Short video script

Douyin Video Script — 抖音/短视频脚本生成 SOP

按照「3秒Hook → 冲突 → 反转 → CTA」黄金结构，生成带分镜提示和精确时长控制的短视频脚本。适用于抖音、快手、小红书、视频号等短视频平台。

Quick Start

1. 用户提供视频主题、目标时长、内容类型等基本信息
2. Agent 按下方 SOP 逐步生成脚本
3. 输出带分镜提示和时长标注的完整短视频脚本
4. 用户确认后，可导出为 Markdown 文件

---

SOP 流程

Phase 1：需求收集

目标：明确短视频的核心参数和风格定位。

步骤：

1. 收集基础信息，向用户确认以下字段：

   字段	说明	示例
   视频主题	本条视频的核心话题	职场沟通的3个雷区
   内容类型	口播/剧情/产品种草/知识分享/带货	口播+知识分享
   目标时长	视频总时长（秒）	45秒
   目标平台	抖音/快手/小红书/视频号	抖音
   目标受众	核心观众画像	25-35岁职场新人
   风格基调	搞笑/干货/情感/悬疑/争议	干货+轻松
   出镜人设	出镜者的人设定位	资深HR姐姐
   产品/品牌	如涉及带货或种草，需要的商品信息	无

2. 如果用户只提供了主题，其余字段按以下默认值处理，并告知用户：

   • 内容类型：口播
   • 目标时长：30秒
   • 目标平台：抖音
   • 风格基调：干货+轻松
   • 其余字段标注"待确认"

3. 确认核心卖点：基于主题和类型，提炼 1 个核心信息点（用户看完视频必须记住的一件事）。

---

Phase 2：脚本结构规划

目标：根据时长和类型，规划「3秒Hook → 冲突 → 反转 → CTA」的时间分配。

时间分配模板（适配不同时长）：

段落	占比	15秒示例	30秒示例	60秒示例
3秒Hook	10-20%	2-3秒	3-4秒	4-5秒
冲突铺垫	25-35%	4-5秒	8-10秒	18-20秒
反转/高潮	30-40%	5-6秒	10-13秒	20-25秒
CTA收尾	10-20%	2-3秒	4-5秒	8-10秒

规则：

• 15秒以内视频：Hook+冲突可合并，一句话制造反差
• 15-30秒视频：标准四段式，每段紧凑
• 30-60秒视频：冲突可设 2 层递进，反转后可加延伸
• 60秒以上视频：允许多组"冲突-反转"，但每组不超过 20 秒
• 将时间规划表展示给用户确认后再进入下一步

---

Phase 3：撰写3秒Hook

目标：在前3秒内抓住注意力，阻止用户划走。

Hook 结构：

## 3秒Hook
**[00:00 - {结束秒数}]**

### 画面
> [分镜描述：镜头角度、人物动作、画面元素]

### 口播/字幕
> [Hook文案，必须在3秒内说完]

### 音效/BGM
> [推荐的音效或BGM节奏提示]

7种高效Hook公式（根据内容类型选择最合适的）：

公式	适用类型	示例
痛点提问	知识分享/干货	"为什么你的简历投了100份都没回音？"
反常识断言	争议/干货	"领导最讨厌的不是你能力差，而是……"
数字冲击	知识/带货	"90%的人洗脸都洗错了"
场景代入	剧情/情感	"当你加班到12点，发现同事早就走了……"
视觉冲击	种草/测评	[直接展示产品惊人效果的画面]
悬疑钩子	剧情/干货	"今天我要说一件，同事都不敢说的事"
利益前置	带货/知识	"学会这3句话，工资至少涨30%"

撰写规则：

• Hook 必须在前 3 秒内完成（中文约 15-20 字以内的口播量）
• 不能用"大家好我是XXX"开头（这会让用户直接划走）
• Hook 要与目标受众的痛点/痒点/爽点直接相关
• 优先使用疑问句或祈使句，制造信息缺口
• 字幕必须同步显示 Hook 核心文案的关键词（大字+高对比色）

---

Phase 4：撰写冲突与反转

目标：构建"冲突→反转"的叙事张力，让用户产生"原来如此"的满足感。

4.1 冲突铺垫

## 冲突
**[{开始秒数} - {结束秒数}]**

### 画面
> [分镜描述：人物表情、场景布置、道具使用]

### 口播/字幕
> [冲突文案]

### 节奏提示
> [语速、情绪、BGM 变化]

5种冲突构建手法：

手法	说明	示例
认知冲突	打破常见认知/做法	"你以为早起就是自律？其实你在消耗意志力"
痛点放大	把受众的痛点场景化、具象化	"每次开会你想发言，话到嘴边又咽回去"
对比冲突	展示理想 vs 现实的差距	"别人的PPT vs 你的PPT"
故事冲突	用情节推动紧张感	"上周客户突然说要取消合同……"
数据冲突	用数据制造认知落差	"中国人均存款XX万，但80%的人其实……"

冲突撰写规则：

• 冲突要具象化，避免抽象概念——说"场景"而非"道理"
• 冲突必须指向目标受众真实面临的困境
• 语速适当加快，制造紧迫感
• 口播句式短促有力，每句不超过 15 字
• 如涉及带货，冲突 = 使用前的痛点场景

4.2 反转/高潮

## 反转
**[{开始秒数} - {结束秒数}]**

### 画面
> [分镜描述：关键转折的画面呈现、特效提示]

### 口播/字幕
> [反转文案]

### 节奏提示
> [语速变化、停顿位置、BGM 切换点]

4种反转手法：

手法	说明	示例
方法论反转	给出出人意料但有效的解法	"其实你只需要改一个动作——把'我觉得'换成'数据显示'"
结果反转	展示意想不到的结果/效果	[产品使用前后的对比效果]
认知反转	揭示背后真正的逻辑/原因	"不是你不够努力，是你努力的方向错了"
情绪反转	从紧张/焦虑转向豁然开朗	"后来我想通了一件事……"

反转撰写规则：

• 反转前设置 0.5-1 秒的"微停顿"（标注在脚本中），制造期待感
• 反转的核心信息必须配大字字幕强调
• 反转内容必须与 Hook 中提出的问题/悬念形成呼应闭环
• 反转要给出"可执行的干货"或"可感知的效果"，而非空洞口号
• 如涉及带货，反转 = 产品带来的改变/效果展示

---

Phase 5：撰写CTA收尾

目标：在视频结尾驱动用户行动（点赞、关注、评论、购买）。

CTA 结构：

## CTA收尾
**[{开始秒数} - {结束秒数}]**

### 画面
> [分镜描述：结尾画面、引导动作（手势指向关注按钮等）]

### 口播/字幕
> [CTA文案]

### 屏幕元素
> [需要叠加的贴纸、箭头、文字引导等]

CTA 公式库（根据视频目标选择 1-2 个组合）：

目标	CTA 公式	示例
涨粉	价值预告+关注引导	"关注我，下期教你另外3个面试加分项"
互动	争议提问+评论引导	"你觉得哪一条最有用？评论区告诉我"
转发	利他暗示+转发引导	"转给你那个总加班的朋友"
收藏	实用暗示+收藏引导	"建议先收藏，下次面试前翻出来看"
带货	限时+稀缺+购买引导	"链接放在购物车了，今天前100名半价"
直播导流	福利预告+预约引导	"今晚8点直播详细拆解，点预约不迷路"

CTA 撰写规则：

• 每条视频选择 1 个主CTA + 最多 1 个副CTA
• CTA 必须给出明确的"行动指令"（关注/收藏/评论/点击），不要含糊
• CTA 要与视频内容自然衔接，不能突然跳到"求关注"
• 带货类视频的 CTA 需包含"紧迫感"元素（限时/限量/限价）
• CTA 口播长度不超过视频总时长的 15%

---

Phase 6：分镜整合与视觉标注

目标：为整条视频生成完整的分镜脚本，便于拍摄和剪辑。

逐镜分镜表模板：

## 完整分镜表

| 镜号 | 时间 | 段落 | 景别 | 画面内容 | 口播/字幕 | 音效/BGM | 备注 |
|------|------|------|------|----------|-----------|----------|------|
| 1 | 00:00-00:03 | Hook | 近景 | [画面描述] | [口播文案] | [音效提示] | [拍摄提示] |
| 2 | 00:03-00:08 | 冲突 | 中景 | [画面描述] | [口播文案] | [BGM提示] | [情绪提示] |
| ... | ... | ... | ... | ... | ... | ... | ... |

景别参考（简要说明，辅助非专业用户理解）：

景别	取景范围	适用场景
特写	面部/产品局部	强调表情、展示细节
近景	胸部以上	口播、情绪表达
中景	腰部以上	日常对话、动作展示
全景	全身+环境	场景交代、动作幅度大

分镜标注规则：

• 每个镜头标注景别（特写/近景/中景/全景）
• 标注镜头运动（固定/推/拉/摇/跟）——如果是手机拍摄，标注"固定"或"手持缓移"即可
• 口播文案标注语速（正常/加速/放慢）和情绪（平静/激动/悬疑/温暖）
• 需要字幕强调的关键词用 加粗 标注
• BGM 节奏转折点必须与"冲突→反转"的转折点对齐

---

Phase 7：时长校验与组装

目标：确保脚本总时长精确匹配目标时长，并组装为完整脚本。

时长计算规则：

• 中文口播语速参考：正常 4-5 字/秒，快速 5-7 字/秒，慢速 3-4 字/秒
• 纯画面（无口播）：按实际需要的展示时间估算
• 字幕停留：关键信息字幕至少停留 2 秒
• 转场/停顿：每次转场预留 0.5-1 秒

校验步骤：

1. 逐段计算：按口播字数 ÷ 语速 = 预估时长
2. 加上纯画面时长和转场间隔
3. 总时长与目标时长对比，误差控制在 ±3 秒以内
4. 如超时：优先压缩冲突段（删减修饰词），其次缩短 CTA
5. 如不足：优先扩展反转段（增加案例/细节），其次增加冲突层次

完整脚本输出模板：

# 短视频脚本：{视频主题}

| 项目 | 内容 |
|------|------|
| 视频主题 | {主题} |
| 内容类型 | {口播/剧情/种草/...} |
| 目标时长 | {N}秒 |
| 目标平台 | {抖音/快手/...} |
| 目标受众 | {受众描述} |
| 风格基调 | {风格} |
| 出镜人设 | {人设} |
| 核心信息点 | {用户看完必须记住的一件事} |

---

## 结构总览

| 段落 | 时间 | 字数 | 核心内容 |
|------|------|------|----------|
| 3秒Hook | 00:00-{T1} | {N}字 | {一句话概括} |
| 冲突 | {T1}-{T2} | {N}字 | {一句话概括} |
| 反转 | {T2}-{T3} | {N}字 | {一句话概括} |
| CTA | {T3}-{END} | {N}字 | {一句话概括} |
| **合计** | **{总时长}秒** | **{总字数}字** | |

---

## 完整脚本（含分镜）

（依次放入 Phase 3-5 的所有内容，保留时间和分镜标注）

---

## 完整分镜表

（放入 Phase 6 的分镜表）

---

## 拍摄备忘

- 拍摄设备建议：[手机/相机]
- 布光建议：[自然光/补光灯]
- 收音建议：[手机内录/领夹麦]
- 发布建议：[最佳发布时间段、话题标签建议]

---

Phase 8：审校与交付

自动校验清单（逐项检查并报告）：

• Hook 在前 3 秒内完成，口播字数 ≤ 20 字
• 冲突段有明确的痛点/场景呈现
• 反转与 Hook 形成呼应闭环
• CTA 有明确的行动指令
• 分镜表镜号连续、时间无重叠
• 各段时间之和与目标时长误差 ≤ 3 秒
• 口播总字数与时长匹配（按语速计算）
• 每个镜头标注了景别
• 关键词字幕已用加粗标注
• 无硬广感（带货类除外）
• 语气风格与 Phase 1 设定一致

交付流程：

1. 展示完整脚本给用户确认，重点关注：

   • "Hook 能不能抓住你？"
   • "反转有没有'啊哈'感？"
   • "CTA 自然吗？"

2. 根据用户反馈修订，直到用户确认。

3. 导出选项：

   • 保存为 Markdown 文件
   • 如需其他格式，告知可使用对应 skill 转换

---

参数说明

本 skill 不需要外部参数或 API Key。以下为可选的定制项：

配置项	默认值	说明
语言	中文	脚本输出语言
视频时长	30秒	支持 10-180 秒
口播语速	正常（4-5字/秒）	可选：快速/正常/慢速
分镜详细度	标准	标准（景别+画面描述）/ 详细（含运镜+灯光+收音）
CTA 强度	适中	轻/适中/强（带货类建议"强"）

---

常见场景示例

场景 1：知识口播（30秒）

职场干货类，一个人对镜头讲述，3秒Hook提问 + 痛点冲突 + 方法论反转 + 关注CTA。

场景 2：产品种草（45秒）

美妆/日用品种草，Hook展示效果 + 使用前痛点 + 使用后反转对比 + 购物车CTA。

场景 3：剧情短视频（60秒）

情感/职场剧情，悬疑Hook + 矛盾升级 + 剧情反转 + 评论区互动CTA。

场景 4：带货视频（30秒）

直接卖货导向，利益Hook + 痛点放大 + 产品效果反转 + 限时购买CTA。