口播文案怎麼寫才不廢？我拿兩版提示詞實測 AI 數字人口播腳本

口播文案的關鍵不在文筆，而在每句話能否對上鏡頭秒數。我實測兩版提示詞後發現：先拆鏡頭再寫字，廢片率才會真正降下來。以下是我用「口播文案」踩坑又爬出來的完整過程。

為什麼我以前寫的口播文案全是廢片？

上個月接一支帶貨短片，我照老習慣先寫完 300 字口播稿，再丟給 AI 數字人口播腳本工具配畫面。結果第一版出來，前 3 秒的鉤子唸完要 6 秒，畫面卻只給了 3 秒的特寫——話沒講完，鏡頭先切了。

當時我以為是模型問題，重跑了 4 次，現象一模一樣：語音跟畫面永遠對不齊。後來倒推才明白，原因在我的提示詞裡根本沒寫「每個鏡頭幾秒」，模型只能瞎猜節奏。

繞過的辦法很土：先把口播文案按句切開，每句標上預估唸秒數（中文口播約每秒 4~5 個字），再讓分鏡跟著秒數走，而不是反過來。

兩版提示詞差在哪？實測數據在這

同一支 45 秒短片、同一個模型版本（Veo 3，2026 年 11 月當下的公開版本）、同一組種子，我只改了提示詞寫法。A 版是口播稿直接描述畫面；B 版是先把文案切成 8 個鏡頭、每鏡標時長與景別再生成。

表格看得出來，差的不是畫質，是節奏。B 版等於把導演的鏡頭清單提前寫進了提示詞，模型不用猜。如果你想看更完整的提示詞前後對照，我之前寫過一篇爆款文案 skill 的實測（爆款文案skill 值不值得學？我拿同一支短片對比實測兩版提示詞），跟這次的思路是同一條線。

（截圖位：此處放 B 版生成結果的時間軸畫面，標出鏡頭 1 的 3 秒時長與語音波形對齊處。）

這次實測用的參數，照抄就能跑

我把這次的關鍵設定列全，單位都在裡面：

模型：Veo 3（公開版本）
影片比例：9:16（直式）
單鏡頭時長：3~6 秒
總片長：45 秒，共 8 鏡
種子：固定同一組，方便對比
口播語速：每秒 4~5 個字
每鏡重試上限：3 次
目標廢片率：< 30%

工具是用 AI Video Director 的 Open Studio 創作台，遊客免註冊每天有免費生成額度，我這種一天跑十幾版的人是註冊後才把額度撐夠的。它會把想法直接轉成分鏡加鏡頭清單，提示詞是自然語言，可以直接貼到 Sora、Kling、Runway 那邊跑。

Sora 提示詞怎麼寫？跟 Veo 3 有什麼差？

直接講差別：Sora 對長句描述的連貫性比較好，適合一鏡到底的口播開場；Veo 3 對單鏡頭的細節約束聽話，適合拆好的分鏡。Runway 提示詞範例則偏短句、動詞開頭，寫長了反而容易亂。

我實測同一個「特寫手持商品、緩慢推近」的鏡頭：Veo 3 給的構圖穩定，Runway 的動態更強但商品標籤偶爾糊掉。所以我的分工是——開場鉤子丟 Sora，產品鏡頭丟 Veo 3，轉場氛圍鏡丟 Runway。

不是模型越新越好，而是哪個模型聽得懂你這顆鏡頭的指令。

哪些鏡頭到現在還是不穩？

醜話講前面：數字人的手指動作和口型細節，到 2026 年 11 月仍不穩。我跑了 6 次，有 2 次口型對不上尾音，這種我直接換成畫面配旁白，不放數字人正面。

還有一個坑：抖音台灣用戶常問的背景音樂版權。我在抖音官網上傳時用站內曲庫的歌，生成端就別把「歌名」寫進提示詞，不然模型會試著合成一段四不像的旋律。抖音歌曲一律後製配，不在生成階段碰。

另一個邊界：超過 8 個鏡頭的長片，一次性生成幾乎必亂。我現在超過 45 秒的片子都分段生成再剪。

下一步，今天就能做

翻出你手邊正在寫的那份口播文案，拿筆把每句話標上秒數——唸一遍計時，不要估。超過 5 秒的句子拆成兩鏡，然後把鏡號、景別、時長寫成清單再生成。

只做這一步，你會發現重試次數先掉下來。至於小紅書爆款影片的文案分鏡怎麼再往上一層拆，Prompt Library 裡有現成的模板可以直接對著改，比從零寫快得多。

常見問題

口播文案一秒鐘念幾個字比較自然？

中文口播大約每秒 4~5 個字最自然，超過 5 個字會趕。寫稿時先按這個換算標秒數，再決定每句配幾秒的鏡頭，節奏才對得上。

ai 數字人口播腳本適合帶貨影片嗎？

適合，但建議只讓數字人講開場與結尾，產品特寫用實拍或生成畫面配旁白。口型與手指細節目前仍不穩，正面長口播容易穿幫。

veo 3 提示詞範本去哪找？

AI Video Director 的 Prompt Library 有現成模板，含鏡頭時長、景別與負向提示詞，可直接改。遊客免註冊每天有免費生成額度，註冊後額度更高並能存專案。

sora 提示詞怎麼寫才不會亂？

Sora 適合一鏡到底的長句描述，把主體、動作、光線、鏡頭運動寫在同一句裡，不要拆成多段指令。開場鉤子鏡頭交給 Sora 效果最穩。

抖音怎麼拍火？AI 工作流真的有用嗎？

有用，關鍵在黃金3秒。先用 AI 拆分鏡與鏡頭清單確保前 3 秒有鉤子，再生成畫面配後製配音樂，重試次數少、出片速度快很多。

---

關於作者 · 周格

周格，分镜师 / 短视频脚本作者。寫東西習慣按镜头和秒数思考，用废片率判断提示词好不好。本文的實測紀錄來自自己的操作流程，參數與失敗情形都照實寫。