1 分钟视频看似很短，实际要求很高：观众没有耐心等你铺垫，画面、声音和字幕必须围绕同一个重点推进。AI 可以帮你拆主题、改写口播和整理素材，但如果一开始没有明确动作，生成的内容往往只是漂亮的镜头拼贴。
制作前先写一句“观众看完能做什么”。例如“学会给商品拍三种主图镜头”或“知道如何把一段会议录音整理成行动项”。如果你已经有素材，可先参考AI 一键剪视频的素材整理流程，再把生成环节接入。
先把 1 分钟拆成四段
| 时间 | 观众要得到什么 | 画面动作 |
|---|---|---|
| 0—3 秒 | 知道主题和收益 | 直接展示问题或结果 |
| 3—20 秒 | 理解背景 | 展示素材、人物或界面 |
| 20—50 秒 | 跟着做一遍 | 分步骤演示关键动作 |
| 50—60 秒 | 记住下一步 | 总结和明确行动提示 |
用分镜卡约束生成
每个镜头只写主体、动作、景别、时长和字幕，不要先堆风格形容词。AI 生成镜头时，要求保持人物服装、商品颜色、环境方向和光线连续。复杂动作拆成两三个短镜头，比要求一次生成连续表演更容易控制。
镜头编号｜主体｜动作｜景别｜时长｜字幕
01｜问题场景｜展示错误结果｜近景｜3秒｜先看这里
02｜工具界面｜点击设置｜中景｜8秒｜第一步
03｜结果对比｜前后切换｜特写｜10秒｜检查变化配音、字幕和画面分开处理
先锁定画面和旁白稿，再生成配音；字幕从旁白文本自动生成后人工校对。不要让模型同时在画面里画小字、说长句和做复杂动作，任何一个环节出错都会牵连全片。语速要给操作留出观看时间，教程视频宁可少说一句，也不要让观众暂停追赶。
用真实素材保护可信度
产品外观、数据、界面和操作路径尽量使用真实截图或拍摄素材，AI 负责补背景、做转场和整理节奏。若使用生成画面表现概念，要在画面或文案中说明用途，避免把演示当成真实案例。
导出前做静音测试
先关掉声音看一遍，确认仅靠画面和字幕也能理解主线；再只听声音，检查口播是否顺畅、音乐是否盖住重点。最后在手机网络下看首三秒和字幕大小，确认比例、封面和文件大小符合发布平台要求。
