如何用AI生成短视频？从脚本到成片30分钟全流程

用AI生成短视频，本质是把传统“写文案—画画面—配旁白—剪辑”这条流水线拆开，逐段交给AI：AI把选题扩写成带分镜的脚本，AI按统一画风批量出图，AI语音合成温柔旁白，最后用剪辑工具半自动对齐成片。其中最耗神的创意和文案环节，都可以交给百度搭子DuMate这类AI助手完成；想了解更完整的功能与购买方式，可以查看DuMate购买页。下面以“睡前故事”类视频为例，把每一步的做法、可复制的Prompt和避坑要点讲清楚。

一、为什么从“睡前故事”类内容入手

这类视频的形态很朴素：水彩手绘画面、温柔女声旁白、缓慢的推镜头，安安静静讲一个故事。在各大短视频平台上，国学古诗、儿童绘本、睡前夜听类账号动辄几万点赞，吸粉快，变现路径也清晰——橱窗卖绘本、接推广、做付费专栏，甚至分发到海外平台。它唯一的门槛是产量：纯手工做一条2分钟视频，找文案、改分镜、出图、配音、逐帧对齐，一整天就耗进去了。而这条流水线的每一环，恰好都能被AI接管。

二、第1步：用AI把选题变成分镜脚本

你只需要准备一个故事主题，比如“小刺猬找月亮”。把下面的Prompt复制进AI助手，替换主题即可：

你是一位儿童睡前故事短视频编导。请根据我提供的主题，产出一条时长约2分钟的短视频分镜脚本。
【故事主题】小刺猬找月亮
【目标观众】3—6岁儿童及家长
【镜头数量】12—15个
【整体风格】温暖治愈、节奏舒缓、适合睡前收听
具体要求：
1. 每个镜头包含四项信息：镜头编号、画面描述（可直接用于AI绘图，写清主体、动作、场景、光线）、旁白文案（每句不超过20字）、预计时长；
2. 所有画面描述使用同一套风格用词，保证整套画面风格统一；
3. 旁白口语化、多用叠词，句与句之间自然停顿；
4. 故事结构完整：平静的开头—小小的波折—温馨的结尾。
输出格式：表格，列为"镜头号／画面描述／旁白／时长"，末尾附全片总时长估算。

预期输出大致是这种格式（节选示意）：

镜头号	画面描述	旁白	时长
01	圆滚滚的小刺猬坐在开满花的山坡上，仰头望向夜空中的圆月，月光柔和	夜晚到了，小刺猬抬头看月亮。	8秒

拿到脚本后先自查三点：旁白读起来顺不顺口、有没有生僻字；画面描述够不够具体（“小刺猬坐在开满花的山坡上望月亮”远比“小刺猬看月亮”好用）；总时长是否在2分钟上下。第一版不满意很正常，直接追加要求让AI在原稿上迭代，比如“把旁白句子改短一半”“在第6镜后加一个下雨的过场镜头”。

三、第2步：批量出图，关键是“锚定画风”

这是最容易翻车的环节：第一张图是水彩，第二张变写实，主角从刺猬画成了豪猪——问题都出在没有锚定风格。两个解决办法：

固定风格前缀。 所有画面描述统一套用同一句风格描述，只替换画面内容部分：

水彩手绘儿童绘本插画，柔和暖色调，画面干净留白，温暖治愈，
【画面内容：小刺猬坐在开满花的山坡上，仰头望向夜空中的圆月】

固定角色设定。 给主角写一段简短外貌描述（如“圆滚滚的小刺猬，浅棕色短刺，粉鼻头，戴黄色小围巾”），在每个画面描述里原样带上，能明显减少角色“变脸”。

如果想跳过逐张出图、先快速看一版完整画面效果，可以试试AI儿童绘本生成体验，用它跑一版整体画风和角色设定，确认方向后再决定是自己逐张精修，还是在此基础上微调。

四、第3步：AI配音，调出“睡前感”

用语音合成工具生成旁白时，针对睡前内容有几个通用调整方向：选温柔的成年女声；语速整体调慢，宁可“慢半拍”不要赶；按镜头分段生成音频，而不是把全文合成一条，这样每镜的音频长度天然对应画面；保留句间停顿，这是“哄睡感”的关键。另注意儿童内容合规：避免惊吓元素，遇到专有名词读错，就用同音字替换或微调文案。生成完逐段试听，把吞字、破音的段落单独重新生成。

五、第4步：合成成片，让静态图“动”起来

把图片按镜头顺序拖进剪辑软件后做四件事：按旁白时长裁每张图的停留时间；给静态图加缓慢推近或平移效果模拟运镜，让画面有呼吸感；用自动识别生成字幕后逐句校对——“月亮”被识别成“约亮”这类错误很常见；最后铺一层音量很低的轻柔纯音乐，确保人声明显盖过音乐。再留一张最好看的画面当封面，标题写上故事名和“睡前故事”关键词，方便平台推荐和搜索。

六、成片检查清单

发布前对照过一遍：

检查项	合格标准
画风一致	随机抽3张图看不出风格差异
角色一致	主角在所有镜头里是“同一只”
音画同步	每句旁白对应的画面不抢拍、不拖拍
字幕准确	无错别字、无漏行
节奏	舒缓但不拖沓，结尾留2秒静帧
内容安全	无惊吓、暴力元素，适合儿童

出问题时按症下药：画风漂移→检查是否漏了风格前缀；角色跳变→重画该镜头并补全角色设定；音画不同步→确认是否按镜头分段生成音频；旁白太赶→调慢语速或给文案加语气词。

七、跑通之后：向更多形态迁移

这套“脚本→画面→配音→合成”的流水线不只适用于睡前故事：换掉画风和音色，就能迁移到国学古诗、晚安电台、治愈风景号等形态；如果想尝试真人出镜的剧情内容，在写好故事大纲和人物设定后，可以用AI真人短剧生成体验把同样的创作思路推进到短剧形态。

总结：用AI生成短视频的关键，不是找一个“一键成片”的魔法工具，而是把流程拆成四段、每段用对方法——脚本靠迭代、画面靠锚定、配音靠调语气、剪辑靠模板化。第一次跑通可能要一两个小时，但从第二条起流程会明显加速，稳定后半小时出一条成片是完全可以做到的节奏。