解說影片製作指南
透過 inference.sh CLI 從腳本到最終剪輯,輕鬆創建解說影片。
快速開始
需要 inference.sh CLI(belt)。安裝說明
belt login
belt app run google/veo-3-1-fast --input '{
"prompt": "乾淨的動態圖形風格動畫,流動的抽象數據在連接的節點之間穿梭,藍白配色,專業企業美學,流暢轉場"
}'
腳本公式
問題-激化-解決 (PAS) — 60 秒
| 章節 | 時長 | 內容 | 字數 |
|---|
| 問題 | 10秒 | 陳述觀眾的痛點 | ~25 字 |
| 激化 | 10秒 | 顯示問題比他們想的更嚴重 | ~25 字 |
| 解決方案 | 15秒 | 介紹您的產品/想法 | ~35 字 |
| 運作方式 | 20秒 | 展示 3 個關鍵步驟或功能 | ~50 字 |
| CTA | 5秒 | 一個明確的下一步行動 | ~12 字 |
之前-之後-橋接 (BAB) — 90 秒
| 章節 | 時長 | 內容 |
|---|
| 之前 | 15秒 | 顯示目前令人沮喪的狀態 |
| 之後 | 15秒 | 顯示理想的結果 |
| 橋接 | 40秒 | 解釋您的產品如何幫助他們達成目標 |
| 社會證明 | 10秒 | 快速統計或見證 |
| CTA | 10秒 | 明確的下一步行動 |
功能亮點 — 30 秒(社群媒體)
| 章節 | 時長 | 內容 |
|---|
| 鉤子 | 3秒 | 驚人事實或提問 |
| 功能 | 15秒 | 展示一個功能解決一個問題 |
| 結果 | 7秒 | 成果/效益 |
| CTA | 5秒 | 試用 / 了解更多 |
節奏規則
| 內容類型 | 每分鐘字數 | 備註 |
|---|
| 標準旁白 | 150 wpm | 對話式節奏 |
| 複雜/技術性 | 120 wpm | 預留理解時間 |
| 活力/社群 | 170 wpm | 短影音較快節奏 |
| 兒童內容 | 100 wpm | 清晰且緩慢 |
關鍵規則: 每個關鍵訊息一個場景。不要將多個想法塞進同一個畫面。
場景時長建議
- 定場鏡頭:3-5 秒
- 功能示範:5-8 秒
- 螢幕上的文字/統計:3-4 秒(需可讀)
- 轉場:0.5-1 秒
- CTA 畫面:3-5 秒
視覺製作
場景類型
belt app run google/veo-3-1-fast --input '{
"prompt": "乾淨的產品示範影片,雙手在筆電上打字,顯示儀表板介面,明亮現代辦公室,柔和自然光,專業"
}'
belt app run bytedance/seedance-1-5-pro --input '{
"prompt": "抽象動態圖形,彩色數據流連接漂浮的幾何形狀,流暢動畫,深色背景搭配發光元素,科技美學"
}'
belt app run google/veo-3-1-fast --input '{
"prompt": "快樂的人靠在沙發上用筆電,微笑看著螢幕,明亮的通風客廳,溫暖午後光線,滿意的顧客氛圍,生活風格廣告風格"
}'
belt app run falai/flux-dev-lora --input '{
"prompt": "分割畫面比較,左邊雜亂擁擠的桌面,堆滿紙張與壓力,右邊整潔有序的極簡工作空間,劇烈差異,乾淨設計"
}'
場景的圖轉影片
belt app run falai/flux-dev-lora --input '{
"prompt": "專業工作空間,帶有發光全息介面,未來感但乾淨,藍色重點燈光"
}'
belt app run falai/wan-2-5-i2v --input '{
"prompt": "柔和鏡頭推近,全息元素微妙浮動旋轉,柔和環境光變化",
"image": "path/to/workspace-still.png"
}'
配音製作
腳本撰寫建議
- 短句。每句最多 15 個詞。
- 主動語態。應說「您可以追蹤您的數據」,而非「您的數據可以被追蹤」。
- 對話式語氣。大聲讀出來——如果聽起來生硬,請重寫。
- 一個句子一個想法。每個視覺拍點一個句子。
生成配音
belt app run falai/dia-tts --input '{
"prompt": "[S1] 厭倦了花數小時製作沒人看的報告嗎?有更好的方法。認識 DataFlow。它能在幾秒鐘內將您的原始數據轉化為視覺故事... 只需連接您的來源,選擇範本,然後分享。今天免費試用 DataFlow。"
}'
TTS 中的節奏控制
| 技巧 | 效果 | 範例 |
|---|
句點 . | 中等停頓 | "這改變了一切。這是方法。" |
刪節號 ... | 長停頓(戲劇性) | "而結果... 令人難以置信。" |
逗號 , | 短停頓 | "快速、簡單、強大。" |
驚嘆號 ! | 強調/活力 | "現在就開始打造!" |
問號 ? | 上升語調 | "如果有更好的方法呢?" |
音樂與音訊
背景音樂指南
- 音量: 低於旁白 20-30%(當語音播放時,音量降低 6-12dB)
- 風格: 配合品牌調性(企業 = 環境電子樂,新創 = 歡樂獨立音樂)
- 結構: 開場漸強(前 3 秒)-> 旁白下的微妙循環 -> CTA 處漸強
- 無人聲: 旁白下僅使用純音樂
belt app run <music-gen-app> --input '{
"prompt": "歡樂企業背景音樂,現代電子樂,90 BPM,正面專業,無人聲,適合產品解說影片"
}'
整合流程
完整製作工作流程
belt app run falai/dia-tts --input '{
"prompt": "[S1] 您的腳本在這裡..."
}'
belt app run google/veo-3-1-fast --input '{"prompt": "場景 1 描述"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "場景 2 描述"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "場景 3 描述"}' --no-wait
belt app run infsh/media-merger --input '{
"media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'
belt app run infsh/video-audio-merger --input '{
"video": "merged-scenes.mp4",
"audio": "voiceover.mp3"
}'
belt app run infsh/caption-videos --input '{
"video": "final-with-audio.mp4",
"caption_file": "captions.srt"
}'
影片長度依格式
| 格式 | 長度 | 平台 |
|---|
| 社群預告片 | 15-30秒 | TikTok, Instagram Reels, YouTube Shorts |
| 產品展示 | 60-90秒 | 網站、著陸頁 |
| 功能解說 | 90-120秒 | YouTube、電子郵件 |
| 教學/操作指南 | 2-5分鐘 | YouTube、幫助中心 |
| 投資人簡報影片 | 2-3分鐘 | 簡報補充資料 |
轉場類型
| 轉場 | 使用時機 | 效果 |
|---|
| 硬切 | 預設用於相關場景間 | 乾淨、專業 |
| 溶解/交叉淡化 | 時間流逝、情緒轉變 | 柔和、沉思 |
| 擦拭 | 新主題或章節 | 清晰的區隔 |
| 縮放/推近 | 深入細節 | 聚焦注意力 |
| 匹配剪輯 | 場景間的視覺相似性 | 巧妙、令人印象深刻 |
常見錯誤
| 錯誤 | 問題 | 修正 |
|---|
| 腳本過於冗長 | 旁白過快,觀眾不堪負荷 | 控制在每分鐘 150 字以內 |
| 前 3 秒內無鉤子 | 觀眾立即離開 | 以問題或驚人數據開場 |
| 畫面跟不上旁白 | 令人困惑的脫節 | 畫面應與文字同步或稍微提前 |
| 背景音樂過大 | 聽不到旁白 | 將音樂降低至語音下 6-12dB |
| 無字幕 | 85% 的社群影片在靜音狀態下觀看 | 務必加入字幕 |
| 過多想法 | 觀眾什麼也記不住 | 每支影片一個核心訊息 |
相關技能
npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering
瀏覽所有應用程式:belt app list