AI 视频做社媒内容，我从抽卡改成了一套流程

我最早做 AI 社媒视频的方式很蠢。生成一条，看一眼，觉得不够好，再换提示词。看起来很努力，其实每次都在换变量，根本不知道问题出在钩子、构图还是动作。

后来我把它改成一条流水线。先定平台，再定第一秒，再写一个动作，最后才生成。这个流程不神秘，但能让我少浪费很多积分。

TikTok、Reels、Shorts 都偏竖屏，但节奏略有差别。TikTok 和 Reels 更吃第一秒，Shorts 可以稍微多留一点说明空间。所以我会先写清楚这条视频要投到哪里。

9:16 不要靠后期裁切。我一开始就选竖屏比例，把主体放中间，把动作放在画面中下部，给字幕留出安全区。16:9 的横屏素材硬裁成竖屏，经常不是主体被切，就是字幕很尴尬。

我现在的习惯是先写第一帧。观众不会等你铺垫完。第一秒必须让人知道发生了什么。

我会从三种钩子里选一个。视觉意外、问题场景、结果前置。比如湿滑路面上落下一只鞋，水花溅起，这个画面第一秒就能懂。又或者先展示整理好的桌面，再倒放回混乱状态，这也是结果前置。

AI 视频最怕剧本太大。5 秒里塞进人物进场、发现产品、惊讶、转场，几乎一定会乱。我现在只让一个 clip 完成一个动作。

举个例子。

A red sneaker lands on wet pavement, water splashes around the sole, slow-motion push-in, urban evening light, vibrant commercial style

这条提示词只有一件事，鞋落地，水花溅起。镜头是缓慢推近，环境是夜晚城市，风格通过具体光线表达。它比 cinematic viral video 有用得多。

先用免费 Agnes Video V2 测构图。它不需要完美，只要告诉我第一帧和动作是否成立。构图过关后，再用更强的模型。

需要图片先确认视觉，我会用 Seedream 5.0 Lite 或 Nano-Banana 2。需要表达力强的运动，我会试 Seedance 2.5。需要更稳的商业镜头，我会用 Kling v3 Omni。需要更高电影感，才考虑 Veo 3.1。

这个阶梯的重点是省钱。不要用高级模型去发现「构图错了」这种便宜问题。

每条钩子我至少做两个变体。一个近景，一个稍远。一个静音看画面，一个配字幕。一个慢速推近，一个轻微手持感。我不会同时改主体、场景、镜头和色调。

这样测试才有意义。如果四个东西都变了，就算数据好，你也不知道是哪个动作起作用。

我不再只写 cinematic。我会写光源、地点、材质和镜头。比如 soft window light、wet asphalt、matte ceramic、slight handheld camera。这些具体词会让画面更像真实拍摄。

同时我会检查几类 AI 破绽。手指、文字、商标、液体、布料。如果有手，我会逐帧看。如果有文字，我基本都放到剪辑层。如果液体飘得太奇怪，我会降低动作幅度。

很多观众刷到视频时没开声音。所以我会把承诺放在字幕里，把视觉证据交给模型，音乐后配。不要指望语音把故事讲完。

字幕不要压住关键动作。我会把它放在安全区，避免被平台 UI 挡住。生成的视频本身负责让人停下来，文字负责说明为什么值得继续看。

一次做三条，不要做一条。A 是视觉意外，B 是问题钩子，C 是结果前置。长度控制在 4 到 8 秒。然后比较前三秒留存，而不只是总播放量。

如果大家立刻划走，是钩子失败。如果留下来但不互动，可能是信息或行动点不清楚。这样归因，下一次才有改进。

先选 9:16。写第一帧。一个动作一个镜头。免费模型测构图。关键帧确认后再升级。一次只改一个变量。字幕后加。检查手指、文字、液体。保存表现最好的提示词。

AI 视频做社媒，不是量产噪音。是让你能更快测试不同想法。