把一张产品图、一段录屏或一个想法，变成可用于商品页、广告或软件发布页的短视频。这份指南给出五个步骤、三个实例和一套能重复使用的分镜表。
AI 是制作捷径，不是产品事实的替代品。把它用在有优势的地方。
产品特写：旋转、细节、倾倒、开箱、货架展示。
生活场景：厨房、桌面、健身包、早晨 routine 里的产品。
广告开场和转场：问题场景、前后对比、三秒情绪镜头。
真实录屏前后的补充画面，比如开场和结尾卡片。
真实界面点击流程，录屏仍然更可靠。
可读文字、小 logo 和界面标签，AI 很容易生成乱码。
依赖真实皮肤和动作的手部、人脸特写。
评价、证言和效果承诺，这些必须来自真实用户。
电商视频可以让 AI 承担主要画面，前提是产品形状稳定。SaaS 更稳妥的做法是混合：真实录屏为主，AI 只负责开场和收尾。
它们围绕产品做，而不是围绕看视频的人做。团队列完所有功能，点完所有页面，然后期待观众看到最后。现实是，大部分人五秒内就离开了，因为视频没有告诉他为什么要继续看。
AI 演示视频不需要像电视广告。它只需要快速回答一个问题：看完之后，用户的生活会有什么变化？想清楚这一点，剩下的画面工作可以交给 AI，你把时间花在真正影响转化的地方：故事和顺序。
这套流程面向第一版，不追求一次完美。先做完、发出去，再根据反馈改。
你不是在做一支关于产品的视频，而是在帮人做一个决定：点击、试用、购买，或者预约咨询。把这个决定写在便签上。商品页视频的决定可能是“这瓶精华值这个价”；SaaS 发布视频的决定可能是“这个报表能帮我省掉每周一次的手工整理”。只服务一个决定，脚本更容易写，制作更快，效果也更稳。
如果一句话说不清这个决定，说明视频还不适合开工。
用“钩子、证明、结果、下一步”这个结构。钩子用大白话说出问题；证明展示产品怎么解决；结果描述用户能得到什么；下一步告诉观众现在做什么。每句控制在十二个词以内。以精华为例： “下午三点脸就发干？” / “一泵屏障精华。” / “还是那套护肤流程，但不再紧绷。” / “看看前后对比。” 念出来听一遍，如果像宣传册，就删掉形容词。
这四句话后面可以直接当字幕用，一份脚本两处使用。
电商优先用真实产品图。上传后让产品慢慢旋转、推进或展示细节，比凭空生成一个产品可靠得多。软件优先用真实录屏，剪出最能证明功能的八到十二秒，需要时再加一个 AI 开场。如果连一张能用的图都没有，先用 AI 图片生成一张干净参考帧，再让这张图动起来。
不要让 AI 凭空想象你的软件界面，观众一眼就能看出来，反而伤害信任。
演示视频每个镜头五到八秒就够了。提示词按配方写：主体、一个动作、一种运镜、光线、背景、氛围。比如“透明精华瓶放在浅色浴室架上，缓慢推进，柔和晨光，玻璃上有水珠，安静的护肤广告，无文字”，就比一段包含五个动作的描述更好控制。同一个提示词生成两三个版本，留下产品形状最稳定、标签最干净的那个。
如果镜头必须出现小字、手部或反光标签，考虑用剪辑切镜，而不是硬让 AI 生成。
大多数人第一次看到视频时是静音的。前两秒把主要卖点放到画面上，每句话都配字幕，文字出现时产品仍然要看得见。剪掉开头和结尾的空帧。商品页视频十五到三十秒通常够用；SaaS 功能页可以做到四十五到九十秒，但每一段都要有存在理由。顺手再导出一个竖版和方形版本，只多花一分钟，却多了几个投放位置。
把草稿放在手机上、一臂距离外看一遍。如果这样看不懂，就还没完成。
每个实例都先写目标，再走同样的五步。注意脚本永远比分镜表短。
格式：20 秒，4:5，静音观看，带字幕。
脚本：“下午就发干？” / “一泵屏障精华。” / “同样的流程，不再紧绷。” / “看看完整护肤步骤。”
分镜：0–3 秒皮肤上的精华质地特写。3–7 秒瓶子缓慢旋转。7–12 秒手背上一滴精华。12–16 秒前后对比分屏。16–20 秒产品回到浴室架，出现页面入口。
提示词：“透明精华瓶放在浅色浴室架上，缓慢推进，柔和晨光，玻璃上有水珠，安静护肤广告，真实质感，无文字，无 logo。”
为什么有效：它卖的是结果，不是成分表。产品在前三秒和结尾都出现，观众始终知道自己在看什么。
格式：12 秒，9:16，硬字幕。
脚本：“下午四点腰就疼？” / “这把椅子托住下背。” / “坐完整个下午。” / “看看这把椅子。”
分镜：0–2 秒人在普通椅子上换姿势。2–5 秒切到干净背景上的产品。5–9 秒腰托和网面特写。9–12 秒人舒服地工作，出现行动按钮。
提示词：“深灰色人体工学办公椅放在安静的家庭办公室，缓慢环绕，柔和窗光，亚麻窗帘，真实产品摄影，无文字，无 logo。”
为什么有效：AI 负责产品美图，开头的人物镜头更适合用真实素材或授权片段，因为近景 AI 人脸容易不自然。两者混用，既真实又快。
格式：60 秒，16:9 放在功能页，再剪一个 15 秒竖版。
脚本：“周一早上，三个看板，一个问题。” / “报表只做一次。” / “每周一自动进邮箱。” / “打开定时报表。”
分镜：0–5 秒安静的桌面场景，随后转到问题。5–20 秒真实录屏演示报表搭建。20–35 秒设置面板和发送时间。35–50 秒报表出现在邮箱里。50–60 秒功能名和明确按钮。
提示词：“周一早晨安静的桌面，笔记本电脑、咖啡和笔记本，缓慢推进，柔和日光，真实家庭办公室，平静氛围，无文字，无 logo。”
为什么有效：只有第一个镜头是 AI，其余都是真实产品。软件演示的信任来自准确，AI 负责氛围，录屏负责证明。
不知道拍什么时，先从这里开始。调整时长，不要调整顺序。
| 时间 | 画面 | 作用 |
|---|---|---|
| 0–2 秒 | 直接说出问题或结果 | 让人停下来 |
| 2–5 秒 | 产品出现在真实场景里 | 建立上下文 |
| 5–10 秒 | 一个证明细节，近景 | 让卖点可信 |
| 10–15 秒 | 用户得到的结果 | 产生想要的感觉 |
| 15–20 秒 | 产品加一个明确下一步 | 告诉观众做什么 |
一个运镜的短提示词，通常比五个动作的长提示词更稳。每次只改一个变量。
[产品或场景]，[一个动作]，[一种运镜]，[光线]，[背景]，[氛围]，无文字，无 logo。
哑光黑色咖啡磨豆机放在胡桃木台面上，咖啡粉落进玻璃罐，缓慢推进，温暖晨光，安静厨房，高级但有生活感，无文字，无 logo。
穿亚麻衬衫的人坐在沙发上打开快递箱，手部入镜，轻微手持镜头，柔和日光，中性客厅，平静开箱，无文字，无 logo。
周一早晨安静的桌面，笔记本电脑、咖啡和笔记本，缓慢推进，柔和日光，真实家庭办公室，平静氛围，无文字，无 logo。
重要镜头可以同一提示词跑两个模型。留下产品形状最稳的版本，再把积分花在最终渲染上，而不是十几次随机试验。
不同模型擅长的镜头不一样。在我们 2026 年的对比测试里，Kling 的产品运镜最稳，Seedance 更适合人物和表情动作，Hailuo 适合风格化画面，LTX 适合快速试想法。完整对比里有相同的提示词、积分成本和取舍。
简单版：新想法先用最便宜的合适模型试，确认方向后，再用能把产品拍对的模型重做一遍。在 MakeClipAI 可以从首页进入视频生成，同一个提示词切换模型，不用重建工作流。
用手机检查，不要只看大屏幕。大多数人就是在手机上看到它。
上传一张产品图或写一句描述，先把第一个镜头做出来。有了能看的版本，再决定要不要加长。