讯飞绘文生成AI视频脚本必须包含四要素：①主体人物+身份标签；②具体场景+时间光效；③关键动作+微表情及时长；④平台适配钩子。缺一不可，否则AI视频工具报错“指令模糊”。
☞☞☞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☜☜☜
你需要让讯飞绘文生成能直接喂给剪映、CapCut或即梦等AI视频工具的短视频脚本，而不是一段泛泛而谈的文案——它必须带镜头语言、人物动作、环境细节和节奏锚点，否则生成结果会缺失画面驱动力，导致AI视频工具反复报错“指令模糊”。
核心四要素缺一不可
在讯飞绘文「视频脚本」模板的输入框中，必须一次性填入以下四类信息，顺序不限但内容不能缺失：
① 【主体人物+身份标签】：例如“25岁穿牛仔外套的女生”“戴眼镜的男程序员”，不能只写“年轻人”或“上班族”，否则AI会默认调用通用脸模，导致多镜头人物不一致；
② 【具体场景+时间光效】：例如“傍晚7点的社区咖啡馆靠窗位、暖黄吊灯斜打在笔记本屏幕上”，避免“温馨室内”“明亮环境”这类无坐标描述；
③ 【关键动作+微表情】：例如“突然抬头盯住镜头3秒→嘴角微扬→快速低头戳手机”，动作链必须连贯且含时长提示（如“3秒”“快速”），否则AI无法匹配视频分镜节奏；
④ 【平台适配钩子】：例如“小红书前3秒用‘别划走！’口型同步字幕”“抖音第8秒插入‘你中了几条？’互动提问”，不写钩子，系统默认按公众号逻辑生成平铺直叙稿。
不同平台的提示词结构差异
方法一：小红书风格脚本（竖版1:1或4:5）
在输入框中写成单行：“25岁穿搭博主、上海老洋房天台、晚风掀起发尾+手指绕发梢→突然转身直视镜头说‘这三件我穿了三年’→背景虚化处闪过三件叠放白衬衫、镜头下移聚焦袖口磨边细节、小红书前3秒同步弹出‘谁懂啊！’手写字幕”。
注意：小红书脚本必须包含【至少一处可截图传播的视觉记忆点】，比如“袖口磨边”“发尾被风吹起”，否则生成的镜头缺乏平台传播基因。
方法二：抖音风格脚本（竖版9:16）
输入格式为：“00:00-00:03 全景：穿工装裤的男生蹲在修车摊前，机油抹到左脸颊→00:03-00:05 特写：扳手拧紧螺栓瞬间火花迸射→00:05-00:07 中景：他抬头咧嘴笑，露出缺颗门牙→抖音第7秒弹出‘修车师傅的隐藏技能’标题卡”。
这一步操作起来很简单，直接把带时间码的动作序列粘进去就行。但必须用“→”分隔镜头段，不能换行，否则讯飞绘文会误判为多个独立指令。
避坑：这些词一出现就触发宽泛模型
禁止在提示词中出现“简约”“高级感”“氛围感”“正能量”——这类词会让系统自动切换至基础图文模型，生成纯文字描述而非分镜脚本；
禁止使用“大概”“可能”“类似”等模糊限定词，例如“类似咖啡馆的环境”，AI会放弃场景定位，直接输出通用室内描述；
若需强调某镜头必须保留，可在句末加括号标注：（强制保留，不得删减）——这是目前唯一能锁定关键帧的语法，其他符号无效。
