智谱清言生成短视频脚本需明确平台、受众、时长、角色、场景及视觉线索，并用分栏指令或符号锚定格式，禁用开放式结尾，控制单句时长、节奏标记和术语频次。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用智谱清言生成短视频脚本，核心是让模型清楚知道你要拍什么、给谁看、在哪个平台发、时长多少——缺一个要素，输出就容易跑偏成口播稿或文案草稿，而不是可直接分镜拍摄的脚本。
明确角色、场景与平台属性
第一步，在提示词开头直接写明目标平台和受众。例如：“为抖音平台20–35岁女性用户，生成一条45秒美妆科普短视频脚本”。平台算法偏好决定节奏：抖音前3秒必须抓眼球，小红书需要信息密度高，视频号则倾向带人设口吻。不写清楚，模型默认按通用文案逻辑输出，大概率没有镜头提示和画面指令。
第二步，指定主讲人身份。写“一位穿白大褂的皮肤科医生”比写“专业人士”有效十倍。模型会据此生成符合身份的语言颗粒度（比如医生会说“角质层厚度约10–15微米”，而KOL会说“脸皮薄的人一刷就泛红”）。
第三步，给出具体视觉线索。例如：“开场是手机自拍视角，主播手持一支成分标注清晰的精华液，背景是浅木纹化妆台”。这能触发模型生成匹配画面的台词和动作提示，避免输出纯语音稿。
强制结构化输出格式
方法一：用分栏指令锁死格式。输入：“请严格按以下格式输出：【画面】+【台词】+【音效/字幕】，每行一组，共6组，每组不超过12字。不要任何解释性文字。”
方法二：用符号锚定字段。例如：“▶画面：主播突然凑近镜头→▶台词：‘你还在用手挤黑头？’→▶字幕：红色爆炸框‘停！’”。智谱清言对箭头+符号组合识别稳定，比自然语言描述“请分三栏”更可靠。
【关键前提】必须禁用“以上仅为建议”“可根据实际情况调整”这类开放式结尾句——模型一旦生成这类话，后续所有分镜都会松散失效。
控制信息密度与节奏节点
第一步：限定单句时长。写“每句台词朗读时长约1.8–2.2秒”，模型会自动压缩句子长度、删减连接词、增加口语停顿点（如“哈？”“真的！”），避免生成书面语长句。
第二步：插入硬性节奏标记。例如：“第3组必须含‘叮！’音效+弹出价格标签动画”，这能迫使模型把促销信息卡在黄金3秒后，符合短视频转化逻辑。
第三步：限制专业术语出现频次。写“全文最多使用1个专业名词，且必须在第4组台词中出现并立即用生活比喻解释”，防止脚本变成知识讲座。
