软件演示视频
制作精美且能有效转化的软件产品视频。该技能涵盖完整的流程:策略、脚本编写、制作和分发。
快速开始
- 选择视频类型 - 根据渠道阶段和目标匹配(参见下方视频类型)
- 编写脚本 - 选择一个框架,按字数编写,大声朗读(参见 references/script-templates.md)
- 规划制作 - 故事板、选择音乐、准备环境(参见 references/production-techniques.md)
- 制作 - 录制、拍摄、动画、剪辑、混音
- 优化分发 - 缩略图、标题、SEO、嵌入策略(参见 references/thumbnails-and-distribution.md)
核心原则
这些原则将卓越的软件视频与平庸之作区分开来。源自对 Sandwich Video、Apple、Stripe、Linear、Arc、Figma、Descript 以及顶级 SaaS 视频机构的研究。
1. 从观众的问题出发,而非你的功能
每个优秀的软件视频都以观众已经感受到的痛点开场。产品是作为解决方案出现的,而不是主题。Slack 以沟通混乱开场。Salesforce 以销售下滑开场。Monday.com 以“你理想的工作是什么样?”开场。功能列表不会创造渴望,而是已经感受到的问题才会。
2. 每个视频只有一个核心思想
如果观众忘记了其他所有内容,他们必须记住什么?那就是你的视频。不是一个功能,不是五个好处。一个想法。
错误:“我们的平台有项目管理、时间追踪、
发票、团队聊天和文件存储。”
正确:“别再在应用之间切换了。你团队需要的
一切都在一个地方。”
3. 展示魔力
Sandwich Video 的理念:识别那些让人们说“哦,这很酷”的时刻,并围绕这些时刻制作视频。在你的产品中找到2-3个能创造真正愉悦感的交互,并给予它们最多的屏幕时间。
4. 在5秒内抓住注意力,否则就会失去他们
55% 的观众在60秒内离开。你的前5秒必须赢得接下来的55秒。永远不要以动画标志、“欢迎回来”或设置背景开场。以问题、结果或模式中断开场。在所有的留存研究中,冷开场都优于品牌介绍。
5. 音效设计是最被低估的技术
Figma 的点击声、Apple 的拟音、Arc 的刻意静默——音频改变了观众对视觉内容的感知。为 UI 交互添加微妙的声音。将剪辑与音乐节拍同步。音效设计良好的视频给人的精致感是普通视频的两倍。
6. 视频风格要与产品个性匹配
Linear 的极简主义之所以有效,是因为产品本身就是极简的。Arc 的卧室视频博客之所以有效,是因为产品是个人化的。Descript 的喜剧小品之所以有效,是因为观众是有创造力的。风格不匹配比低制作价值更糟糕。
7. 屏幕录制不必看起来像屏幕录制
每个顶级公司都有一个策略:Apple 在动态图形中重新创建 UI。Figma 添加点击声和光标标签。Slack 构建自定义的理想化截图。Linear 的产品足够美观,可以原生录制。Stripe 将代码视为艺术。找到你的方法。
视频类型
| 类型 | 时长 | 渠道 | 目标 | 受众 |
|---|---|---|---|---|
| 讲解视频 | 60-90秒 | 顶部 | “这是什么?” | 意识到问题的潜在客户 |
| 产品导览 | 2-4分钟 | 中部 | “它是如何工作的?” | 正在评估的潜在客户 |
| 功能亮点 | 30-90秒 | 中部 | “这能做什么?” | 用户 + 评估者 |
| 客户案例 | 60-120秒 | 底部 | “还有谁在用?” | 决策阶段的买家 |
| 发布视频 | 30-90秒 | 所有 | “有什么新功能?” | 用户 + 市场 |
| 对比视频 | 2-4分钟 | 底部 | “为什么选这个而不是X?” | 活跃的评估者 |
| 快速提示 | 30-90秒 | 售后 | “这个怎么做?” | 现有用户 |
| 品牌/文化 | 60-180秒 | 顶部 | “这些人是谁?” | 人才 + 好奇者 |
每种类型的详细脚本结构和填空模板,请参见 references/script-templates.md。
脚本框架
选择与你的视频任务相匹配的框架。每个框架在 references/script-templates.md 中都有详细的模板。
问题-加剧-解决方案 (PAS)——最常见
| 阶段 | 时间 | 字数 | 目的 |
|---|---|---|---|
| 问题 | 15-20秒 | 30-40 | 指出痛点 |
| 加剧 | 15-20秒 | 30-40 | 展示不行动的后果 |
| 解决方案 | 25-30秒 | 50-60 | 将产品作为解决方案介绍 |
| 行动号召 (CTA) | 5-10秒 | 10-20 | 清晰的下一步操作 |
使用问题解决结构的视频显示出 60% 更高的参与度。
之前-之后-桥梁 (BAB)——最适合视觉化产品
展示转变:观众今天的世界,他们使用你的产品后的世界,以及产品如何弥合差距。最适合仪表盘、设计工具、分析工具。
讲述-展示-讲述——最适合导览和教程
设置背景(讲述),现场演示(展示),强化价值(讲述)。可将留存率提升高达 65%。将复杂产品分解为多个讲述-展示-讲述模块。
英雄之旅——最适合客户案例
你的客户是英雄。你的产品是向导。三幕:平凡世界(问题),旅程(发现和使用产品),回归(带有指标转变的结果)。
其他框架
- JTBD 叙事:“当[情境]时,我想要[工作],以便[结果]”
- 钩子-故事-提供:5秒钩子,30秒叙事,10秒行动号召(CTA)(非常适合短视频)
- AIDA:注意、兴趣、欲望、行动
- 黄金圈:为什么、如何、什么 (Sinek)
- 皮克斯故事脉络:“很久以前... 每天... 有一天... 因为那...”
开场钩子
你只有 5秒钟。选择一个:
| 钩子类型 | 示例 | 最适合 |
|---|---|---|
| 问题陈述 | “如果你花了3个小时调试部署配置...” | 教程,了解痛点的受众 |
| 结果展示 | 先展示最终输出,然后解释如何实现 | 产品导览,功能亮点 |
| 模式中断 | 快速缩放、突然的视觉变化、定格帧+文字 | 社交媒体,信息流拥挤 |
| 冷开场挑逗 | 从高潮开始:“...然后构建就崩溃了” | 叙事视频 |
| 提问 | “如果你的部署从不失败会怎样?” | B2B,特定细分市场 |
| 惊人数据 | “你的支持工单中有90%已经在文档中回答了” | 教育性,数据驱动型受众 |
| 直接价值 | “这里有5个你没在用CSS技巧” | 底部渠道,行动导向型用户 |
前5秒内的模式中断显示出 23% 更高的留存率。
冷开场胜过品牌介绍。 剪掉标志动画。先钩子,后品牌。
配音
语速
| 视频类型 | 每分钟字数 (WPM) | 说明 |
|---|---|---|
| 讲解视频 | 130-150 | 理解的最佳语速 |
| 教程 | 120-130 | 复杂信息时放慢 |
| 推广/发布 | 150-160 | 更快以增强能量感 |
字数参考:30秒 ≈ 75字, 60秒 ≈ 150字, 90秒 ≈ 225字, 2分钟 ≈ 300字。
视角
在配音中使用第二人称(“你”)——这能吸引观众,并使他们成为主角。在行动号召(CTA)中切换到第一人称(“开始我的免费试用”比“开始你的免费试用”转化率高出 90%)。
语气
- 对话式:短句、缩略、直接。最适合讲解视频、初创公司。
- 专业式:沉稳、权威。最适合企业、安全、金融。
- 热情式:充满活力、前瞻性。最适合发布视频。
- 共情式:温暖、理解。最适合问题导向的开场。
像说话一样写作。 大声朗读脚本。如果结巴,就重写。
AI vs. 真人配音
AI 配音便宜 60-86%,且可以即时更新。但:AI 配音的留存率低 70%,并且在45秒内流失率高出35%。对于高风险内容,使用真人配音。AI 适用于高数量内部/教程内容。
ElevenLabs 带时间戳 API
使用 /v1/text-to-speech/{voice_id}/with-timestamps 端点获取单词级同步数据。它返回相同的音频以及字符级对齐,你可以将其聚合为单词级和句子级时序。这使得自动合成时序成为可能——段落时长通过测量的音频得出,而非通过字数估算。
分段音频
始终为每个脚本段落生成一个音频文件,而不是合成单个配音。合成文件会插入可变的段落间停顿(每个2-4秒),在10个段落中累积产生20-35秒的漂移。分段音频,每段都固定在其合成帧上,完全消除了累积漂移。仅保留一个合成文件用于预览/收听。
语音克隆
如果克隆语音可用(例如通过 ElevenLabs 语音克隆),请使用它以 AI 的速度和成本实现真实的创始人/开发者配音。克隆质量足够高,可用于生产。配音脚本中的 --voice <voice_id> 标志选择克隆。
速度与节奏控制
影响节奏的 ElevenLabs 语音设置:
stability: 0.5—— 自然变化,不走调similarity_boost: 0.75—— 跨段落语音一致性style: 0.3—— 微妙的表达力,不过度表演use_speaker_boost: true—— 清晰度增强
要加快节奏,将稳定性提高至 0.7,并将风格降低至 0.1。要获得更温暖、更对话式的表达,将稳定性降低至 0.3,并将风格提高至 0.5。
声音选角
| 品牌个性 | 声音风格 |
|---|---|
| 创新/技术 | 清晰、自信、中等语速 |
| 温暖/平易近人 | 友好、笑容可掬 |
| 企业 | 深沉、沉稳、男中音 |
| 俏皮/创意 | 精力充沛、富有表现力、语调多变 |
| 大胆/颠覆性 | 语速快、自信、挑衅 |
制作快速参考
完整细节请参见 references/production-techniques.md。
屏幕录制
- 以 4K/60fps 录制,输出为 1080p 或 4K
- 以 50% 自然速度 移动光标,点击前暂停 0.5-1 秒
- 关闭所有通知,使用干净的浏览器配置文件,预加载所有屏幕
- Screen Studio ($89) 是目前精致演示的黄金标准
- 后处理:缩放至 150-300% 用于标注,缓和所有缩放动效 (cubic/quintic),添加微妙的阴影
转场
- 硬切 用于 90%+ 的转场
- 缩放转场 用于功能到功能的导航 (0.3-0.8秒)
- 溶解 仅用于时间流逝 (0.5-2秒)
- UI 遮罩 用于品牌化精致度(侧边栏展开覆盖画面,揭示新场景)
- 永远不要将转场用作装饰。每个转场都应为叙事服务。
音乐
| 视频类型 | 情绪 | 节奏 |
|---|---|---|
| 发布/宣传片 | 向上、积累 | 120-140 BPM |
| 导览 | 轻快、不抢眼 | 90-110 BPM |
| 企业 | 专业、温暖 | 80-100 BPM |
| 消费者应用 | 有趣、现代 | 110-130 BPM |
让你的剪辑与节拍同步。 主要转场在强拍上,次要转场在弱拍上。这会创造“苹果感觉”——每一次剪辑都落在音乐节拍上。
音乐平台:Epidemic Sound ($10-20/月,最适合量),Artlist ($10/月,资源广泛),Musicbed (高级、电影感)。
配音同步(Remotion 管线)
对于基于 Remotion 的制作,使用自动同步管线:
script.md --> narrate-sync.ts --> sync-manifest.json --> composition 常量 --> audit-sync.ts --> render
关键原则:
- 分段音频:每个脚本段落一个 MP3,每段都固定在其精确的合成帧上。绝不要使用单个合成文件作为合成音频源。
- 段落时长公式:
ceil(narration_seconds * fps) + 15 帧填充。始终通过测量的音频得出,而不是通过字数估算。 - 同步清单:JSON 文件,包含单词级和句子级时序数据(以秒和帧为单位的开始/结束)。由 narrate-sync 脚本自动生成。
- 渲染前审计:运行 audit-sync 以检测死帧、配音超时和视觉间隙。在渲染前修复任何问题。
完整细节请参见 references/remotion-production-pipeline.md。
音效
在关键的 UI 交互处添加微妙的点击声、嗖嗖声和砰砰声。将音效保持在配音音量 -20 到 -30 分贝。不是每次点击都需要声音——只为有意义的时刻保留。
配音录制
- 最低要求:Blue Yeti / AT2020 USB+ ($50-130)
- 专业级:Shure SM7B / RE20 ($300-450)
- 在安静、经过处理的房间里录制。录音时要微笑。
- 后处理链:降噪 > 均衡器 > 压缩 > 去咝声 > 限幅器 > 归一化至 -16 LUFS
缩略图和分发
完整细节请参见 references/thumbnails-and-distribution.md。
缩略图检查清单
- 1280x720px,小于2MB,16:9
- 一个清晰的焦点
- 最多3-5个词,高对比度,在小尺寸下可读
- 不重复视频标题
- 创造好奇心或情感反应
- 与频道的视觉品牌一致
- 准备2-3个变体进行 A/B 测试
黄+黑 缩略图能产生最高的点击率 (CTR),达到 8.2%。高对比度缩略图可将点击率 (CTR) 提高 20-40%。
标题公式
最佳长度:55-70个字符,10-11个词。数字可将点击率 (CTR) 提升高达 36%。
| 模式 | 示例 |
|---|---|
| 转变 | “[工具] 如何将我们的部署时间缩短了 80%” |
| 意外对比 | “[工具A] vs [工具B]——结果让我惊讶” |
| 警示性 | “停止使用[做法]——改做这个” |
| 速度/结果 | “用[工具]在[时间]内构建一个[事物]” |
| 发现 | “我找到了最好的[类别]工具(不是[预期]的那个)” |
YouTube vs. 网站
- YouTube 用于发现和受众建设(优化缩略图/标题)
- 自托管(例如 Wistia) 用于网站、登陆页面、邮件,以利用第一方数据分析、无干扰观看和自定义行动号召(CTA)
嵌入策略
| 位置 | 自动播放? | 静音? | 循环? |
|---|---|---|---|
| 首页 | 是 | 是 | 是 |
| 功能页面 | 否 | 否 | 否 |
| 登陆页面 | 是 | 是 | 否 |
与 AI 代理配对
Claude Code
将此技能与 Claude Code 结合用于脚本编写和视频策略。使用:
pmx marcus/marcus-skills --type explainer --product "你的产品名称" --problem "他们的问题" --solution "你的解决方案"
Cursor
Cursor 可以通过将技能的知识图注入上下文,帮助在开发环境中编排视频制作。
Codex
Codex 可以自动化 OpenAPI 工作流,这些工作流调用 ElevenLabs、Remotion 和 Screen Studio 的 API,端到端地创建视频而不需要手动编辑。
另请参阅
- references/script-templates.md —— 每种视频类型的完整脚本框架和模板
- references/production-techniques.md —— 详细制作指南、屏幕录制设置和编辑技术
- references/thumbnails-and-distribution.md —— 缩略图设计、标题优化和分发策略
- references/remotion-production-pipeline.md —— Remotion 自动合成管线的技术细节
该技能源自 Sandwich Video、Apple、Stripe、Linear、Figma、Descript 和顶级 SaaS 视频机构的最佳实践。