一句话定制短片与中文配音

客户的定制需求就是一句微信 · 此前要么推掉要么转包,两头都不挣钱

!
演示模式 · 可视化预演

本页展示的是「应该怎么跑、每一步看什么、交付什么」,用的是真实业务格式的脱敏构造数据, 不宣称已接入客户生产系统,也不承诺任何效率提升百分比。 案例设定:南屿影业(成都)文化传媒有限公司(虚构)38 人微短剧制作公司,筹备制片组。本次触发:云知学教育(虚构教育科技公司,老客户介绍)2026-09-01 上午微信进线 —— 对方要为初中英语课程做卡通知识动画,需求原文就一句话:「从初中英语中挑选一个重要的知识点,做成一个有意思的卡通AI动画,要求主角都是可爱的小动物,画面风格你来设计,适合初中生观看,使用VideoGen工具制作。并帮我给视频加上中文配音」。此类定制单此前要么推掉(排不进拍摄档期)、要么转包外部动画工作室 —— 上一单转包来回改稿 5 轮,猫角色胡须前后不一致还返工一次,抽成 15% 之外沟通全压在南屿手上。林小满(执行制片)决定这次自接:一句话拆五要素、脚本三版、VideoGen 每版 10 秒竖屏 × 3 候选、中文配音每版 2 音色 —— 当天回带配音的样片(对方询价同时发了 3 家)。纪春生(统筹)确认定制单不占拍摄档期。

需求形态
客户一句话微信 · 无脚本无分镜
样片交付
3 版 × 10 秒竖屏 · 各 3 候选
生成偏差
9 次生成 · 2 次语义偏差拦截
中文配音
6 条音轨候选 · 选用 3
输入

短剧制作公司手上能拿到的东西

不需要整理格式、不需要改文件名 · 直接拖进对话框
01_定制短片交付单.xlsx
林小满(执行制片)编制的定制短片交付总单:样片候选与选用 / 语义偏差与处置 / 配音音轨三个 sheet,含客户确认栏 —— 3 条带配音样片的交付依据
林小满编制 · 客户(云知学教研)确认栏留空待签
02_一句话需求拆解与脚本三版.xlsx
客户一句话的五要素拆解 + 知识点候选(5 选 1)+ 脚本三版 —— 「画面风格你来设计」翻译成 3 个可挑选方向,挑选权在客户
林小满编制 · 知识点讲解口径待云知学教研审核
03_配音音轨与整单测算.xlsx
配音稿三版(9 句)与音轨台账 + 整单工作量测算(20 集 × 60 秒 = 120 段)—— 样片之外的整单报价依据
林小满编制 · 整单报价待执行制片与客户双向确认
04_生成参数与偏差台账.xlsx
本次 9 条候选的 VideoGen 生成参数与偏差检查规则台账 —— 承接 空镜补片与 AI 素材一致性管理 的 AI 素材参数台账(联动),定制单卡通片段参数同库管理
统筹维护 · 下次同款主角与风格直接调参

注意标橙色那一份 —— 01_定制短片交付单.xlsx。它林小满编制 · 客户(云知学教研)确认栏留空待签,平时压根不在核对范围里。这个场景的价值,很大一部分就来自把它读进来。

提示词

就说这么几句

没有模板、没有表单 · 专业规则由 Skill 兜底
云知学教育的定制需求原文就一句:从初中英语中挑选一个重要的知识点,做成一个有意思的卡通AI动画,要求主角都是可爱的小动物,画面风格你来设计,适合初中生观看,使用VideoGen工具制作。并帮我给视频加上中文配音。 先拆成五要素,知识点候选从客户教研给的考纲清单里出。脚本出 3 版方向,每版用 VideoGen 生成 10 秒竖屏、各 3 条候选,偏差的标出来别混进交付包。中文配音每版 2 个音色候选。画面里要出现的文字别赌生成,后期贴。选哪版、哪个音色,我和客户定。

短是因为五要素拆解、偏差扫描、后期贴字口径、参数归档都写在能力包里了。你只需要把客户那句话贴进来。

触发

一句话定制单进线 · 当天要回带配音的样片

客户的定制需求就是一句微信 · 此前要么推掉要么转包,两头都不挣钱

云知学教育(老客户介绍)上午 10:26 微信进线,需求原文一句话:初中英语知识点卡通动画、主角可爱小动物、适合初中生、用 VideoGen 制作、加中文配音 —— 对方询价同时发了 3 家。红果批量暂停真人项目、资金承压的行情下,定制单是贴补产能的活水,这次林小满决定自接:

角色职责这次要交的时间窗
林小满(执行制片)接单 / 拆解 / 交付3 条带配音样片 + 整单测算当天
纪春生(统筹)排产确认定制单不占拍摄档期确认当天
云知学教研(客户方)知识点与风格确认讲解口径审核 / 3 版挑 1样片回传后
外协动画工作室对照方(本单不启用)——
合计 4 角色3 交 1 审交付 2 件当天窗口

「画面风格你来设计」是这句话里最容易被读错的部分 —— 它说的是「你来给方向」,不是「你来定终稿」。拆解从这一步就开始防。

从历史里想起了公司踩过的坑上一单定制短片转包给外部动画工作室:来回改稿 5 轮,最后一版猫角色的胡须前后两集不一样 —— 客户在对方群里提的,这条记录没进南屿任何台账,抽成 15% 照付。

这次 Agent 把「角色形象前后一致」直接写进定制单交付单的检查项(见 04_台账 偏差检查清单 sheet),需求拆解的五要素对着那 5 轮改稿的分歧点逐条设防。这条不靠当年对接转包的人还在不在职 —— 转包的问题清单已经变成了自接单的拆解清单。
1

拆解 · 一句话拆成五要素

主题 / 形式 / 主角 / 受众 / 交付 —— 每项落到可确认的动作上

把客户原话逐句对到五要素上,「画面风格你来设计」翻译成可确认项,而不是留给生成工具自由发挥:

要素客户原文依据拆解结果待客户确认
主题「从初中英语中挑选一个重要的知识点」知识点候选 5 选 1:现在完成时(have done)讲解口径由教研审核
形式「做成一个有意思的卡通AI动画」2D 卡通 · 10 秒竖屏 9:16 · AI 生成竖幅画幅确认
主角「主角都是可爱的小动物」兔/熊/龟/猫/鼠组合,3 版方向各一套3 版挑 1
受众「适合初中生观看」语速与用词按课堂友好口径 · 画面明快—
交付「制作视频 + 加上中文配音」3 条样片,每条 2 音色候选音色确认
合计 5 要素一句话原文全部拆解3 项待客户确认

五要素的设防点不是凭空的 —— 上一单转包 5 轮改稿,吵的就是「主角是什么动物、风格什么样、给谁看」这三件事。提前拆成确认项,改稿就变成了勾选。

到这里为止,一切正常 —— 接下来不该做的事才是关键这时候最容易犯的错是把客户原话一杆子捅给生成工具,出 1 条片直接发 —— 看起来是「一句话出片」,实际上是把盲盒发给了客户:AI 生视频的语义偏差没有规律,「马车停好」都能生成人物凭空站到空中。一句话给的是需求不是风格。下一步出 3 版方向,每一版都要过偏差扫描才能进交付包。
2

脚本 · 知识点选定与三版方向

候选 5 个知识点选 1;「你来设计」翻译成 3 版可挑选方向

知识点从客户教研给的考纲清单里出候选;脚本按三个方向各出一版,每版 10 秒结构固定(引入 → 讲解 → 句型 → 收尾):

版本主角知识点切入10 秒结构画面风格
A 侦探社兔侦探 + 熊助手案件式:谁动了蛋糕 → Someone has eaten it旁白引入 → 案件回放 → 句型揭示 → 结尾钩子明快扁平 2D · 暖色调
B 运动会龟兔二次赛跑计分式:The tortoise has run...口哨开场 → 计分定格 → 句型板书 → 欢呼收尾运动场景 2D · 高饱和
C 甜品店猫店长 + 鼠学徒订单式:Have you...yet?开门迎客 → 订单对话 → 句型揭示 → 递蛋糕收尾手绘质感 2D · 奶油色系
合计 3 版动物主角 5 只同一知识点各 4 段结构3 种风格方向

三版共用同一个知识点(现在完成时),差别只在切入方式与画面风格 —— 客户挑的不是「哪个对」,是「哪个像我们平台的调性」。

该拦的地方拦住了结论是讲解文案现在还不能进生成:Agent 起草的三版文案里,现在完成时的讲解口径(初中考纲讲「过去的动作对现在的影响」)必须先过云知学教研的审核 —— 知识点讲错一个字,这条片在客户那边就是事故,返工的不只是视频还有信任。

拦在这里的另一个意思:「你来设计」不能读成「机器定终稿」 —— 3 版方向、音色、讲解口径全部是确认点,交付单的客户确认栏留空。
3

生成 · VideoGen 产 10 秒竖屏候选 + 偏差扫描

3 版 × 3 候选共 9 次生成;偏差不扫一遍就发客户,赌的是公司口碑

每版用 VideoGen 生成 10 秒竖屏(9:16)× 3 候选,提示词按三段式写法(场景 + 角色与服装 + 光线/画幅/时长),生成后逐条过偏差扫描:

候选10 秒内容检查结论处置
A-1兔侦探举放大镜指向黑板,揭示 has done 句型合格(黑板文字后期贴字)选用 · 交付
A-2同 A-1,景别特写合格备选
A-3同 A-1,森林夜景氛围合格(风格不符:过暗)落选
B-1乌龟举秒表宣布 has run 计分语义偏差:表盘乱码弃用
B-2同 B-1,秒表改口哨与旗帜合格选用 · 交付
B-3同 B-1,终点线视角合格备选
C-1猫店长递蛋糕,讲解 Have you...yet合格选用 · 交付
C-2同 C-1,柜台全景合格备选
C-3同 C-1,猫爪递蛋糕特写语义偏差:爪趾异常弃用
合计 9 候选10 秒竖屏 9:162 偏差 / 7 合格3 选用 + 3 备选 + 2 弃用 + 1 落选

9 = 3 选用 + 3 备选 + 2 偏差弃用 + 1 合格落选,两个方向都闭合。偏差 2 处(B-1 表盘文字乱码 / C-3 爪趾数量异常)拦在交付包外;画面内文字一律后期贴字的口径从 B-1 立起来,A-1 的黑板句型照此执行。全部提示词与选用结论入台账(承接 空镜补片与 AI 素材一致性管理)。

排除性结论「这单必须外包给动画工作室」可以直接排除,依据是:需求落在 10 秒无连续剧情的卡通片段 —— 正是 AI 生视频在短剧行业被验证过的稳定区(无跨镜一致性要求,角色一致性单镜头 0.89-0.93的瓶颈在单条 10 秒里根本碰不到);不需要建模管线、不占拍摄档期、不排动画师班表。

这一条排除掉之后,样片当天可回;整单自产还是外包,在样片确认后自然有答案 —— 不用先签转包合同再后悔。
4

配音 · 中文音轨与音画对位

6 条音轨候选选 3;台词尾字与镜头切换对齐

每版 2 个音色候选(活泼女声 / 沉稳男声),配音稿每版 3 句(旁白 1 + 台词 2),英文句型由角色念出、讲解用中文:

版本音色候选试听要点选用备注
A 侦探社活泼女声旁白节奏快,贴合案件式开场选用台词尾字对齐镜头切换
A 侦探社沉稳男声解说感强,趣味偏弱备选—
B 运动会活泼女声与开场口哨音效叠音备选口哨声让位 0.5 秒
B 运动会沉稳男声裁判感贴合运动会设定选用计分定格处加语速重音
C 甜品店活泼女声亲和力贴合甜品店场景选用订单句型处放慢
C 甜品店沉稳男声店长感偏严肃备选—
合计 6 音轨3 版 × 2 音色逐条对位核对选用 3每版 1 条

音画对位逐条核对:A 版台词尾字对齐镜头切换、B 版口哨声让位、C 版订单句型处放慢 —— 配音不是挂上去的,是贴着画面走的。

把技术动作翻译成钱样片 3 条免费试做是获客成本,撬的是整单:客户意向 20 集 × 60 秒,按 6 段 × 10 秒分段生成是 120 段、每段 3 候选共 360 次生成,外加 100 处拼接点检查 —— 整单报价按生成量加人工审校层计价。对照上一单转包:抽成 15% 之外,5 轮改稿的沟通全压在南屿手上。

配音环节的行业价是 AI 100 集 × 1 语种 0.2-0.5 万、真人 5-10 万 —— 旁白式讲解 AI 先接得住,情感戏配音转真人。一句话进、样片出,撬的是整单立项。
之后

交付与留证 · 3 条样片 + 台账入库

带配音样片回客户 + 生成参数与偏差规则入库
产出形态签批栏用途
定制短片交付单.xlsx正式件林小满编制 / 客户确认栏留空样片 3 条的候选、偏差、配音全记录
一句话需求拆解与脚本三版.xlsx可派发客户教研审核栏知识点与 3 版方向确认
配音音轨与整单测算.xlsx可派发林小满编制音轨台账 + 整单报价依据
生成参数与偏差台账(更新)内部统筹维护本次 9 条候选参数入库(承接 空镜补片与 AI 素材一致性管理)

台账多了一条:本次 3 版脚本的提示词与选用结论入库,卡通动物主角的生成参数下次直接调。两条口径被固定下来:画面内文字一律后期贴字、单条交付以 10 秒为界。岗位角色变了:从「转包中间人来回传话」变成「一句话进、带配音样片出」。

拦住的是「替客户定风格」客户说「画面风格你来设计」不等于授权机器定终稿。3 版方向、音色、知识点讲解口径全部是确认点 —— 交付单的客户确认栏留空,样片由林小满审后发客户,挑选权在客户手上。

工具把方向摆出来,不替客户挑。一句话的入口,不能变成一言堂的出口。
3 条带配音样片已成型,整单生成口径要林小满今天拍板 —— 客户确认栏留空
9 候选扫完、2 处偏差拦下、6 条音轨配好 3 条,样片可以回客户。但整单(客户意向 20 集 × 60 秒)的生成口径要先拍板:

方案一 · 整单直接分段生成:60 秒 = 6 段 × 10 秒,120 段每段 3 候选(360 次生成 + 100 处拼接点检查,段间主角形象一致性靠锚点提示词盯 —— 单镜头质量 0.89-0.93、串成片骤降到 0.62-0.71 是行业级瓶颈)—— 产能立得住,一致性风险在过程中消化。
方案二 · 先锚定再量产:3 条样片定风格后,先为三组动物主角建参考图锚点,再批量生成(多一道前置工序,把段间一致性风险前移到开工前)—— 慢一步,稳一截。

推荐意见栏留空 —— 整单接不接、按哪个口径接,是执行制片和客户的双向决定,本场景不替这个决策。
之后

这一次跑完,公司多了什么

不讲省了多久 · 讲少了几个隐患、沉淀了什么
✓
台账多了一条:本次 3 版脚本的提示词与选用结论入库,卡通动物主角的生成参数下次直接调
✓
两条口径被固定下来:画面内文字一律后期贴字、单条交付以 10 秒为界
✓
一条历史教训被真正用上:上单转包的 5 轮改稿,从微信群记录变成了定制单的需求拆解五要素
✓
岗位角色变了:从「转包中间人来回传话」变成「一句话进、带配音样片出」

追问现场可能被问到的

答不上来的问题,比答得漂亮的问题更能决定这场演示的结果

一句话就能出片,为什么还要 3 版?
一句话给的是需求不是风格。「画面风格你来设计」的正确读法是「你来给方向」—— 翻译成 3 个可挑选的方向,挑选权在客户。只出 1 个答案,是把「你来设计」错读成「你来定」。
60 秒的整集也能一句话出吗?
单条以 10 秒为界。60 秒走 6 段分段生成再拼接,段间主角形象一致性要盯 —— 单镜头 0.89 串成片掉到 0.6 出头,这是行业级瓶颈,不赌。
配音是真人配的吗?
AI 配音。情感表现力比真人低是行业共识,定制短片里的旁白式讲解够用;客户要情感戏配音,转真人录制 —— 这条边界写在交付单里。

想了解来龙去脉?

回到场景引入,看这个场景的痛点、做法与边界