短影音腳本怎麼寫？

先算時間，再談創意

短影音腳本其實是一份帶時間軸的計畫：說什麼、拍什麼、在第幾秒出現。在 TikTok（抖音國際版）、Reels 或 YouTube Shorts 上，觀眾通常在一兩秒內就決定要不要看下去，整支影片又常常不到一分鐘，根本沒有暖身的空間，所以先有長度，才有創意。

以英文口說的清晰講解風格來看，語速大約是每秒 2.5 到 3 個英文單字。語速快的創作者會超過 3，沉穩的旁白則接近 2.5。把目標秒數乘上這個速度，就是你的字數預算。接著再扣掉約 2 秒的字數，因為短影音幾乎都需要留一拍空白給揭曉、反應或最後一個畫面。中文口說不要套用英文單字數：自然語速大約每秒 4 到 5 個字，30 秒的旁白約 120 到 150 字，扣掉 2 秒停頓後大約 110 到 140 字。最可靠的做法是拿碼錶把自己的稿子唸一遍。

30 秒的算法：30 × 2.5 = 75，30 × 3 = 90。扣掉 2 秒空白（5 到 6 個英文單字），大約剩 70 到 85 個英文單字。如果你的英文草稿有 130 個單字，那就是一支 45 秒的影片，不是 30 秒。別靠講快一點來硬塞，直接刪掉一個重點。

實際數字要靠計時朗讀來確認。例如 cv.cm 的字數統計工具會顯示字數與預估口說時間，文字轉語音工具則會用你裝置內建的聲音念稿，讓你在錄音或生成之前先聽聽節奏。另外，YouTube Shorts 現在最長可到 3 分鐘，但上限變長並不代表要寫長；請寫出仍能交付收穫的最短版本。

影片開頭鉤子公式與範例句

影片的鉤子（hook）是第一句話加上第一個畫面，目的是讓觀眾心裡冒出一個問題，並由後面的內容來回答。如果鉤子承諾了影片給不出的東西，觀眾只是晚一點滑走而已，所以請保持誠實。以下公式涵蓋了大部分短影音的開頭：

這句話只是鉤子的一半，第一個畫面同樣重要。我們用 AI 生成短影音測試發現，開場畫面往往決定了早期的流失：它應該已經是整支影片最好看的一格，明亮、主體的臉完整入鏡且打光清楚，並且已經在動或有反應。慢慢揭曉、人物低頭、光線昏暗，或是剛睡醒的開場，都會在第一句話說完前就流失觀眾。與其用慢節奏開場，不如把概念放進場景和道具裡，前幾秒用特寫或中景，讓主體佔滿大部分畫面。

短影音的五種結構

每支影片只選一種結構。30 秒內混用兩種，通常兩邊都講不好。下表依序列出每種結構的段落。

兩個技巧在每種結構都適用。第一，每隔幾秒做一次節奏轉換：換鏡頭、換角度、跳出數字或加一個音效，腳本裡要標出這些位置。第二，做成循環：如果最後一句能接回第一句，一直看下去的觀眾就會無縫回到開頭，許多人也因此會重看一次。最簡單的循環做法，是讓結尾停在半句話，由開頭的鉤子把它補完。

30 秒腳本實例與分鏡表

下面是一份完整的「問題—解法」直式短影音腳本，長度 30 秒。每個段落都有時間碼、旁白（VO）、螢幕文字與畫面。旁白共 79 字，落在 30 秒的 70 到 85 字預算內，結尾留有短暫停頓。

TITLE: Why bread goes stale faster in the fridge
LENGTH: 30 s, 9:16, voiceover + captions

0.0-2.5 s  HOOK
  VO:     You are storing bread in the worst place in your kitchen.
  SCREEN: The fridge = stale bread
  VISUAL: Close-up, hand pulls a loaf out of a bright open fridge, taps it, it sounds hard.

2.5-9.0 s  PROBLEM
  VO:     Cold air does not keep bread fresh. It makes the starch firm up faster,
          so a chilled loaf turns stale in days.
  SCREEN: Cold = faster staling
  VISUAL: Medium shot, loaf cut in half, crumb looks dry, a slice snaps instead of bending.

9.0-19.0 s  FIX
  VO:     Keep the bread you will eat in two days on the counter, in a paper bag or bread box.
          Slice the rest and freeze it.
  SCREEN: 2 days: counter / rest: freezer
  VISUAL: Top shot, bread into a paper bag; cut to slices going into a freezer bag.

19.0-26.5 s  PROOF
  VO:     A frozen slice goes straight into the toaster and tastes close to fresh.
  SCREEN: Freezer -> toaster, no thawing
  VISUAL: Close-up, frozen slice into toaster, pops up golden, butter melts on it.

26.5-30.0 s  PAYOFF + LOOP
  VO:     So next time you reach for the fridge...
  SCREEN: (none)
  VISUAL: Same open fridge as the first frame, hand stops, turns to the bread box.
          Last frame matches the first frame for a clean loop.

看看這份腳本做對了什麼：鉤子點出觀眾很可能犯的錯；問題段只給一個原因，不是三個；解法是兩個帶有數字的具體動作；證明靠畫面，所以只需要少量文字；最後一句停在半句話，畫面回到開頭的冰箱，讓重播一開始就接上自己問題的答案。

從腳本到分鏡表與 AI 影片提示詞

想用腳本轉影片的 AI，最好自己先把腳本拆開，而不是整份貼進生成器。每個段落變成一個或多個鏡頭，每個鏡頭再寫成一則提示詞（prompt）。完整方法請看我們的分鏡提示詞教學；做短影音時，最重要的是這三條：

1. 只寫鏡頭拍得到的東西。影片模型常常把比喻照字面畫出來：像「他的話像刀一樣鋒利」這種句子，畫面裡可能真的出現一把刀。旁白想怎麼有文采都可以，但畫面描述要平實：主體、動作、材質、光線、構圖。
2. 鏡頭長度要配合模型能產出的規格。許多影片模型只接受固定長度，例如整數秒，或 5、10、15 秒這類檔位。請規劃好段落，讓它們能從這些長度裁出來：6.5 秒的段落可以從 10 秒的片段裁出，但無法從 5 秒的片段變出來。
3. 先生成鉤子鏡頭，並且最嚴格地挑剔它。如果開場畫面不夠明亮、不夠近、沒有在動，就先重新生成，再花時間處理其他部分。

以下是把範例腳本的第一個段落寫成影片提示詞的樣子：

Vertical 9:16, close-up. A hand opens a brightly lit white fridge and pulls out a loaf of
sourdough bread, then taps the crust twice with a knuckle. The crust looks dry and hard.
Cool white fridge light on the bread, warm kitchen light behind. The camera is static,
slightly below eye level. Duration 3 seconds. No text on screen.

字幕和螢幕文字不要寫進影片提示詞，改到剪輯軟體裡加。模型常常會把生成的文字拼錯，而且之後你多半還會想改措辭。提示詞結構的一般做法，請參考我們的影片提示詞教學。

用 AI 影片腳本生成器，怎麼避免千篇一律

ChatGPT、Claude、Gemini、DeepSeek 或 Qwen 這類大型語言模型（LLM），幾秒內就能擬出腳本。但如果只是隨口一問，得到的會是大家都拿到的同一份：模糊的鉤子、三個軟綿綿的小技巧，外加「追蹤我看更多」。解法是給它只有你才有的素材，以及它必須遵守的硬性限制。

Write a 30-second vertical video script, 70-85 spoken words.
Structure: problem-solution. Beats with timestamps: hook 0-2.5 s, problem, fix, proof, payoff.
For each beat give: VO line, on-screen text (max 6 words), and one visual a camera could film.
Audience: renters with small kitchens.
Facts to use (do not add others): [paste your notes or source]
My own detail to include: [what you tried and what happened]
Rules: no rhetorical questions after the hook, no "in this video", no "follow for more",
no similes in the visual lines. Give 5 alternative hook lines at the end.

• 餵事實，不要只給主題。模型會用看似合理的猜測填補空白；請給它你的筆記或資料來源，並叫它不要自行添加論述。
• 加入一個個人細節：你量過的數字、犯過的錯、拍攝過的地點。這個細節才讓腳本變成你的。
• 請它多給幾個鉤子，再由你自己選一個，然後改成你實際會說的口吻。
• 把草稿大聲念出來。凡是你不會對朋友說的句子，以及只為了顯得厲害而存在的字，都刪掉。
• 逐一檢查模型保留下來的每個事實。一份要念給成千上萬人聽的腳本，最不該放的就是 AI 幻覺編出來的統計數字。

常見腳本錯誤與限制

• 字太多。這是最常見的問題。如果旁白得加速才塞得進去，就代表腳本太長。
• 打招呼或開場白。「大家好，今天我想聊聊……」會浪費決定觀眾去留的那兩秒。
• 鉤子沒有兌現。覺得被騙的觀眾會直接滑走，也比較不會看到你的下一支影片。
• 一個段落塞三個想法。每個段落只該有一個想法和一個畫面。
• 沒有畫面規劃。只有旁白的腳本，會逼剪輯者或模型自己編畫面，常常做出千篇一律的素材庫風格鏡頭。
• 忽略留存數據。在 YouTube 工作室裡，Shorts 分析會顯示有多少觀眾撐過了開頭幾秒。先比較不同鉤子的這個數字，再決定哪種公式適合你的受眾。

腳本只是起點。最好的短影音腳本，通常在第一次剪輯之後才會重寫，因為這時你已經看得出哪些句子畫面本身就解釋了、可以刪掉。如果成品裡出現 AI 生成的人物或擬真場景，請加上平台的 AI 標示；各平台的規則，請看我們的 AI 內容標示教學。