AI 想「拍什么」，它只能给你平庸的选题；让 AI 把「已经想好的选题」写成结构完整的脚本，它快得吓人。
一条能火的短视频脚本，拆开就三块：
- 选题（解决谁的什么问题）——这是人的活，AI 给不了你立场和独特经验；
- 结构（钩子、展开、收尾的节奏）——这是 AI 的强项，它见过几十万条爆款的结构规律；
- 表达（人话、有细节、有你的口气）——AI 出七成，你改三成，这一步不能省。
下面五步，就是把「结构」和「初稿表达」全部交给 AI，把你的时间只花在选题和最后的人工校改上。
第 1 分钟：用一句话把卖点钉死
先别急着生成脚本。脚本质量的上限，取决于这一句话写得准不准。
提示词（直接复制）：
我要做一条面向【目标人群，例：刚做短视频三个月的宝妈】的口播视频，解决的问题是【具体痛点，例：剪视频太慢坚持不下去】。请给我 5 个「一句话卖点」，每个不超过 20 字，格式：卖点 + 为什么这个人会停下来看。不要给我标题，只要卖点。
AI 会给你 5 个方向。你的工作：挑一个你自己真有体验的，把其余 4 个扔掉。如果 5 个都不对味，说明痛点描述太笼统，把「具体痛点」那栏改细再跑一次——比如把「剪视频太慢」改成「剪一条 60 秒口播要 3 小时，其中 2 小时花在找素材和调字幕上」。
你要改的地方：这一步 AI 只是帮你发散，拍板必须是你。选不出来就重跑，别将就。
第 2 分钟：让 AI 搭出脚本骨架
拿着选定的卖点，让它先出结构，不写台词：
基于这个卖点：「【粘贴你选的一句话卖点】」，请给一条 30 秒口播短视频的脚本骨架，只要结构不要台词：每段标明【时间范围】【画面建议】【这一段要完成什么任务】。要求：前 3 秒必须是钩子，中间最多 2 个论点，最后 5 秒必须有明确行动指令。
你会得到一张四段式的表：钩子 → 立问题 → 给方法 → 要行动。这张骨架表你扫一眼就要能判断「节奏对不对」——钩子有没有悬念、论点有没有超过两个、结尾是不是在要关注。结构不对，台词写得再好也是白写，这里直接让它重出。
第 3 分钟：钩子写 10 个，你只挑 1 个
钩子是整条视频生死线，也是最值得让 AI 多跑几轮的地方：
围绕卖点「【你的卖点】」，写 10 个 3 秒钩子，分四种类型各写几个：①反常识型（大家以为 A 其实是 B）；②损失型（再不 X 就 Y）；③结果前置型（先亮结果再讲过程）；④提问型（问一个观众正在想的问题）。每条不超过 18 字，口语化，不要感叹号。
十条里通常有两三条「有点东西」。挑的时候用这个标准：如果目标人群刷到这句，会不会下意识停 0.5 秒。会的留下。你还可以把留下的那条丢回去，说「围绕这条再写 5 个变体」，通常能撞出更好的。
为什么不能让 AI 直接选？因为它会挑「最像爆款模板」的那条——而模板恰恰是观众刷到就想划走的东西。钩子的最后裁决权必须在你手里。
第 4 分钟：把台词改成「人话」
现在把骨架和钩子合并，让它出全稿，然后立刻进入人工修改。这一步的提示词里要埋好约束：
把钩子「【你选的钩子】」和这份骨架【粘贴骨架】合成一条完整口播稿。约束：①全程口语，像跟朋友聊天，禁止使用「赋能、抓手、闭环」这类词；②每个论点必须配一个具体数字或具体场景，禁止空泛形容；③全稿不超过 130 字（30 秒口播语速）；④写完后自己检查一遍，删掉所有形容词堆砌。
拿到稿子后，人工只做三件事：
- 读出声——读着拗口的地方全改成你平时说话的词；
- 换例子——把 AI 编的通用例子换成你自己的真实经历，这是你跟所有用同一模板的人拉开差距的地方；
- 砍一刀——删掉最弱的那句话，30 秒视频容不下一句废话。
第 5 分钟：输出分镜表，直接开剪
最后一步，也是 90% 的人漏掉的：让 AI 把稿子翻译成拍摄用的分镜表。
把这条口播稿转成拍摄分镜表，表格五列：时间范围｜画面（拍什么、怎么运镜）｜口播原文｜屏幕字幕｜备注（道具/灯光/需要提前准备的素材）。按 5 秒一段切分。我拍视频时会照着这张表逐条打勾。
这张表的价值不在「好看」，在于它把「写完的脚本」变成了「可以执行的拍摄清单」——你举起手机的那一刻不用再想任何事，照着拍就行。口播视频翻车，八成翻在「脚本 OK 但开拍时手忙脚乱」。
组合版：一条提示词跑完五步
熟练之后，前四步可以合成一条提示词一次跑完（第五步分镜表仍建议单独发，避免模型一次输出太长开始偷懒）：
角色：你是短视频口播脚本教练，风格克制、不说套话。
任务：为【目标人群】写一条 30 秒口播脚本，解决【具体痛点】。
流程：
1. 先给 5 个一句话卖点（各带一句「为什么这个人会停下来」），等我回复编号；
2. 基于我选的卖点给脚本骨架（时间/画面/任务，不要台词）；
3. 给 10 个 3 秒钩子（反常识/损失/结果前置/提问四类），等我选；
4. 用我选的钩子 + 骨架出全稿：口语化、每个论点带具体数字或场景、不超过 130 字、无形容词堆砌。
每一步停下来等我的选择，不要跳步。
「每一步停下来等我」这句是灵魂——不写它，模型会一口气全编完，你失去了在关键节点做判断的机会。
四个最容易翻车的坑
- 坑一：AI 编造数据你不核对。它给的具体数字很可能是编的（比如「测试了 200 次效率提升 47%」）。数字要么换成你自己实测的，要么改成不含具体数据的表述。编造数据被评论区戳穿，比视频平庸伤十倍。
- 坑二：模板味太重。连续用同一个提示词模板，你的视频会越长越像。每周把钩子类型换一轮，或者把你自己过去的口播稿喂给它当风格参考（「模仿这段话的语气和句式」）。
- 坑三：迷信「爆款结构」。结构能保下限，选题才决定上限。脚本写得再顺，选题没人关心就是没人看。比例上，你的时间应该 60% 花在选题、40% 花在脚本。
- 坑四：提示词里没写「不做什么」。AI 天生话痨爱堆形容词，每条提示词里都留着「禁止空泛形容」「不要感叹号」「不超过 N 字」这类负向约束，输出质量立刻上一个台阶。
进阶：把这套方法变成你的「脚本工厂」
- 建个人风格库：把你最满意的三条口播稿存下来，每次生成时附上「模仿这三段的语气」。跑得越久，AI 越像你。
- 一次生成一周的量：把提示词里的「一条」改成「5 条不同角度」，周一 30 分钟出完一周脚本，剩下几天只管拍和剪。
- 复盘喂回去：哪条视频数据好，把脚本和数据一起喂给 AI（「这条完播率高，分析哪句话留住了人」），让下一轮生成带着上一轮的经验。
三个常见问题
问：30 秒口播 130 字，会不会太少？
正常语速每秒 4-5 字，30 秒就是 120-150 字。写得下，只是你会第一次意识到自己的脚本废话率有多高。
问：用豆包还是 DeepSeek？
写脚本这个任务两者都够用，差异远小于提示词质量的差异。哪个顺手用哪个，别把时间花在挑工具上。
问：怎么去掉 AI 味？
三个信号：形容词连续出现、每段结尾都在总结、例子全是「小明」「一位朋友」。逐段检查，把这三类全部换成你的真实细节。AI 味的本质是「没有具体的人」，你把自己的细节放进去，味道就散了。
提示词模板可以直接复制修改使用。如果你在第二步卡住（AI 给的骨架总是不对味），把你的卖点原文发在评论区，我挑几个典型的拆给你看。