azmat1127/yingqing

Fork 0

Files

T

Azmat@qq.com c0a0b9603b 优化脚本

2026-08-28 14:45:38 +08:00

12 KiB

Raw Blame History

电商带货脚本 · 核心方法论

每次生成都读。本文件是脚本的"骨架 + 红线"，钩子句式见 hook-library.md。

一、黄金结构：钩子 → 痛点 → 卖点 → CTA

带货短视频的灵魂是前 3 秒留人 + 结尾促转化。四个功能镜各司其职：

role	功能	它要做的事	旁白要点
钩子	3 秒留人	第一句话/第一帧就让人停下不划走	用 `hook-library.md` 的公式，制造痛点共鸣或反差冲击
痛点	共鸣	把用户"对，我就这样"的处境讲出来	具体场景化，不抽象，让人对号入座
卖点	商品解决	商品如何恰好解决上面的痛点	卖点落到痛点上，给"凭什么信"的理由（成分/效果/对比/口碑）
CTA	转化行动	临门一脚，告诉用户现在做什么	明确动作 + 紧迫感（点下方小黄车 / 主页领券 / 限时）

铁原则：

首镜永远是钩子——3 秒内必须抛出钩子，否则用户划走。
末镜永远收 CTA——可以是独立 CTA 镜，也可以是末镜旁白末尾收一句行动指令。
卖点必须挂在痛点上——不是罗列参数，是"这个痛点 → 商品这样解决"。
一条只讲一个核心情境——先选一个「时间 + 地点 + 小麻烦/小欲望」，整条围绕它推进；不要把商品详情页的所有卖点搬进来。
每镜必须有变化——人物的处境、手上的动作或眼前的结果至少推进一项；镜与镜不能只是换种说法重复夸商品。

二、时长 → 镜数 → 黄金结构映射（关键）

2.1 时长规则（每镜固定 15 秒）

总时长由输入给定：15 / 30 / 45 / 60。未指定时默认 30。
每镜时长固定 15 秒，这既是主流程产品规则，也是下游出片模型的硬上限。
镜数直接由总时长决定：15 秒 → 1 镜，30 秒 → 2 镜，45 秒 → 3 镜，60 秒 → 4 镜。
不要写成 8/10/12 这种不等长，也不要自行加减镜。15 秒要靠画面变化和一句完整意思撑满，不是靠切碎镜头。
所有 segments[].duration 相加必须精确等于 total_duration。

2.2 镜数怎么定

镜数不是按表现形式估算的，就是 total_duration / 15。表现形式只影响这一镜里怎么拍（口播把 15 秒说完一件事；短剧在 15 秒里完成一次冲突/对白交换；Vlog 用镜内空镜+细节撑满），不改变镜数。

2.3 role 按镜数分配

镜数	role 序列（index 0→N）	说明
1	`[钩子]`	一镜到底：钩子 → 一句卖点 → 一句 CTA，全压进这一镜的旁白
2	`[钩子, 卖点]`	镜0 钩子里带出痛点；镜1 讲卖点并在末尾收 CTA
3	`[钩子, 卖点, CTA]`	痛点并进钩子镜
4	`[钩子, 痛点, 卖点, CTA]`	标准黄金结构，一镜一功能
5	`[钩子, 痛点, 卖点, 卖点, CTA]`	两个卖点镜要各有侧重
N ≥ 4	`[钩子, 痛点, 卖点 × (N-3), CTA]`	通用规则：首钩子、次痛点、末 CTA，中间全是卖点

说明：

role 只能取 钩子|痛点|卖点|CTA 四个枚举值。"信任背书""场景演示""前后对比"等都归入 卖点。
镜少也不许丢 CTA —— 镜数 ≤2 时把 CTA 压进末镜旁白的最后一句。
多个卖点镜要各有侧重、不重复（核心功效 / 真实使用场景 / 别人为什么买 / 举证读数）。
视频结构会覆盖这里的默认分配 —— 以 playbooks/structure-*.md 里的骨架为准，本表只是没有指定结构时的兜底。

三、entity 一致性原则

entities 是全脚本共享的角色 / 场景 / 商品池，保证多镜同一角色是同一张脸、同一商品是同一个包装。

一个角色/场景/商品 = 一个 entity = 一份 visual_prompt。多镜复用同一 id，绝不为同一对象写两份 visual_prompt（会导致下游生图人脸/包装漂移）。
visual_prompt 由你自动生成（小白不打字）：写清外观特征（角色：性别/年龄段/发型/穿着/气质；场景：地点/光线/风格；商品：品类/包装/颜色/摆放），用于直接喂图模型。
角色与商品必须隔离出图：角色的 visual_prompt 只能写人物外观与气质，生成的是纯色背景的单人角色参考图；禁止写商品、包装、品牌、Logo、价签、桌子、电脑、杯子、手持物或生活场景。商品由独立 product 基础资产锁定，只在视频镜头里与人物同框，避免人物图把真实包装改掉。
儿童用品不生成儿童角色：任何未成年人（婴儿、宝宝、幼儿、儿童、小朋友、0–17 岁）都不能作为 character 或视频的画面主体。这类商品改用商品平铺、材质/包装/尺寸细节和成人手部或成年照护者局部演示；适用年龄只写在旁白和商品信息中，不把儿童写成要生图的人物。
type 三选一：character(人) / scene(环境) / product(商品)。一份脚本通常至少 1 个 product、至少 1 个 scene。
场景与镜头一一对应（可复用）：每个 segment 的 entity_refs 必须恰好引用一个 scene——它就是这一镜画面所处的环境。多镜同环境就复用同一个 scene id（如全程宿舍 → 只一个「宿舍书桌」scene，4 镜都引用它）；真正换了地点才新建另一个 scene。纯产品特写镜也要绑它所处环境的 scene（无明确环境则复用主场景）。这样下游「场景」基础资产能成图、且同环境背景一致。
ref_index 是该 entity 在图集里的参考序号（从 1 递增，供下游三视图/参考图对齐）。
voice_ref（二期，可选）：角色音色参考，用于锁音色；无则 null。
每个声明的 entity 至少被一个 segment 的 entity_refs 引用，不留孤儿。
segments[].speaker 指向某 character 的 id 表示该镜由角色开口说；null = 画外旁白。

四、商品露出规范（`product_exposure`）

每镜都要规划商品怎么自然出现，避免生硬插入。按 role 给推荐露出方式：

role	推荐露出	说明
钩子	可弱露出或不露	钩子先抓人，商品可作悬念，第 1 镜末尾闪一下也行
痛点	不露 / 反面对照	展示"没有它"的糟糕状态，商品先按住
卖点	特写 / 使用中	商品成为主角：成分特写、质地特写、上脸/上手使用中
CTA	手持 / 包装正面	手持商品对镜头，包装正面清晰，配合行动指令

露出方式词汇统一用：手持 / 特写 / 使用中 / 包装正面 / 场景摆放 / 对比展示（可组合，如"手持+特写"）。

五、旁白红线（硬规则，违反即不合格）

口语化：像真人对着镜头唠嗑，不准书面腔 / 不准 AI 腔（"综上所述""不仅…而且""值得一提的是"全禁）。
必须用商品原词：输入给了商品名、品牌、卖点，就用这些词，不许改成「补水/好用/值得买」这种空卖点。品类示例句只是语气参考。

narration 字数按这一镜的秒数算：出片模型在镜内直接发声。可懂语速上限约 5.2 字 / 秒，口播下限约 4.3 字 / 秒（再短镜头空一半）。 每镜上限 duration × 5.2 字，且不超过 78 字。口播 15 秒镜还有下限 64 字。

单镜时长	下限	字数上限	写作目标
4 秒	—	14 字	≤ 12 字
5 秒	—	17 字	≤ 15 字
6 秒	—	21 字	≤ 19 字
8 秒	—	28 字	≤ 25 字
10 秒	—	35 字	≤ 31 字
12 秒	—	42 字	≤ 38 字
15 秒	64 字	78 字	66–74 字，4–5 句

主流程每镜都是 15 秒：要说满，不要宁可短。 一句 20 字撑不满镜头。留白靠句间停顿和画面，不靠少写字。只有 Vlog 才允许个别镜纯画面无声。

不浮夸、不空喊：卖点要给具体理由，不堆形容词。
拒绝详情页腔：禁止用「全面升级 / 高品质 / 性价比很高 / 闭眼入 / 值得买」替代体验与证据。台词要有当下的个人判断，例如先说自己卡在哪，再说为什么这一步让自己改观。
违规词禁令（电商广告法红线，一律不写）：
- 医疗功效类：治疗 / 根治 / 疗效 / 抗癌 / 消炎 / 杀菌(无证) / 排毒 / 速效 / 抑制 ××病 …
- 绝对化用语：最 / 第一 / 顶级 / 唯一 / 100% / 国家级 / 世界级 / 永久 / 绝对 / 史上 …
- 虚假承诺：包治 / 三天见效 / 立刻变白 / 永不反弹 …
- 替换策略：用"帮助""更""不少人反馈""上脸清爽"等柔性、主观化表达替代。

自检阶段必须逐镜扫一遍违规词，命中即改写。详见 checklist.md。

六、15 秒场内的秒级分镜（硬规则）

主流程一场就是 15 秒。15 秒里必须再切 3–5 刀，写进 visual。

★ 中间没有分镜图了。 visual 会原样交给视频生成模型，不再经过一张关键帧图去补全画面。你没写的，模型自己编；你写含糊的，画面就含糊。所以 visual 要写到「一个不认识这个商品的摄影师照着就能拍」的程度。

visual 不写普通画面摘要，固定按下面的导演说明书结构输出（四栏，逐栏写满）：

【本镜任务】本段要让观众看懂的变化或悬念
【光线氛围】光源方向与性质（窗光/顶光/台灯/逆光）；色温冷暖；明暗对比；整体色调（各镜保持一致）
【声音】台词/旁白状态；音效；背景音乐；字幕（没有写无）
【画面内容】
0-3s：景别；机位；运镜；主体在画面中的位置；具体动作；信息变化
3-8s：景别；机位；运镜；手与商品的空间关系；可见细节
...

输入如果是 【镜头 01】 导演分镜稿（上传视频提炼），把原稿每镜的景别、机位、运镜、人物动作、表情、音效、背景音乐、字幕、备注折进对应栏，不要压成一句画面摘要。原稿写「无 / 不可见 / 听不清」的不要编造。

这样「人物/商品/场景设定」留在 entities 中保持全片一致，「本镜任务」管情绪推进，「光线氛围」锁住全片视觉调性（原来这件事由分镜图承担，现在只能靠文字），「画面内容」只管可执行的镜头，声音也不会漏给视频模型。不得写虚构或无法发生的音效。

0-3s：近景，人看镜头或看向场景，先立住环境和情绪
3-8s：手部入画，开始使用商品（写清容器、材质、液体/膏体状态）
8-12s：商品特写，用法过程可见
12-15s：拉回人物，使用后的反应

第一条从 0 秒起，最后一条接到 15s。
每一条写全：景别 + 机位 + 运镜 + 动作 + 信息变化（五项都要），并写清谁、用哪只手、从哪个方向入画、握商品哪里、商品/容器什么样。
15 秒内至少切 两次景别（大特写 / 特写 / 近景 / 中近景 / 中景 / 全景）。
每镜至少出现一个运镜词（手持跟拍 / 推近 / 拉远 / 横摇 / 环绕 / 固定机位）；没有运镜词，出片会拍成呆板的静止画面。
只写拍得出来的东西：禁止「展示商品 / 呈现质感 / 体现高级感」这类评价词，禁止心理描写，禁止画面里出现字幕花字标题价签，禁止一镜内跨场景跨时间。
商品用法必须真实：茶要热水和蒸汽，不要把茶包丢进冷白开；手不要悬浮。
一场一个动作链：把 15 秒拆成同一件事的起因 → 操作 → 可见变化 → 反应，不能把无关的剧情、多个卖点、跳场景硬塞进同一场。画面提供证据，台词提供判断或转折，不要互相复述。
允许另给 beats:[{start,end,shot_size,action}]，但 visual 仍要能折成上面这种多行文本。

12 KiB Raw Blame History Unescape Escape