用 AI 做短影音：腳本、分鏡、分段生成到剪輯，做完一支直式短片

你就打開 CapCut，模板套一套就可以了呀。後面的內容都不用看，這樣做就能發布了。反正與此同時，少說有一千支短影音正按同一個流程發出去。很簡單，這篇不用看。

還在看的話，我們來做一支不在那一千支裡面的。

用 AI 做短影音，最常見的做法是：想一個點子，寫一段 prompt，按下生成，等三十秒的影片出來，再把它從橫的裁成直的，上字幕，發布。

這條路上有兩個地方會壞掉。第一，一次生成三十秒，模型在第十秒之後就開始忘記你要什麼。第二，橫片裁成直片，裁掉的是你當初花錢生成的畫面：主體被切到邊緣，字幕沒地方放。

直式短影音從比例開始就是另一支片。這篇用一支三十秒的知識型短片，從頭做一次。

橫片裁成直式不行嗎？不行，直式是另一支片

16:9 和 9:16 的差別遠大於轉九十度。橫式畫面的閱讀方向是左右，主體可以站在畫面三分之一處，留一大片環境；直式畫面的閱讀方向是上下，觀眾的眼睛落在中間偏上，左右幾乎沒有空間，上下要留給字幕和平台的按鈕。

所以一個在 16:9 裡構圖漂亮的鏡頭（人在左邊三分之一，右邊是整片街景），裁成 9:16 之後只剩人的半邊身體和一段路燈。損失的是構圖，畫質再高也補不回來。

反過來也一樣：直式生成的鏡頭，主體在中央、上下留白，裁成橫式會變成一條窄窄的人站在兩片黑邊中間。

所以發布在哪裡，決定你用哪個比例生成，而且比例在寫腳本之前就要定。 要同時發橫式和直式，就是兩份分鏡、兩次生成。

三十秒的腳本怎麼寫？一個重點，前三秒先把人留住

短影音的腳本和一般影片的腳本差在兩件事：只講一個重點，以及前三秒必須讓人停下來。

我們的例子：

為什麼便利商店的冰塊是透明的，你家冰箱做出來的是白的？

一個問題、一個答案、三十秒講完。腳本按秒數寫：

秒數	段落	內容
0–3	鉤子	兩塊冰並排：一塊透明、一塊白霧。旁白：「同樣是水，為什麼差這麼多？」
3–10	展開	家用冰箱從四面往中間凍，水裡的空氣和雜質被推到中心，最後困在那裡，變成白色的核
10–22	解答	製冰機讓水只從一個方向慢慢結凍，空氣有路可走，一路被推出去，留下的是透明的冰
22–28	轉折	在家也做得到：保溫杯裝水放冷凍，開口朝上，只從上面凍，上半段就是透明的
28–32	收尾	兩塊冰再並排一次。旁白：「差別在它從哪裡開始凍。」

三十二秒，五段。鉤子直接把矛盾擺在畫面上，省掉「今天要教大家一個冷知識」這種開場。前三秒的工作只有一個：讓人不要滑走。

直式畫面怎麼分鏡？五條規則

有了秒數腳本，把它拆成鏡頭。短影音的分鏡和一般分鏡的做法一樣，直式畫面多了五條規則：

1. 主體放中央，占畫面中段的 60%。 上面 20% 是平台介面和你的標題字，下面 20% 是字幕和按鈕列。
2. 一鏡一件事。 直式畫面裝不下兩個主體並排；要比較兩樣東西，用兩鏡輪流，或者上下疊。
3. 六到十個鏡頭，每鏡三到五秒。 三十秒短片超過十個鏡頭會變成幻燈片，少於六個會變慢。
4. 動作方向一致。 上一鏡東西往上推，下一鏡不要往下掉；直式畫面裡上下方向特別明顯。
5. 每一鏡寫起訖狀態。 和長片一樣，這是分開生成的鏡頭能接起來的唯一辦法。

把腳本拆出來：

鏡號	秒數	畫面	景別	起始狀態	結束狀態
1	0–3	兩塊冰上下並排，黑底，上透明下白霧	特寫	兩塊冰靜置	同
2	3–6	家用製冰盒放進冷凍庫，門關上	中景	門開	門關
3	6–10	製冰盒剖面：冰從四壁往中心長，白色的核在中間形成	特寫（示意）	水透明	中心變白
4	10–14	製冰機內部：水槽只從上方一面接觸冷板	中景（示意）	水面平靜	上方開始結冰
5	14–22	剖面：冰層由上往下慢慢增厚，氣泡被往下推、從底部排出	特寫（示意）	薄冰層	厚透明冰層
6	22–25	保溫杯裝水，開口朝上放進冷凍庫	中景	杯子在桌上	杯子在冷凍庫
7	25–28	倒出來的冰柱：上半透明、下半白	特寫	冰柱立著	同
8	28–32	回到鏡 1 的兩塊冰	特寫	同鏡 1	同

八個鏡頭。第 3、4、5 鏡標了「示意」，提醒自己這幾鏡是解釋性的畫面，要的是看得懂，寫不寫實在其次。

提示詞怎麼寫、一次生成幾秒？一鏡一段，五到八秒

現在才生成。規則只有三條：

一次生成一鏡。 每一段五到八秒，對應分鏡表的一列。短一點的段落模型控制得住，你也比較容易判斷這一段對不對。

比例寫在 prompt 的第一行，每一段都寫。 9:16、直式、主體置中、上下留白，每一段都要重申，因為每一段都是獨立的生成。

起訖狀態寫進去。 第 2 鏡結束於「門關上」，第 3 鏡就從「冰盒在黑暗的冷凍庫裡」開始。分開生成的鏡頭之所以接得起來，靠的是這兩行；讓每個鏡頭接得上的簡單 Storyboard把這件事講完了。

第 5 鏡的 prompt 長這樣（示意用，各模型的格式自己對）：

直式 9:16。特寫，示意圖風格。一個透明容器的剖面，冰層從上往下慢慢增厚，細小的氣泡被冰層往下推、從容器底部排出。畫面乾淨，主體置中，上下各留空白。起始：薄薄一層冰在水面。結束：透明的冰層占容器上半。固定鏡頭，8 秒。

生成出來不對，先用同一段 prompt 再生一次；連續錯在同一個地方，才改一行。示意性的鏡頭（3、4、5）通常最難一次到位，因為模型擅長寫實，圖解弱得多；這幾鏡預留多一點 take，或者改用更簡單的畫面（例如只拍冰的表面，用字幕解釋）。

剪輯、字幕、配音：大部分人是靜音在看的

八段影片湊起來，還不是一支短影音。

• 順剪，然後照秒數修。 每一段生成的長度和腳本的秒數會有落差，剪掉多的，不夠的用慢動作或定格補一到兩秒，不要回去重生成。
• 字幕是短影音的主體之一。 大部分人是靜音滑的。逐句字幕放在畫面下方 20% 的區域裡，一次一句，不要一次一段。字級要大到手機上不用瞇眼。
• 每三到五秒要有變化。 換鏡頭、換字幕、換聲音，三者至少一個。直式畫面小，觀眾的注意力比橫式更容易掉。
• 聲音。 旁白照腳本錄或生成；環境音鋪滿整支，讓八段分開生成的畫面聽起來在同一個世界。前三秒的聲音要和畫面同時開始，不要有靜默的開場。

Reels、Shorts、TikTok 各能發多長？上限不是目標

直式短影音的規格是 9:16、1080×1920。上下各留約 15%–20% 不放重要資訊，右側留給按鈕列。長度上限各平台不同，而且會變：

平台	上限（2026-08-25 查證）	備註
YouTube Shorts	3 分鐘	2024 年 10 月 15 日起，直式或方形、3 分鐘以內的上傳歸為 Shorts；音樂使用有另外的秒數限制
Instagram Reels	說明頁寫 3 分鐘；官網另寫 20 分鐘	兩處官方資料不一致，發布前以 app 內的實際限制為準
TikTok	多次調整，本文不寫死	發布前查該平台的說明頁

上限是天花板。這篇的例子三十二秒，是因為一個重點講完剛好三十秒；能講完就結束，不要為了長度加內容。至於發了之後會不會有人看、能不能變現，那是內容和平台演算法的事，流程保證不了；這篇只負責讓你做出來的那支片是完整的。

用 AI 做一支三十秒的短影音，會超過三百塊臺幣嗎？

這是搜尋「短影音製作」時最常被問的問題，底下其實是兩個問題。找人代製一支短影音的報價，是人力和服務的價格；自己用 AI 生成的成本是另一筆，而且算得出來。

用這篇的例子算：三十二秒、八個鏡頭，每鏡生成 6 秒，把整支片生成一遍是 48 秒。按兩個有公開按秒牌價的影片模型計（2026-08-25 查證官方價目頁；牌價、不含限時折扣）：

每鏡 take 數	生成秒數	MiniMax H3 768P（$0.08/秒）	Seedance 2.0 720p（$0.15/秒）
1	48	約 $4	約 $7
5	240	約 $19	約 $36
20	960	約 $77	約 $144

回到標題：三百塊臺幣（十美元上下）只夠每一鏡一次就成功的情況；正常抽個五次，一支三十秒的短影音是二十到四十美元。

一支短影音的生成費用在幾美元到幾十美元之間，真正的變數是每一鏡要抽幾次；示意鏡（第 3、4、5 鏡）通常吃掉最多 take。旁白、音樂和剪輯工具另計。

至於「哪一個 AI 可以生成影片」「短影音用什麼 app」：這篇的流程不綁工具。能讓你指定 9:16、一次生成五到十秒、最好還收參考圖或起始畫面的影片模型都走得通；剪輯和字幕，用你手邊的剪輯軟體就夠。

短影音製作流程，一張表抄走

步驟	做什麼	完成的標準
1 定比例	決定發布平台，決定 9:16	之後所有東西都用這個比例
2 腳本	一個重點，用秒數寫，前三秒是鉤子	二十到四十五秒，一句話說得出這支片在講什麼
3 分鏡	六到十鏡，主體置中，每鏡起訖狀態	分鏡表填滿，示意鏡標出來
4 分段生成	一鏡一段，五到八秒，比例和起訖寫進 prompt	每一鏡有一個收下的 take
5 剪輯	順剪、照秒數修、逐句字幕、聲底鋪滿	靜音看得懂，有聲也對
6 發布	對照平台規格與上限	安全區內沒有被擋住的字

---

短影音的門檻看起來是最低的：三十秒、一支手機、一個點子。用 AI 做之後門檻又更低了，低到很多人跳過中間所有的步驟，直接從點子跳到生成。

跳過的那些步驟，就是橫片被裁掉的那三分之一畫面、第十秒之後開始走樣的主體、放不進安全區的字幕。這些都是流程的問題，跟 AI 無關。流程做完，三十秒就只是三十秒。