WorkBuddy 怎么写短视频脚本？口播文案指令、时长换算与四步验收

2026-08-08

写短视频脚本，卡人的通常不是”想不出讲什么”。真正让人反复重写的是另一件事：稿子在屏幕上读着挺顺，一开口念就发现全是断不开的长句，气不够用，节奏也不对。

所以把这件事交给 WorkBuddy（Tencent WorkBuddy）这类桌面 Agent，判断标准不是”它文笔好不好”，而是它写出来的句子你能不能直接念。这篇讲清楚：指令怎么写、时长怎么换算成字数、产出怎么验收、哪些情况别交给它。

一、官方给的四个说明项，一个都别省

WorkBuddy 官方文档的实践案例里有一节讲自媒体运营，短视频部分说得很明确：描述需求时要说明时长、平台类型、目标受众、输出形式这四项。官方给的示例指令是：

请帮我生成一份 60 秒短视频脚本，包含开头钩子、口播文案、镜头建议和结尾行动引导。

这条指令里，“60 秒”是时长，“开头钩子 / 口播文案 / 镜头建议 / 结尾行动引导”是输出形式。剩下的平台类型和目标受众，示例里没写死，得你自己补——而这两项恰恰最影响成稿质量。同一个选题，讲给同行听和讲给完全外行听，用词密度差一大截；平台不同，开头能给的铺垫时间也不同。

官方在这一节还给了三条建议，都很实在：先定平台再写内容；明确人群与风格；先出初稿再分轮微调，标题、封面、标签、正文分开优化，不要指望一轮出成品。

二、这篇的重点：口播文案和书面文案是两种东西

上面那些照做，你大概率还是会拿到一份”看着专业、念不出口”的稿子。原因很简单：模型日常写的绝大多数是给眼睛看的文字，你不说，它默认就往书面语上走。

所谓书面语的毛病，具体是这么几种：

症状	典型样子	念出来的问题
长定语	”一款专为长期伏案工作人群设计的支撑结构”	一口气接不完，念到一半得换气
书面连接词	”然而""与此同时""值得注意的是”	说话没人这么讲，一出口就假
名词堆叠	”实现效率的显著提升”	拗口，观众也要多想一秒
数字书面化	”占比 37.5%“	口播得说”差不多三成七”

对策是把这些直接写进指令的约束项里。不要笼统地说”口语化一点”——这句话太软，它会理解成加几个语气词就完事。要说死：这是要念出来的，句子控制在多少字以内，不许用哪几类词，数字怎么处理。

三、可直接复制的完整指令

官方在《创建任务》里给的任务描述四要素是目标 / 输入 / 输出格式 / 约束条件。短视频脚本套进去，加上口播约束，是这样：

请帮我写一份短视频口播脚本。

【目标】面向抖音，60 秒左右，讲清楚「新手买第一台显示器最容易踩的三个坑」。
目标受众是第一次自己配电脑的大学生和职场新人，基本不懂参数。

【输入】选题要点见 D:/短视频/素材/显示器选购要点.md，只用这份文件里的信息。

【输出格式】按四段输出：开头钩子（3 秒内说完）/ 口播正文（分 3 个小节）/
每小节配一条镜头建议 / 结尾行动引导。保存为 Markdown，
放到 D:/短视频/脚本 目录，文件名「显示器三个坑_口播稿.md」。

【约束】这是要念出来的稿子，不是文章。
1. 单句不超过 20 字，一句话只讲一件事；
2. 不要用"然而""与此同时""值得注意的是"这类书面连接词；
3. 不要长定语，形容词往后拆成短句；
4. 数字口语化，百分比说成"差不多三成"这种说法；
5. 素材里没有的功效、参数、对比结论一律不许写，
   拿不准的单独列在文末「待我确认」区。

最后一条是给自己留的闸。产品类内容最容易出事的就是凭空多出来的功效和参数，与其让它混在正文里，不如逼它单独列出来，你扫一眼就知道哪几句需要自己核。

如果你担心它一上来就大改素材文件，可以先用「想一想」模式让它出执行计划，确认改动范围后再执行；「做一做」模式会直接动文件。官方也提示，处理重要文件前先备份。

四、时长不要交给它估，换算成字数自己校

这是最容易被忽略的一环。你写”60 秒”，它心里其实没有秒表，只能按一个大致的字数往里填。而语速这件事每个人差得非常远——同一段稿子，有人 50 秒念完，有人 75 秒还在念，节奏偏快的账号和慢条斯理的口播账号更是两套算法。

所以正确的做法不是相信它说的”这是 60 秒的量”，而是反过来：

第一遍先给字数，不给秒数。比如直接写”口播正文控制在 260 字以内”，让它按字数写。
自己念一遍掐表。用平时出镜的语速，别刻意放慢，念完看实际用了多少秒。
算出你自己的换算比例，回头改指令。比如 260 字念了 72 秒，那你的实际速度约等于每秒 3.6 个字，60 秒就该给 210 字上下。
这个比例定下来之后，以后所有脚本指令都直接用你自己的数，不用每次重算。

这一步花不了三分钟，但省掉的是剪辑台上发现”素材差 12 秒”的返工。顺带说一句，掐表时把开头钩子单独计时——钩子只有 3 秒，超了就是超了，这一句必须是念着掐出来的，不能靠估。

五、分镜建议只能当参考

它给的镜头建议，本质是文字层面的合理推断。它不知道你手上有几台机位、房间够不够宽、有没有那件道具、外面天亮不亮。所以看到”航拍空镜转推近特写”这种，别当任务清单，当灵感清单。

实际用法是反过来：先把你的拍摄条件写进指令，比如”只有手机 + 一个固定三脚架，室内单机位，不出外景”，让它在这个框子里给建议。约束给到位，它至少不会往你拍不了的方向写。

分镜这一栏的真实价值，其实是提醒你哪几句需要画面配合——哪句该切特写、哪句该上字幕板。至于具体怎么拍，还是你说了算。

六、把数据好的脚本喂给它当样本

官方 10 个上手技巧的第 6 条是”给它看例子”，说法是：一个好的参考样本胜过十行抽象要求，样本是明确的锚点。这条在口播脚本上尤其成立。

你号里那几条数据明显好的视频，把逐字稿整理出来一两份，连同指令一起给它，直接说”照这个节奏和句子长度写，尤其学开头三句的说法”。这比你用十行文字描述”什么叫我的风格”有效得多——语气、句长、口头禅这些东西，描述起来很费劲，给例子却是一秒钟的事。

同理，第 3 条技巧说的调整方式也适用：稿子不对劲时，直接指出问题（“第二段太书面""开头不够抓人，重写”），或者补充限制条件，不用重写整段提示词。官方给的比喻是，把它当成一个很勤奋但需要反馈的实习生。

七、交付物与四步验收

交付物就是工作目录里的一个 Markdown 文件，四段结构，你打开就能对着念。文件落在哪、叫什么，指令里说死，别让它自己决定，否则跑几轮之后你自己都找不着最新那版。

验收按这四步走，顺序别乱：

出声念一遍。不是默读，是真念。卡壳的地方直接标出来，把长句劈成两句。这一步能筛掉八成问题。
看开头三秒有没有东西。前三秒如果是”大家好，今天跟大家聊一个话题”，直接毙掉重写——这句话没有任何信息量。
查有没有编产品功效。逐句对着素材文件核，凡是素材里找不到出处的功效、参数、对比结论，一律删掉或自己补证据。这是它最容易出错的一步，也是最可能给你惹麻烦的一步。
看结尾引导是否明确。“感兴趣可以了解一下”等于没说。要具体到一个动作：关注、评论区扣关键词、看主页某条视频。

八、一个延伸用法：外文视频先翻译再改写

官方实践案例的第一节里还有一条相关用法——外文视频翻译，示例指令是让它提取外文视频的字幕内容、翻译成中文，并整理成一份便于阅读的摘要文档。

如果你的选题灵感常来自外文视频，可以把这一步接在前面：先出中文摘要，把摘要当素材文件，再走上面那套口播脚本的指令。注意这只是给你自己看的信息整理，成片该有的署名、引用和授权问题，工具不会替你解决。

九、三种情况，别交给它

第一，需要现场发挥的口播。 有些内容的好看之处就在于不照稿念——街采、连麦、开箱时的即时反应。这类你需要的是一张提纲和几个必须提到的点，不是一份逐字稿。逐字稿反而会把你框住，念出来一股背课文的味道。

第二，有严格合规审查的品类。 医美、保健、金融这几类，文案里一个功效词、一句收益表述就可能踩线，而模型对这些红线没有可靠判断。这类内容的每一句都得由懂合规的人过，AI 生成只会让你多一道核查工序，不会省事。官方在专家中心那边也提示过，AI 生成内容仅供参考，无法替代专业判断，不构成决策和投资建议。

第三，依赖真实体验的内容。 试用感受、探店、长期使用报告——这类内容的价值全在”你真的用过”。没用过的东西让它写体验，写出来的必然是可以套在任何产品上的空话，观众看得出来。

小结

短视频脚本交给 WorkBuddy，收益在于把选题要点快速变成一份有结构的口播初稿。指令里把时长、平台、受众、输出形式四项说清楚，再额外加一组口播约束（短句、不用书面连接词、不用长定语、数字口语化）；时长先按字数写，自己念一遍掐表算出换算比例；分镜建议当参考，验收按”念、钩子、编没编、引导”四步过。

至于开口的那个人是不是你、这段体验是不是真的——它替不了，也不该替。