人物开口说话的画面，最容易暴露“各部分不同步”的问题：台词很正式，手势却过大；镜头在转场，人物还在做关键表情。解决方法不是把提示词写得更长，而是把一句话拆成能被画面执行的节拍。
一条口播只解决一个表达任务
先写清这段视频要让观众记住什么：解释一个步骤、介绍一个卖点，还是发出一个行动邀请。一个 10 秒镜头不要同时塞进三条信息。把台词压缩到一个清晰主句，再安排一个对应的手势或视线变化。
中景固定机位，人物正视镜头，以平稳、自然的讲解语气说一条简短说明。前半段双手保持在胸前，强调关键词时轻微抬手一次；结尾停顿半秒并保持自然表情。不要夸张挥手、快速转头或切换镜头。
用节拍表而非形容词管理动作
| 时间段 | 画面动作 | 语言任务 |
|---|---|---|
| 0–2 秒 | 看向镜头，稳定站姿 | 建立话题 |
| 2–6 秒 | 一次小幅手势 | 说明关键信息 |
| 6–9 秒 | 恢复自然姿态 | 补充边界或例子 |
| 9–10 秒 | 停顿与收束 | 结束句 |
这张表的作用是让生成工具理解“什么时候发生什么”，而不是追求复杂表演。若有配音，台词节奏应先在音频中确认，再匹配人物动作。
镜头稳定比花哨更重要
人物讲解场景优先固定机位或极慢推进，避免关键句中出现大幅转场。复杂视觉信息可以放到单独的示意镜头，后期再插入。对于角色一致性、妆造和构图，可复用人物妆造的风格板方法；涉及情绪和动作连续性，可接着看人物表演的连续镜头设计。
使用真人形象、声音或可识别肖像时，必须取得相应授权，不能把生成内容误导为真实本人发言。
