AI 口播视频生成

把「AI 口播视频生成」当成一次要交付的活，不是名词解释。输入是批准讲稿和讲师参考，输出是短口播讲解视频，工作比例定在社交 9:16；课程 16:9。先写驳回原因，再把它变成第一条硬约束。

必须有角色表、道具状态、场地说明、调色、时间、声音意图和镜头顺序。风格再强，也不能抹掉故事时间、角色状态，或让观众看不懂谁做了什么。

把 Canvas 当连续性台账。每个节点存参考、提示词、相机、时长和依赖关系。静帧和故事拍点批准后，只补缺失的过渡。

平台要求不要塞进模型提示词里。提示词可以描述场景；由命名清单记录裁切、主张、授权和后台核对，这些才决定能不能交付。

锁定脸、服装、道具、调色、镜头高度、场地、故事时间和台词。连续性比新鲜感重要。

把锁定字段放在提示词开头，不要放在结尾：使用一个批准参考和短句；先用 Agnes Video 10 积分测试动作。需要原生音频时，Kling v3 Omni 音频 49 积分/秒并吸附 5 或 10 秒。 把提示词、参考、比例、模型和驳回原因存成一组；下一次执行时先读驳回原因，再决定哪些字段可以放开，避免从一张好看但不可复现的画面重新猜起。

第1步「裁讲稿」：写一个主张、一个理由、一个下一步。停顿处给观众缓冲。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第2步「锁定讲师」：锁定人脸、服装、背景和光线。第一个词、句中和最后一个词检查口型。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第3步「低成本测动作」：Agnes Video 2 积分/秒足够测头和手节奏，5 秒 10 积分。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第4步「谨慎加音频」：配音用外部剪辑工具；当 5 或 10 秒合适时，可用 Kling 原生音频 49 积分/秒。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。

每次重跑只改一个命名变量：提示词、参考、相机、时长、模型、比例或导出裁切。一次改两处，即使结果变好也无法复用，因为没人知道是哪处修复起了作用；重跑前先把当前版本编号、失败描述和准备验证的假设写清楚，避免下一次又凭感觉推翻上一版。

观众要能自己排镜头顺序，认出同一个人，道具不能在帧间瞬移。

源图、批准文案、被驳回版本、修正、积分成本和最终裁切都放在资产旁边。这份记录要让下一个复审者不用翻聊天记录也能复现决策。

先修参考，再改提示词。过渡失败就插短静帧，不为更长的猜谜镜头烧积分。

不靠感觉升级。Agnes Video 5 秒探路 10 积分；概念通过后，Seedance 2.5 五秒 480p 90 积分、720p 195 积分；Kling 无音频 195 积分、含音频 245 积分。只有确需要 4/6/8 秒电影感时才用 Veo，对应 80/125/165 积分。先证明钩子、主体和节奏，再付钱把已成立的动作做干净。

交接 Canvas、参考 ID、提示词历史、首尾帧、字幕轨和已批准成片。

交付文件夹故意做得很无聊：源素材、批准参考、生成设置、字幕文件、渠道裁切、QA 截图和一行修正日志。可复用资产就要无聊得恰到好处。

imgmov 的优势在链条：Asset Library 保住主体参考，Canvas 固定镜头顺序和首尾帧，工作台只在概念证明后才路由到 Seedance、Kling 或 Veo，外部剪辑工具补字幕和 CTA 时不必重新生成媒体。

风格再强，也不能抹掉故事时间、角色状态，或让观众看不懂谁做了什么。 如果只想问「AI 口播视频生成」是什么，搜索页更快；这里值得看，是因为要把短口播讲解视频在真实约束下交付出去。