AI 写短视频脚本最大的翻车点不是写得差，而是”纸面读着顺、开口说就崩”。AI 默认散文节奏：完整句子、礼貌过渡、零镜头意识。而到了 2026 年，开场慢的代价非常重。TikTok 在 2026 年第二季度把”3 秒留存”的权重抬到几乎压倒一切，能在第 3 秒留住 60-65% 以上观众的视频，曝光大约是立刻流失观众视频的 4-7 倍（据 OpusClip 与 Sprout Social 的留存研究）。这套流程给你 6 段 brief、5 钩子规则，以及念出声裁切——把 AI 散文转成你真能拍的脚本。
一句话总结
给任意前沿模型（ChatGPT、Claude 或 Gemini）喂 6 个具体信息，强制生成 5 个钩子变体并淘汰第一个，按结构生成 30-90 秒脚本，念出声砍掉约 20%，再加上 AI 永远不会写的内联导演注。整条流程从第一条脚本的约 60 分钟，降到存好模板后的 15-20 分钟。
各平台时长与节奏速查表（2026 年 6 月）
脚本长度要对齐发布平台。“硬上限”和”表现最好的长度”不是一个数，差别很重要——因为每个平台的算法都奖励完播率。
| 平台 | 2026 硬上限 | 表现最好的长度 | 节奏 |
|---|---|---|---|
| TikTok | App 内 10 分钟，上传 60 分钟 | 15-30 秒 | 快剪，音频主导钩子 |
| Instagram Reels | App 内最长 3 分钟（上传可更长） | 15-45 秒；爆款循环区 7-15 秒 | 中速，强循环 |
| YouTube Shorts | 3 分钟（2024 年 10 月起） | 20-45 秒 | 中速，看到尾 |
| LinkedIn 视频 | 约 10 分钟 | 30-60 秒 | 偏慢，字幕可读 |
YouTube 在 2024 年 10 月把 Shorts 放宽到 3 分钟，Instagram 现在 App 内可录 3 分钟，但一条 90% 完播的 20 秒 Shorts，照样把 15% 完播的 3 分钟视频压死。音乐提示：任何超过 1 分钟、带有效 Content ID 认领的 Shorts 会被全球屏蔽，所以授权曲目尽量控制在 60-90 秒以内。
给任务挑模型
起步不需要付费套餐。三家前沿助手都有能起一条可用脚本的免费档，但各有所长。
| 模型（2026 年 6 月） | 免费档 | 短视频强项 | 备注 |
|---|---|---|---|
| ChatGPT（GPT-5.5） | 有（额度紧；美区免费版带广告） | 利落的 3 秒钩子、精炼改写 | Plus 每月 $20 放宽额度；选择器含 Instant / Thinking / Pro |
| Claude（Sonnet 4.6） | 有（受限） | 自然口语化、对齐语气、少机械过渡 | Pro 每月 $20（年付约 $17） |
| Gemini 3.1 Pro | 含于 Google AI Pro 每月 $19.99 | 钩子里带实时网络事实、更长叙事弧 | 2026 年初由”Gemini Advanced”更名；100 万 token 上下文 |
一个实用组合：在 ChatGPT（GPT-5.5）里起钩子，再让 Claude（Sonnet 4.6）把选中的脚本改成更自然的口播。如果你还在三选一，看我们的 ChatGPT、Claude 与 Gemini 对比。
开始前准备
- 拉 3-5 个你想要风格的参考视频，把 URL 或转写稿粘进会话。“对齐这个能量”带例子，胜过任何文字描述。
- 平台先定。Reels 和 Shorts 落在 15-45 秒中速，TikTok 偏 15-30 秒快剪，钩子约定也不同。
- 说清目标：娱乐、教育还是卖。每个模型都默认”教育”，不明说就出干声音。
- 写脚本前就备好 CTA。“看下集关注 / 评论关键词 / 链接在简介”——脚本要落在 CTA 上，别最后一秒才编。
具体步骤
- 用 6 组件 brief。 niche / 目标观众、平台与长度（Reels 30s / TikTok 20s / Shorts 30s）、目标（娱 / 教 / 卖）、视频要兑现的一句承诺、你的语气（一个形容词）、CTA。漏一项模型就乱猜。
- 生成 5 个钩子变体。 永远别用模型写的第一个——几乎都是最安全也最弱的。指定 2026 年留存能上 70% 的模式：点名型（“如果你在 TikTok Shop 卖货，这条给你”）、反向打击型（“别再发 60 秒视频了”）、开环型（“这个 $14 的工具把我那个 $40 的换掉了”）、坦白型（“在学会这招前我亏了 4000 美元”），再加一个具体数字钩子。
- 挑 1 个钩子并生成完整脚本，按结构：钩子（3s）→ 中段（45-60s 价值或故事）→ payoff（10s 洞见或落点）→ CTA（5s）。
- 念出声并计时。 AI 脚本通常长约 20%。一边念一边砍——删掉那种”删了意思不变”的词。
- 内联加导演注：
在 X 字剪、B-roll：手持手机、Y 字加字幕、Z 字推近、这里音乐落下。分层钩子（画面 + 音频 + 屏幕文字）能把 3 秒留存最多抬高 3 倍，所以前两秒就要把三层都铺上。模型不会主动加这些，必须你来。 - 从导演注抽出拍摄清单。 这才是你拍的时候真正在看的；脚本是给音轨的。
- 拍、剪、发。 把胜出的钩子和脚本存成模板。同风格下一条脚本只要 15 分钟，而不是 60 分钟。
一个实战示例：25 秒的 TikTok
Brief：niche = 独立 SaaS 创始人，平台 = TikTok 25s，目标 = 教育转销售，承诺 = “把你的新手引导邮件砍一半”，语气 = 直白，CTA = “评论 ‘ONBOARD’ 拿模板。”
钩子（反向打击型，3s）：“别写五封引导邮件了，你只需要两封。” 在'两'字快速推近 屏幕文字：2 > 5
中段（16s）：真正起作用的两封邮件、另外三封为什么被忽略、一个你真测过的打开率数字。 B-roll：收件箱滚动 每个邮件编号处剪一刀
payoff（3s）：“整套序列我一个下午就重写完了。” 出镜，慢推近
CTA（3s）：“评论 ‘ONBOARD’，我把模板发给你。” 屏幕文字：ONBOARD ⬇️
注意这条脚本约 70 个口播词，正好是 25 秒的密度。同样的时段 AI 会给你 95 个词以上；念出声裁切就是把它拉回到能拍的关键步骤。
完成后检查
- 3 秒内钩子落了吗？只念第一句。如果是铺垫不是落点，钩子就太慢了——2026 年算法对慢开场的惩罚比以往更狠。
- 脚本好”念”吗？超过 12 个字的句子开口就崩。到处用缩写。删掉”然而”、“此外”。
- 每一句都挣到位置了吗？删了不损失意思的就该删。
- 导演注在脚本里吗？否则你现场即兴、剪辑师后期即兴，两边都掉质量。
- CTA 配平台吗？TikTok 上”订阅”的转化不如”看下集关注”或”评论关键词”。
怎么复用这套流程
- 6 组件 brief 按内容支柱各存一份。“教育小科普”、“幕后故事”、“before-after 演示”各有自己的 brief。
- 按模式建钩子库。约 20 条脚本之后，你会知道四种高留存模式里哪种对你受众有用，能跳过常输的。
- 胜出脚本存模板，留一个变量（话题 / 数字 / 论点）可替换。每周批量 5 条脚本就变成约 30 分钟。
- 每季度重核平台规则。TikTok 在 2026 年第二季度把权重转向 3 秒留存，长度约定也一直在变。
容易踩的坑
- 没钩子变体。模型写的第一个几乎从不是最好的。永远生 5 个。
- 脚本好读但不好念。每个模型都默认散文节奏。念出声裁。
- 没导演注，剪辑师（或未来的你）就忘了切、B-roll、字幕的预期时机。
- 通用 CTA，比如”点赞三连”。挑配平台的 CTA。
- 忽视 3 秒留存数据。那是你钩子的成绩单，用它退役弱模式。
- 一个长度打所有平台。30 秒的 Reel 和 15 秒的 TikTok 节奏根本不同。
FAQ
- 2026 年每个平台合适的脚本长度？: 表现最好的区间是 TikTok 15-30 秒、Reels 15-45 秒（爆款循环区 7-15 秒）、Shorts 20-45 秒、LinkedIn 30-60 秒。硬上限高得多（Shorts 和 App 内 Reels 都到 3 分钟），但超过约 45 秒后完播率掉得很快。
- 哪个 AI 最适合短视频脚本？: ChatGPT（GPT-5.5）写的 3 秒钩子最利落；Claude（Sonnet 4.6）口语最自然；Gemini 3.1 Pro 能把实时事实带进钩子。三家的免费档都够起步。
- 怎么让 AI 听起来像我？: 喂它 3-5 条你过去最好的脚本做参考，并说”用这种声音写”。没例子，每个模型都默认通用网红嗓。
- 要用 AI 配音吗？: 工具句可以；主讲永远真嗓胜出，观众 2 秒内就识破 AI 嗓。
- 多久能用顺手？: 第一条脚本约 60 分钟。带模板跑过 10 条后，每条 15-20 分钟。