用数字人做短视频：一条片子从脚本到成片

导语：上周有个人问我，公司想做第一条数字人口播，从有想法到发出去要几天。我说别信一天搞定的说法，第一条老老实实留出三到五个晚上。他问是不是数字人这块难，我说恰恰相反，难的是脚本和剪辑，这两段活儿跟用不用数字人没关系。下面按实际顺序把一条片子拆开，讲清每一步在干什么、大概花多久、哪里最容易卡住，你照着走一遍，基本不会迷路。

第一步选题：先定这句话说给谁听

数字人最容易让人产生一种错觉，觉得什么都能拍，结果什么都拍一点，谁也没记住。选题这一步不做完，后面全白干。做法是先锁定一个人：刚开店的老板娘，还是要给孩子挑兴趣班的妈妈。再锁定一件具体的小事：不要聊行业趋势这种大话题，而要五百块的布料和一千五的差在哪这种一句话能说清的疑问。最后给自己一条判断标准，观众看完能拿走一个动作或者一个判断，这条片子就算成立。选题库要在平时攒，刷到好问题就记一行，别等开拍才现想。这一步半小时定下三条就够，剩下的时间全部留给写稿。

第二步写脚本：写成像嘴能说出来的话

脚本不是作文，是给嘴用的稿子，判断标准特别朴素：你自己念一遍，会不会打结。每句控制在十五到二十五个字，一句话只装一件事；看见因此、综上所述这类词就删掉，换成所以、你看。开头十秒最贵，最好直接把观众心里的疑问说出来，别先铺垫天气和客套。打个比方，脚本像菜谱，不是写给人读的散文，是写给手照着做的步骤，火候、分量、先后顺序都得写明白，否则下锅的人只能凭感觉。写完一定出声读，读着别扭的地方，就是观众会划走的地方。三分钟以内的口播，稿子通常落在六百到九百字，超过一千字就考虑拆成两条。

第三步配音与驱动：让嘴和声音对上

到这一步才真正用到数字人。流程很简单：把稿子丢进工具，挑一个音色念出来，再让形象按这段声音动嘴。最容易翻车的不是脸像不像，是节奏。机器默认念得又平又快，你得手动加停顿：逗号停半拍，句号停一拍，段落之间停一拍半，要强调的词放慢一点。时间也要算，一分半的片子，正常语速在二百二到二百六十字之间，太快观众跟不上，太慢显得拖。生成之前还有个坑，数字、单位、人名、缩写要单独过一遍，多音字手动标读音，不然一条片子可能因为一个行字重做。

• 先试听三十秒，听着累就调语速，别整条生成完再返工
• 形象动作幅度调小，点头和挥手太频繁会显假
• 一条片子只用一个音色，换音色等于换人设

第四步剪辑：成片的气质在这一步定型

剪辑是最容易被低估的一段。数字人给你的是素材，不是成片。要做四件事：掐掉首尾多余的停顿，把长句切开，每隔五到八秒换一次画面或景别，把字幕压上去。换画面不一定非得换镜头，放大一点、插一张产品图、加一个字卡都算。字幕一行不超过十五个字，两行封顶，压在画面下方三分之一处，别挡住嘴。背景音乐的音量压到人声的三成左右，宁可小一点。这一步通常比生成更费时间，一分半的片子，熟手二十到四十分钟，新手一到两个小时都正常，别拿熟手的速度要求自己。

第五步发布与复盘：发完别就走

发布不是终点。发之前检查三件小事：封面上的字够不够大，标题里有没有具体的人和事，简介里有没有一句让人想继续看的话。发之后别只盯播放量，先看两个数，前三秒的留存和完播，留存低说明开头没抓住人，完播低说明中间拖了。再用一张纸记四条信息：选题、时长、开头第一句、当天数据，连着记十条，你就能看出自己哪类选题有人看。这件事花十分钟，比闷头再拍三条更有用。第一条片子数据差是常态，它真正的价值是让你知道哪里不熟，而不是证明数字人不行。

给你一个能马上用的动作：今晚只做一件事，把下周要发的三条选题写在一张纸上，每条后面写一句目标观众是谁。写完再动工具，你会发现后面每一步都快了。数字人不替你思考，它只是把你已经想清楚的东西说了出来，想清楚这半步省不掉。