我见过不少朋友想尝试AI短视频，结果卡在头部步：不知道从哪里下手。要么是脚本写空话，要么是生成的画面没法用，最后下载了好几个软件却全部闲置。其实做一条60秒以内的AI短视频，并不需要多复杂的工具链，用通义千问写脚本、即梦AI生成配图、剪映自动操作，就能完成一条能看的片子。下面这条路线是我自己跑过几遍的，按顺序做就行。
头部步：用通义千问生成分镜脚本
很多人写脚本喜欢先想一个完整故事，但AI短视频更像做PPT，每一段画面配一句解说就够了。打开通义千问（有网页版和App），直接输入提示词，例如：
“请帮我写一个30秒的萌宠科普短视频脚本，主题是‘猫为什么喜欢纸箱’，共分5个镜头，每个镜头需要一句口播文案和对应的画面描述，口播要口语化，适合配音。”
我试过几次，这样问出来的脚本基本能直接用。注意不要只给一个宽泛的题目，要限定时长、镜头数和风格。收到回复后，把每个镜头的“画面描述”复制出来，准备去生成图片素材。
如果你需要更专业的口播风格，还可以让通义千问转换语气，比如“改成更活泼的’”或“改成更专业的”。这一步的关键是：脚本里必须明确写清“画面里有什么”，否则后面生图会跑偏。
第二步：用即梦AI生成画面素材
即梦AI是字节跳动旗下的图片生成工具，免费版每天有积分，大概够生成几十张图。把上一步里每个镜头的画面描述粘贴到即梦的输入框，选择“图片生成为16:9”，一次生成4张选1张。
比如头部个镜头的描述是“一只橘猫蹲在快递纸箱里，头探出来，好奇地看着镜头”，即梦会返回4张图，选最接近你想象中的那张，不满意就重新生成，直到满意为止。
这里有个容易踩的坑：不要直接让AI生成一段视频，先出静图。AI视频生成（比如即梦视频功能）看起来方便，但可控性差，生成10秒的视频要反复试很多次，而静图在剪映里加转场和运镜效果，照样能做出动态感。如果实在想要视频素材，可以后期用剪映里的“运镜”功能模拟推拉摇移。
生成完5张图片后，按顺序保存到手机相册或电脑文件夹，文件命名为镜头1、镜头2，方便后面导入。
第三步：在剪映里自动合成视频
剪映（手机版和电脑版都行）有一个“图文成片”功能，特别适合新手。打开剪映，点击“开始创作”，选择“图文成片”，然后新建一个“千问脚本”文档，把通义千问生成的口播文案全部粘贴进去。
剪映会自动解析这段文字，生成一个粗略的视频，默认的素材库图片大概率不符合你的要求，没关系，把它当作草稿。接下来把之前生成的5张图片导入到剪映的素材库，然后拖到时间线上，替换掉原本的图片，每个镜头占3到5秒，一共30秒左右。
替换完成后，点击“文本朗读”，选择合适的配音音色，剪映自带的“解说男声”“知性女声”都不错，试听一下选顺耳的。记得把配音时长和画面时长对齐，如果画面长了就裁剪图片，如果音太长就加快语速。
字幕不用手动加，剪映会自动根据口播文字生成字幕，样式可以选带边框的，更清晰。背景音乐在“音频”里挑一首免费可商用的轻音乐，音量调低到15%左右，不要盖过人声。
第四步：导出与发布前的检查
点击右上角导出，清晰度选1080p，帧率选30，这样兼容性更合适。导出后先自己完整看一遍，重点检查三处：
- 字幕有没有错别字或断句错误
- 图片切换时有没有黑屏或闪白
- 配音和音乐是否混有杂音
发布前再加一个“封面标题”，用剪映的“封面”功能截一帧更合适看画面，配上大字，比如“猫为什么爱纸箱？”，这样点击率会高一些。
常见问题与避坑清单
问：AI生成的图片有手指扭曲怎么办？
在即梦里多生成几次，选没有畸形的；或者用即梦的“局部重绘”功能涂一下手指区域重新生成。实在不行就裁剪掉畸形部位。
问：通义千问写的口播太长，30秒放不下？
缩短每句口播的长度，每个镜头控制在15个字以内；或者删减镜头数，从5个减到4个。
问：剪映图文成片为什么识别不了我的脚本？
检查文本里是否有多余的符号或换行，建议去掉所有标题和符号，只留口播文字，每个镜头用句号结尾，不要分段落。
问：工具需要付费吗？
通义千问基础对话免费，即梦AI有每日积分，剪映普通功能免费。免费版足够做出一段30秒的视频，只有导出高清无水印可能需要会员，但可以先导出720p预览，再决定是否付费。
对照下面的清单，你可以快速检查自己做到哪一步
- 已经整理好30秒的主题和口播文案
- 用通义千问生成了分镜脚本，每句口播都对应一个画面描述
- 用即梦AI生成了至少5张16:9的配图
- 在剪映中导入图片并替换掉图文成片的默认素材
- 添加了配音、字幕和背景音乐
- 整片看过一遍，字幕无错，画面无黑屏
- 导出1080p并设置好封面
给新手的几个实用小建议
别追求一次就做完美。我头部次做AI短视频花了一整天，大部分时间在调整图片比例和字幕错字。后来我总结出两个技巧：
一是在生成图片时，统一在画面描述末尾加上“同系列风格，白色背景”，这样5张图看起来更协调； 二是口播文案写好后，先自己默读一遍，如果觉得拗口就改短，因为配音读起来不自然的文案，观众听着也难受。
另外，如果你做的是带有知识讲解的视频，更合适在中间加一两个特写画面，比如放大图片局部，剪映里的“特效”功能可以轻松做到，这样观众不会觉得画面单调。
最后，做完一条视频后不要急着删掉草稿，第二次做类似主题时，可以复制草稿修改文字和图片，能省掉很多重复步骤。
现在就可以打开手机，从找一个你最熟悉的选题开始，比如“为什么每天要喝一定量的水”，用上面的流程走一遍，你会发现自己也能做出一条完整的AI短视频。