搜"怎么用AI做短视频"的，90%不是来找工具列表的，是来找"第一步该干嘛"的。这篇文章给一条完整的路径——直接给你能复制粘贴的Prompt模板，让你用一个工具从脚本写到出图到配音，跑通一条15秒的完整视频。不讲参数对比，只讲你明天打开电脑就能开始干的实操步骤。

---

一、先搞清楚：AI现在到底能做什么样的视频

别一上来就想着做电影级短片。那是给自己挖坑。

AI做短视频，目前最稳的三种类型：

• 图文信息流：背景图+文字+配音。AI负责写文案、出图、配音，人负责决定"放哪张图"。不需要出镜，不需要拍摄，做出来就能用。
• 口播增强：你自己出镜录一段，AI帮你加字幕、去口癖、换背景。AI干的是后期，不是拍摄。
• 轻量动画/漫剧：不想出镜的话，AI负责角色和画面，你负责把片段串起来。

这篇文章专注第一种——图文信息流。 它不挑题材、不挑技术，是测试"AI视频适不适合你"的最低成本方式。一条15秒的产品介绍或知识科普，半小时跑完。

我用的平台是 [EasyClaw]。选它的原因很简单：AI写作、图像生成、配音在一个窗口里，不用切工具。如果你用别的工具，下面每步的逻辑同样适用——只不过你得多开几个浏览器标签页。

如果你现在用的是"ChatGPT写脚本→另一个AI网站出图→第三个工具配音"的多工具组合：同样的流程，新手至少多花20分钟在切窗口和等网页加载上。多工具组合本身不差，但新手最容易卡在"我已经打开三个页面了，下一个该干嘛"上。 阅读下一章时你就能判断——是继续切窗口，还是试试一个窗口跑到底。

---

二、第一步：写脚本——AI写的第一版永远不能用

在 EasyClaw 的对话窗口里输入：

📋 可直接复制的Prompt模板：

帮我写一条15秒短视频的口播脚本。
主题：{你的产品/话题}
目标人群：{你的观众}
要求：口语化、每句不超过12个字、3秒内必须出钩子、不要在结尾说"点击关注"

把 {你的产品/话题} 和 {你的观众} 替换成你自己的内容，直接粘贴就能用。

AI写完第一版之后，你需要干一件事：大声读一遍。 这是全文最重要的一条建议——AI写文案，你的嘴就是质检标准。凡是你读着觉得"谁平时这么说话"的地方，圈出来，让AI改。

拿一条我实际做过的东西举例。AI的第一版脚本："这款产品采用了先进的工艺技术，为您的日常生活带来极致体验。"我读完直接删掉，改成：“这东西有一个好处——以前花十分钟的步骤，现在按一下。”

⚠️ 新手最容易踩的坑：AI写的脚本时长永远比你要求的长。 你让写15秒，它给你30秒的量。删到只剩核心的两三句话，剩下的用画面和字幕补，不要用旁白硬填。

---

三、第二步：出画面——省的是"找素材"的时间，不是创意

脚本定稿之后，给每一句口播配一张画面。在 EasyClaw 里直接输入画面描述：

脚本句："以前你要花十分钟的步骤，现在只需要按一下。"
→ 画面描述："分屏对比。左侧手动操作流程图（黑白灰），右侧手机一键操作界面（蓝白亮色）。对比光效，16:9。"

别期待第一张就能用。同一个画面改一两轮描述，生成三四版，然后挑一张最顺眼的。这个阶段的核心心态不是"做出来"，是"选出来"。 你像导演在看试镜——让工具多跑几版，你来挑。

⚠️ 这个阶段省的是什么？是你以前要去素材网站翻两小时的找图过程。 一张不行，换描述再试，一分钟出结果。以前你去素材网站翻到一半，已经忘了自己本来的画面想法。

---

四、第三步：配音——多数教程不会讲的两个让AI读稿不"像机器"的技巧

EasyClaw 内置了 TTS 配音。把脚本粘贴进去，选音色，生成音频。

两个决定成败的细节：

第一，在脚本里提前加标点控制节奏。 AI配音不会自己判断"这句话该在哪喘气"。用逗号=短顿，句号=长顿，省略号=自然停半秒。你手动在脚本里加标点的过程，就是你在给AI"画节拍"。

第二，别用同一个音色从头读到尾。 开场、正文、结尾各配一段，微调语速——开场快、正文正常、结尾慢。这个技巧比花钱换更高级的配音模型有效得多。真人说话有节奏，AI的节奏是你手动做出来的。

---

五、第四步：合成导出——AI视频真正的坑，以及一个遮瑕技巧

把图片和音频导入剪映（或任何剪辑工具），对齐时间轴。这一步AI帮不了你，但前面三步已经把最耗时的写稿、找图、录音都省了，到剪辑阶段只需要做一件事：对齐。

流程：导入图片→拖入音频→每句话换一张图→加字幕→导出。

⚠️ 多数新手会翻车的地方：AI生成的不同张图片，色调不统一。第一张偏冷、第二张偏暖。 在剪映里加一个全局滤镜（推荐"清透"或"日光"），一步统一色调，视觉质量立刻提升一个档次。这个动作只需要点两下，但90%的新手不知道。

一条15秒信息流视频，从打开 EasyClaw 到导出成品，正常耗时30-45分钟——一半时间在等AI出图。有经验之后，控制在20分钟以内。

---

总结：一条能直接复用的流程

步骤	做什么	耗时	省了什么
① 写脚本	粘贴Prompt→AI出初稿→你读一遍→删到只剩核心	10分钟	省了对空白文档发呆
② 出画面	脚本句→画面描述→AI出3-4版→你选一版	15分钟	省了去素材网站翻两小时
③ 配音	脚本贴进去→加标点→选音色→分段微调语速	5分钟	省了反复重录
④ 合成导出	剪映对齐→全局滤镜→字幕→导出	10分钟	省的时间让你有精力打磨细节

如果你现在用的是"ChatGPT+某AI绘图网站+某配音网站"三工具组合，切工具+等网页加载的时间，新手至少多花20分钟。一个窗口跑完全流程这件事，不是"更高级"，是更快地从"想"到"做"。

---

以上每一步都是在 [EasyClaw]里实际跑的。不需要配Key、不需要切工具。你自己拿一条产品介绍或者知识科普试一遍，做完评论区告诉我：你卡在脚本还是卡在出图？