Yovid

AI 讲解视频生成器:脚本怎么写、镜头怎么渲染

NoraNora阅读约 12 分钟发布于 2026/11/22
分享到 X

直接回答:AI 讲解视频生成器生成的是一段段短片,而不是一条做好的讲解视频,所以要分三步来做。第一步,把脚本写成分镜表:6 到 8 个镜头,每个镜头一句旁白、一个画面。第二步,每个镜头写一条提示词,写清画面、声音和要说的台词。第三步,每个镜头单独生成,再用剪辑软件拼起来,字幕、图表和 Logo 也在剪辑时加。主讲人对着镜头说话的镜头用 Seedance 2.5,它把语音和画面一起生成,每段 4 到 30 秒。视觉比喻和空镜用 Kling 4.0,每段 3 到 30 秒,720p 或 1080p。这套做法适合 30 到 60 秒的概念讲解;长篇旁白、软件录屏和数据图表不适合直接生成,放到剪辑里处理。

身穿牛仔衬衫的主讲人站在阳光下的屋顶上,身旁是一排太阳能板,正对着镜头讲话

图片提示词:Cinematic film still of a friendly woman in her thirties in a light denim shirt, standing on a sunny suburban rooftop beside a row of dark blue solar panels at midday, looking into the camera mid-sentence and gesturing toward the panels, clear blue sky, natural light, shallow depth of field, eye-level medium shot, widescreen composition with the presenter on the left third.

最后核实:2026-11-22

AI 讲解视频生成器能做什么、不能做什么

讲解视频只有一个任务:在一两分钟内讲清一个概念。AI 视频模型擅长生成承载这个概念的画面,不擅长需要准确文字、数字或界面细节的部分。

讲解视频的组成部分 能用 AI 生成吗 更好的做法
主讲人对镜头说一句短台词 能 一句一个镜头,5 到 10 秒
视觉比喻或空镜 能 写清场景、运镜和声音
超过约 30 秒的连续旁白 不能 单独录制或生成配音,铺在剪好的画面上
图表、数字、屏幕文字 不能 在剪辑软件里加图形
软件录屏 不能 录真实屏幕再剪进去
Logo 和品牌色 部分可以 提示词里描述颜色,Logo 用叠加层

适合:30 到 60 秒的概念讲解、产品创意、原理演示,以及由 6 到 8 个镜头组成的社交媒体短版。

不适合:旁白很长的培训视频、软件操作演示,以及必须在屏幕上显示准确数字的内容。

本文贯穿始终的例子是一条 40 秒的讲解视频《家用太阳能电池是怎么工作的》,由 8 个 5 秒镜头组成。

第 1 步:把讲解视频脚本写成分镜表

先写旁白,再拆成镜头,每个镜头一句话、一个画面。下表的旁白按英文成片来写;英语口语大约每秒 2 到 3 个词,5 秒的镜头能装下 10 到 15 个词。句子太长就拆成两个镜头,或者删词。

镜头 旁白 画面 声音 时长
1. 开场钩子 "Solar panels make the most power at noon, when most homes need it least."(太阳能板中午发电最多,而大多数家庭这时用电最少。) 主讲人站在阳光下的屋顶,对着镜头说话 主讲人的声音、微风 5 秒
2. 问题 "So the spare power goes back to the grid, often for less than you pay for it."(多出来的电回流电网,卖价往往低于你的买电价。) 正午的郊区街道,屋顶上装着太阳能板 配音、鸟鸣 5 秒
3. 解决思路 "A home battery keeps that power for later."(家用电池把这些电存起来晚点用。) 车库墙上电池的特写,状态灯亮着 配音、轻微嗡鸣 5 秒
4. 充电 "During the day, spare solar power charges the battery."(白天,多余的太阳能给电池充电。) 云从屋顶太阳能板上方飘过,光线变化 配音、轻音乐 5 秒
5. 放电 "After sunset, the house draws from the battery first."(日落后,家里先用电池里的电。) 黄昏的房子,窗户一扇扇亮起 配音、傍晚环境声 5 秒
6. 好处 "You use more of your own power and buy less at peak times."(自家的电用得更多,高峰时段买电更少。) 一家人在明亮的厨房做晚饭 配音、厨房声音 5 秒
7. 提醒 "How much you save depends on your tariff and battery size."(能省多少,取决于电价方案和电池容量。) 主讲人在车库里站在电池旁 主讲人的声音 5 秒
8. 收尾 "Check your evening usage before you choose a size."(选容量之前,先看看自家晚上的用电量。) 主讲人在日落时走进花园 主讲人的声音、音乐渐弱 5 秒

写提示词之前,先定两件事:

  • 旁白由谁来说? 第 1、7、8 个镜头里主讲人出镜,这几句可以让模型直接说。其他镜头要么给整条视频录一条配音,要么只保留环境声。每次生成的声音都是重新生成的,逐段配出来的旁白,镜头之间的音色可能略有差别。
  • 用什么画幅? 所有镜头统一一个比例:网站和 YouTube 用 16:9,Reels、TikTok、Shorts 用 9:16。比例混用,剪辑时就得裁切。

第 2 步:每个镜头写一条 AI 讲解视频提示词

一条提示词只管一个镜头,写清四件事:画面里有谁或有什么、什么在动、镜头怎么运动、听起来是什么声音。台词放在引号里,并写明语言。下面三条提示词对应大多数讲解视频里的三类镜头。更多写法见文生视频提示词指南。

主讲人说旁白的镜头,提示词怎么写?

模型:Seedance 2.5 · 画幅:16:9 · 时长:5 秒 · 画质:720p · 声音:开

提示词

Medium shot of a friendly woman in her thirties with shoulder-length dark hair and a light denim shirt, standing on a sunny suburban rooftop beside a row of solar panels at midday. She looks straight into the camera and says clearly in English, in a warm and even tone, "Solar panels make the most power at noon, when most homes need it least." She gestures toward the panels on the last words. Light breeze, faint birdsong, no music, no text on screen, static camera at eye level.

台词要短到在这段时长里能从容说完,再给主讲人一个小动作,画面就不会显得僵。口音、语气和双人对话的写法,见 Seedance 2.5 对白提示词。

没有台词的视觉比喻镜头,提示词怎么写?

模型:Kling 4.0 · 画幅:16:9 · 时长:5 秒 · 画质:720p

提示词

Wide shot of a two-storey suburban house at dusk, the sky fading from orange to deep blue, dark solar panels on the roof. The windows light up one by one, starting on the ground floor and moving upward as evening falls. Slow push-in toward the front door. Quiet evening ambience with distant crickets and a car passing far away. No people, no text, no music.

Kling 4.0 每次都会生成声音,所以与其听天由命,不如直接写出想要的声音。打算在上面铺配音的话,环境声要写得轻一些,压在人声下面。

黄昏时分的两层郊区住宅,屋顶装着太阳能板,一楼的窗户亮着灯

图片提示词:Cinematic wide shot of a two-storey suburban house at dusk, sky fading from orange to deep blue, dark solar panels on the roof catching the last light, some windows glowing warm while the upper floor is still dark, quiet street, no people, calm evening mood, widescreen composition with the house centered.

讲解视频的收尾镜头,提示词怎么写?

模型:Seedance 2.5 · 画幅:16:9 · 时长:10 秒 · 画质:720p · 声音:开

提示词
  1. 0–5sMedium shot of a woman in her thirties with shoulder-length dark hair and a light denim shirt, standing in a tidy garage beside a plain white wall-mounted home battery with a small green status light. She says to camera in English, calm and direct, "How much you save depends on your tariff and battery size."
  2. 5–10sShe walks out through the open garage door into a garden at sunset, turns back to the camera and says, "Check your evening usage before you choose a size." Soft piano enters and fades out at the end. No text on screen

按时间分段,每句台词各占半段,第 7、8 个镜头一次就能生成,不用分两次。每条主讲人提示词都重复同样的服装和发型描述;想更像同一个人,再加一张主讲人的参考图(见常见问题)。

身穿牛仔衬衫的主讲人站在整洁的车库里,身旁是一台挂墙的白色家用电池

图片提示词:Cinematic film still of a woman in her thirties with shoulder-length dark hair in a light denim shirt, standing in a tidy, softly lit home garage beside a plain white wall-mounted home battery with a small green status light, facing the camera and speaking calmly, pegboard and a bicycle in soft focus, warm light mixed with daylight from an open garage door, eye-level medium shot.

第 3 步:逐个镜头渲染讲解视频,再拼接成片

  1. 先低成本试一遍分镜。 每个镜头先用 480p 生成一次,检查构图、节奏,以及每句台词能不能在这段里说完。没达标的提示词先改好,再花钱上更高分辨率。
  2. 生成正式版。 所有镜头用同一个画幅,交付用 720p 或 1080p。主讲人说话的镜头各生成两条备选,因为每次的口型都不一样。
  3. 下载并排好顺序。 按分镜表顺序导入任意剪辑软件,把每段剪到台词长度。说话前后留几帧,免得切掉字音。
  4. 加配音。 如果第 2 到 6 个镜头只有环境声,就录制或导入旁白铺在上面,再把片段自带的声音压低。
  5. 文字和图形在剪辑里加。 字幕、数字、图表、产品名和 Logo 都用叠加层。模型生成的文字经常拼错,所以上面每条提示词都写了 "no text"。
  6. 按平台分别导出。 网站和 YouTube 用 16:9 母版;如果还要竖版,把关键镜头用 9:16 重新生成,不要直接裁宽画面。

讲解视频的每类镜头该用哪个 AI 模型

镜头类型 模型 理由 单段时长 分辨率
主讲人说台词 Seedance 2.5 语音和画面一次生成;声音可以关掉 4–30 秒 480p、720p、1080p
空镜和视觉比喻 Kling 4.0 720p 下每秒更便宜;最短 3 秒,适合快速插入镜头 3–30 秒 720p、1080p
整套分镜的草稿 Seedance 2.0 Mini 积分最低;默认开声音 4–15 秒 480p、720p

Seedance 2.5。 适合:主讲人镜头、短台词、9:16 和 16:9 讲解视频、最长 30 秒的分段计时片段。不适合:一镜到底、超过 30 秒的连续旁白。

Kling 4.0。 适合:16:9、9:16、1:1 或 21:9 的空镜、物件特写和场景比喻。不适合:需要模型完全不出声的镜头,因为它的声音关不掉(可以在剪辑里静音)。

Seedance 2.0 Mini。 适合:花钱生成正式版之前,先检查节奏和构图。不适合:720p 以上的最终交付。

在 Yovid 上做一条 40 秒 AI 讲解视频要多少积分

下表按 Yovid 生成器 2026-11-22 当天的积分价格,计算 8 个镜头示例的花费,每个镜头 5 秒。

8 个镜头的方案 积分包 Lite Pro Premium
480p 试生成,全部用 Seedance 2.5 120 112 88 80
正式版,全部用 Seedance 2.5,720p 248 224 176 176
正式版,3 个主讲人镜头用 Seedance 2.5 + 5 个空镜用 Kling 4.0,全部 720p 168 154 121 116
同样的组合,1080p 395 不可用 279 271

单个 5 秒镜头,Seedance 2.5 720p 要 31 积分,Kling 4.0 720p 要 15 积分(积分包价格),所以组合方案更省。套餐数字按月付计算。Lite 下 Seedance 系列最高 720p,所以 1080p 组合在 Lite 上不可用;Pro 下 Seedance 最高 1080p。

换算成钱和套餐:

  • Creator 积分包($49.90 / 375 积分,每积分约 $0.13):720p 组合方案约 $22;试生成加组合正式版共 288 积分,一个包够用。
  • Pro(每月 $29 / 200 积分):720p 组合方案(121 积分)一个月内就能做完,还有余量重做。
  • Lite(每月 $14.90 / 100 积分):不够做完一整套 8 个镜头的正式版,完整做一条建议用积分包或 Pro。
  • Starter 积分包($29.90 / 200 积分):包含 Seedance 2.5,不含 Kling 4.0;Kling 4.0 需要付费套餐或 Creator 及以上的积分包。

开始生成时,打开文生视频生成器,按每条提示词选好模型,设置画幅、时长和画质,粘贴提示词即可。生成按钮上会先显示要花多少积分,确认后才扣。想对比所有能出声音的模型,看带声音的 AI 视频生成器总览;套餐详情见价格页。

AI 讲解视频常见问题怎么修

问题 可能原因 解决办法
主讲人的台词被截断 台词字数超过片段时长 按每秒约 2.5 个英文词删减,或把片段加长
每个镜头里的主讲人长得不一样 每条提示词都是单独理解的 重复同样的外貌描述,并加参考图
画面里出现乱码文字 提示词里要了文字或招牌 写上 "no text",字幕在剪辑里加
镜头之间背景音乐打架 每段都自带配乐 写上 "no music",在剪辑里统一加一条音乐
剪接处跳得厉害 运镜方向互相冲突 每个镜头只用一种运镜,相邻镜头方向一致

常见问题

AI 讲解视频能用我自己的配音吗?

可以。没有主讲人的镜头在 Seedance 2.5 里关掉声音生成,Kling 4.0 的片段在剪辑软件里静音,然后把你录好的配音铺在剪好的画面上。按分镜表把每个镜头对齐到对应的那句话,画面就会跟着旁白切换。

AI 讲解视频能加字幕吗?

在片段拼好之后,用剪辑软件加。不要让模型画字幕,生成的文字经常拼错。社交平台上很多视频默认静音播放,烧录字幕也更有用。

AI 讲解视频最长能做多长?

单段有上限:Seedance 2.5 和 Kling 4.0 最长 30 秒,Seedance 2.0 Mini 最长 15 秒。成片多长都可以,因为片段是在剪辑软件里拼的。逐镜头的做法最适合 30 到 60 秒;再长的话,镜头数和重做次数会增加得很快。

怎样让每个镜头里都是同一个主讲人?

每个主讲人镜头都用同一张参考图,每条提示词都重复同样的外貌描述。Seedance 2.5 的参考素材输入最多支持 30 张参考图和 10 段参考视频,Kling 4.0 最多支持 10 张参考图。剪辑前逐条检查人脸,大概率能对上,但不保证每次都一致。

做一条 AI 讲解视频要花多少钱?

8 个镜头、40 秒的示例,主讲人镜头用 Seedance 2.5、空镜用 Kling 4.0,720p 下用积分包要 168 积分,用 Pro 要 121 积分。免费积分只覆盖 Seedance 2.0 Mini:新账号送 5 积分,够生成一条 4 秒 480p 的 Mini 草稿;免登录试用可以生成一条带水印的 4 秒 480p Mini 片段。

做出你的第一条 AI 讲解视频

先写分镜表,复制上面三条提示词,换成你自己的主题和主讲人,正式生成前先用 480p 试一遍。更多分步教程见视频工作流;同样的逐镜头思路用在广告上是什么样,可以看 AI 产品视频提示词。

准备好了,就打开免费 AI 视频生成器,从开场钩子镜头开始。免费部分只包括 Seedance 2.0 Mini 的试用片段;Seedance 2.5 和 Kling 4.0 需要付费积分。