AI 生成商品视频时，怎么添加卖点字幕和口播，不用自己写文案？
下面给你一套可落地的、尽量减少人工撰写文案的做法，帮助你用 AI 自动生成并添加商品卖点的字幕与口播（口播可以用 AI TTS，而无需自己写稿）。包含工作流、可直接使用的提示模板、数据结构示例，以及落地工具组合与注意事项。
一、核心思路
- 先用 AI 自动提炼卖点：基于产品规格、对比点和用户痛点，自动选出最多3个核心卖点。
- 再生成可直接用的口播文本和字幕文本：用同一套数据驱动的脚本模板，避免手写文案。
- 使用高质量 AI 口播来呈现：选择合适语言、口音和语气的文本转语音（TTS），实现无须真人录制的口播。
- 自动生成并对齐字幕：把口播文本转成时间轴的字幕（SRT/VTT），确保与画面同步。
- 本地化与多语言：同一流程支持多语言版本，自动生成对应语言的口播與字幕。
- 质量与合规优先：口播与字幕要真实性、可验证，避免夸大宣传。
二、可执行工作流（一步步落地）
1) 数据准备与结构化
- 收集：产品规格、认证/证书、核心对比点、常见痛点、用户场景。
- 输出结构（示例字段）：feature（卖点名）、benefit（好处）、proof（证据/场景）、visualCue（画面呈现要点）、notes（需要避免的点）。
- 示例数据结构（JSON）：
{
"product": "X-Tech 防水移动電源",
"specs": {
"waterproof": "IP68",
"fastCharge": "100W",
"capacity": "10000mAh",
"weight": "250g"
},
"audience": {"region": "global", "language": "zh"},
"duration": 15
}
2) 自动提取核心卖点
- 目标：最多3条，覆盖差异化与用户痛点。
- 可用提示（示例）：
- 提示A（卖点提取）：基于以下产品信息，自动生成最多3条核心卖点。每条包含 feature、benefit、proof、visualCue、notes。输入：产品规格与痛点。
- 产出示例（JSON）：[
{"feature":"防水IP68","benefit":"在雨天/户外也可稳定使用","proof":"IP68 认证，30分钟浸水测试","visualCue":"设备在水滴中正常工作","notes":"避免极端温度测试画面"},
{"feature":"100W快充","benefit":"快速充满，出行更省事","proof":"80% 仅需X分钟","visualCue":"充电条快速增长","notes":"标注实际时长"},
{"feature":"10000mAh大容量","benefit":"长续航，减少充电次数","proof":"续航对比数据","visualCue":"电量条从低到高","notes":"避免夸大续航"}
]
3) 生成口播脚本（AI 文本到语音）
- 目标：得到可直接用于口播的脚本，不需自行写文案。
- 提示B（口播脚本生成）：基于上面的核心卖点，输出一个简短的口播脚本，分3–5段落，包含开场、每个卖点的解释、对比证据和CTA。要求中文为主，英文备用文本可选。
- 提示要点：在每段落加入对应该卖点的证据点与画面要点，确保口播与字幕可对齐。
- 语言与语调：选用清晰、中性、亲和的语气；可选多语言版本。
4) 生成字幕文本（SRT/VTT）
- 目标：把口播文本转成时间码对齐的字幕。
- 提示C（字幕生成）：根据口播分段，输出同一条口播的逐句字幕，附上时间段（开始时间–结束时间），支持中文底部字幕和英文并排版本。
- 速度与节奏：按大约 130–150 词/分钟中文口播速度估算时间轴（如中文每秒约4–5个汉字，英文约 150–180 WPM），并留出画面切换的缓冲。
5) 视觉与声画对齐的提示
- 提示D（视觉演示提示）：给出每个卖点的画面呈现建议（近景/特写/动态图标、颜色、画面节奏），确保竖屏和横屏都清晰。
- 同步要点：将每段口播与对应的画面要点、字幕位置、背景音乐节拍绑定，便于后期剪辑对齐。
6) 本地化与多语言
- 提示E（跨语言版本）：同一分镜结构，输出目标语言的口播脚本和字幕文本，适配相应的语音与字幕排布。
7) 审核与迭代
- 进行小规模 A/B 测试不同开头、不同字幕位置、不同口播音色，观察完成度、停留时长和点击率。
- 收集反馈，调整卖点排序、口播节奏和字幕排布。
三、可直接使用的提示模板（可直接粘贴使用）
- 提示A：自动提取核心卖点
- 你是一名 AI 商品视频策划师。请基于以下产品信息，自动生成最多3条核心卖点，每条包含：feature、benefit、proof、visualCue、notes。输入：产品规格和用户痛点。
- 输入示例同上数据结构。
提示B：生成口播脚本（3–5 段，适合 15–30 秒）
基于以上核心卖点，输出一个简短口播脚本，分段落标注“段落1/2/3”等。每段包含：台词文本、需呈现的画面要点、建议的情感语气、用到的证据点（如认证、数据）、CTA。中文为主，附英文版本可选。
提示C：生成字幕文本（SRT/VTT）
根据上面的口播脚本，生成逐句中文字幕并附上英文字幕，输出 SRT/VTT 时间码，字幕放在画面底部，避免遮挡画面要点。
提示D：生成视觉演示提示
给出每个卖点的具体画面呈现（特写/中景/图标/动画等）、颜色风格、转场节奏、竖屏与横屏的共同点与差异。
提示E：跨语言版本
给出同一分镜结构在英语、西语等目标语言的口播脚本要点和字幕排布要点，确保本地化后对齐。
四、示例输出格式（便于对接你的工具）
- 口播脚本（中文+英文对照）
- 中文：开场 + 卖点1 + 卖点2 + 尾部 CTA
- 英文：同等信息的英文版本
- 分镜要点（镜头-时长-画面要点-字幕要点）
- 镜头1：0–2s，画面要点，字幕要点
- 镜头2：2–5s，画面要点，字幕要点
- SRT 示例片段
- 1
00:00:00,000 --> 00:00:02,000
这款防水设备，IP68 认证，雨天也能使用。
- 2
00:00:02,000 --> 00:00:05,000
快充 100W，出差也不用担心没电。
- …
五、实用工具与组合建议
- 文案与内容生成
- ChatGPT 或其他大语言模型用于提取卖点、生成口播脚本、字幕文本
- 口播（TTS）
- 中文 TTS：Google Cloud Text-to-Speech、Azure Speech、AWS Polly、SevenLabs、Murf、Lovo、iFlytek（视地区可用性）
- 优选要点：选取自然人声风格、可控语速、情感、强调点，以及必要的口音与语言本地化
- 字幕与时间轴
- Kapwing、VEED、Descript、CapCut、CapCut Pro、InVideo 等工具可自动生成字幕并输出 SRT/VTT
- 整合工作流
- 使用一个数据源（JSON/CSV）驱动以上流程，自动化生成口播文本、字幕和视觉提示，最后在视频编辑工具中对齐导出
六、注意事项
- 真实性与合规：所有卖点应可验证，避免夸大；对比数据需可追溯来源。
- 口播与字幕对齐：确保语速与画面节奏一致，字幕不要遮挡画面关键区域。
- 品牌与口音一致性：同一系列视频尽量使用一致的音色和风格，便于品牌识别。
- 版权与授权：口播音源、背景音乐等要使用有授权的素材，避免侵权。
- 审核与本地化：不同市场的语言与文化差异需本地化处理，避免误解。
七、需要我给你定制吗？
- 可以把你的产品规格和目标语言/市场发给我，我给你：
- 自动提取的核心卖点（最多3条）
- 对应的口播脚本（中文与英文备选）
- 对应的字幕文本（SRT/VTT）
- 每条卖点的视觉演示提示
- 一份可直接落地的AI 提示模板包，适用于你常用的 AI 生成工具与剪辑软件
如果愿意，请把你要处理的产品信息发给我（语言、目标语言、时长等可选项也一并给出），我就能给出一个完整的可直接使用的“卖点-口播-字幕-画面提示”一体化模板。需要我先给你做一个“示例演示”的完整输出吗？你也可以提供一个产品规格，我我给出完整的口播脚本、字幕和分镜模板作为参考。