建议： 在 Facebook 上启动为期四周的试点阶段，专门验证多语言、带字幕的剪辑，这些剪辑可以免费生成，避免手动编辑，并通过基本的参与度指标进行衡量。
扩展路径： 将资产扩展到全球市场需要多语言变体、可扩展模板，并在不同渠道重复使用，以将每项资产的成本降低 30-50%，同时保持跨触点的外观一致性和真实感。
应用和价值： 此应用层面向营销人员，创建引人入胜的素材以适应广告日历；探索 API 驱动的流水线，将简报转化为可发布的内容。此类系统确保速度，减少手动工作量，并使每个项目都在预算内；如有需要，还可以手动调整素材。
有效性基准： 在试点中，与手动制作的素材相比，参与度预计会提高 20-35%，平均观看时间延长 15-25%，制作周期缩短 25-40%。使用免费的入门模板和标准化的简报，以保持多个企业每个活动的持续性。
分发和治理： 将素材分发到 Facebook 等渠道；实施分阶段推出，通过 KPI 跟踪效果，并迭代提示以保持与品牌的同步。这种方法可确保每个业务单元的可扩展性，同时避免不必要的瓶颈。
准备 AI 视频的脚本和素材
首先，用简单的语言起草一个最小脚本，并组装一个链接的素材包，涵盖基本场景、旁白和视觉效果。这可确保便捷性，支持顺畅集成到自动化工作流程中，并与受众的语气相匹配。
- 明确目的和偏好
- 定义核心信息、目标受众和首选节奏。以纯文本形式记录一份精炼的简报，以指导编辑和自动化。
- 记录语气、风格和品牌限制，以避免不必要返工。
- 注意交付窗口：计划的天数、频率以及针对 Reels、Shorts 或 Promo 的任何特定网络限制。
- 构建脚本和素材映射
- 按场景构建大纲，并为每个区块设置大致时长（例如，每条字幕或图像提示 6-8 秒）。
- 为每个区块搭配合适的图像素材和动态模板；在每个条目下保持简洁的引用。
- 输入叠加、版式和过渡的提示，以简化自动化和人工检查。
- 准备配音和旁白计划
- 在单独的文本文件中提供旁白，以及一个包含强调标记和发音提示的注释表。
- 为不同的偏好（语气：正式、休闲；节奏：快、慢）提供替代旁白。
- 在一个有组织的文件夹中指定脚本，以便轻松进行自动渲染和测试。
- 打包素材和元数据
- 以 PNG/JPEG 格式组装图像素材，分辨率相当于 300-600 dpi，以获得清晰的输出。
- 包含 MP3/WAV 格式的音频循环或配音；保留 OTF/TTF 格式的字体文件；保存在一个命名清晰的存储库中。
- 附加元数据文件（JSON/CSV），其中包含入口点、关键词和网络目标，以支持搜索和标记。
- 权利、来源和素材出处
- 列出提供的素材、许可条款和使用限制；为每项内容标记其来源（Source）和批准状态。
- 维护一份专用的素材和许可证清单，以防止在发布期间出现下游争议。
- 对于第三方创意和材料，记录来源位置和联系方式，作为审计追踪的框架。
- 质量控制和优化
- 快速分析一小部分网络样本的节奏、图像相关性和字幕可读性，并进行相应调整。
- 检查引人入胜的时刻、倒计时和行动号召；确保序列将观众意图转化为行动。
- 验证所有素材是否符合提供的要求，并且链接在最终渲染中是否正确解析。
素材包清单
- 图像：Reels 为 1080x1920，横向为 1920x1080；保持原始文件按 scene01、scene02 等命名；
- 音频：MP3 128 kbps 或 WAV；为每个场景包含一个简短的背景音乐和一个声音音轨。
- 字体：OTF/TTF；收集用于文本叠加的许可说明和使用限制。
- 文本叠加：为每一帧提供精确的副本；包括换行符和强调标记。
- 链接和引用：包含一个用于素材的单一链接包和一个单独的链接索引，供团队快速访问。
- 命名约定：sceneXX_assetYY 和一个主索引文件，以加快集成速度。
实施技巧：保持简洁，确保素材匹配度正确，并倾向于用户友好的格式，以便顺畅地集成到 tavus 式流水线中。构建一个可重用的模板，特别是用于快速在网络和 Reels 上发布。使用提供的结构来缩短设置天数，并始终记录您的要求和 内容 的来源。如果您需要共享计划，请附上指向中央来源的单个链接，并提供清晰的指导，以便团队能够快速输入反馈。此方法将复杂的简报转化为可操作的步骤，加速协作，并支持持续优化。
将创意简报转化为逐场景的 AI 提示
将简报分解为五个到七个场景节点；为每个节点定义视觉目标、情绪、地点和动作。为每个节点创建一个单行结果，以指导渲染计划和素材选择。创建一个共享词汇表，以确保脚本编写者和制作人员之间的一致性，从而减少在修订中浪费的时间。
为每个节点，构建一个 2-4 句的提示块：场景构图、角色出现、服装提示、摄像机方向、灯光和声音提示。在描述中明确比例和情绪，例如，黎明时的广角镜头，56mm 镜头，柔和的背光，城市嗡嗡声 32 dB。
采用模块化模板：场景标签、视觉意图、上下文和动作提示。将模板保存为 upload-postcom 文件，并存储在此网络上以便于重用。
将提示格式化为跨渠道和网站的格式：频道剪辑的预告片，网站的中长剪辑，字幕行和元数据。结果是在观众触点上保持一致的外观。
人工连接到制作团队：与脚本编写者共享任务；审查视觉效果；运行渲染；捕捉问题；调整提示以改进信任并减少来回沟通。
| 场景 | 提示模板 | 注释 |
|---|---|---|
| 节点 1 | 视觉：[场景]，上下文：[受众]，动作：[主要节点]，摄像机：[角度]，灯光：[质量]，声音：[氛围] | 建立情绪，与观众期望保持一致 |
| 节点 2 | 视觉：[地点]，上下文：[故事情节]，动作：[移动]，摄像机：[跟踪]，灯光：[对比度]，声音：[声音提示] | 保持节奏，提示过渡到下一个节点 |
| 节点 3 | 视觉：[角色进入]，上下文：[情感]，动作：[反应]，摄像机：[特写]，灯光：[色调]，声音：[效果] | 深化角色，保持频道语气 |
设计故事板帧以指导帧精确生成
创建一个基于表格的故事板，其中每一帧都代表一个镜头。对于每一帧，指定剪辑时长（快速剪辑为 3-6 秒，较长节点为 12-18 秒）、摄像机角度和移动、灯光说明以及过渡。为每个表格附加清晰的注释，以指导帧精确生成，从而使编辑、创意人员和操作人员在期望上保持一致。
在集中的参考页面上定义图像要求：宽高比（16:9、9:16、1:1）、色彩流程、灰度或 LUT、以及蒙版需求。在表演者未就位时包含头像占位符。将每个占位符链接到其表格条目，以避免歧义。在介绍说明中，设定风格和节奏的基线期望。
采用一种策略，将素材保存在云存储中并进行版本控制。跟踪费用以防止预算超支；尽可能重复使用剪辑以保持成本平稳。将职责分配给创意人员，并为每个区块设定完成里程碑，这简化了协调。
为保持一致性而构建区块：注意构图比例、网格对齐和参考背景。在任何拍摄之前，记录所需内容、已准备好的素材以及稍后将要生成的素材。包含关于关键场景所需素材的注释，并预留后期工作以进行色彩分级调整。尽可能优先使用传统灯光设置。
按节奏编排帧之间的过渡。使用流畅跨场景、避免突兀跳跃的过渡。与乐谱索引对齐，并确保每个步骤在导出前都可测试。 清楚包含化身（avatar）详情和图像素材：定义角色外观、服装以及必要的面部骨骼（facial rig）。指定每个化身素材的要求，并注明哪些需要事先批准才能使用。这可以减少挑战并加速完成。 与共享的表格库定期评审，以保持团队同步。根据反馈定期更新表格，并将修改后的片段存储在云端。这样您就能完成有条理叙事弧线和稳定的制作流程，并且在预算和进度之内。 ### 格式化并导出图像、徽标和透明素材以供输入 以两条路径导出核心素材：徽标使用可缩放矢量（SVG），依赖透明度的元素使用带 Alpha 通道的 PNG-24。光栅纹理使用 PNG-24，需要时使用 PNG-32。使用一致的命名约定：company-logo-v1.svg；hero-bg-1080x1080.png；icon-search-v2.png。将素材存储在单一结构下（assets/logos、assets/backgrounds、assets/elements）。这种设置可以加快编辑器的工作速度，并在自动化管道中使用。 提供不同宽高比的变体：1:1 正方形 1080x1080 像素；9:16 竖屏 1080x1920 像素；16:9 横屏 1920x1080 像素。对于图标和徽标，包括 512x512 和 1024x1024 的正方形，格式为 SVG 和 PNG-24。为 Reels 提供 1080x1920 和 1280x720 的素材，适用于较短的格式。颜色保持 sRGB，并根据下游需求保留 Alpha。 透明度管理：在 PNG-24 中保留 Alpha；提供无背景的 PNG 文件和一个单独的透明度蒙版，以便在下游步骤中移除背景。当需要分层源文件时，请在扁平化输出旁边包含一个分层文件（PSD 或同等格式）。如果计划阶段需要手动调整，请手动执行，然后锁定自动化规则。 AIDA 驱动的简报改进了素材结构：应用注意力（attention）、兴趣（interest）、欲望（desire）、行动（action）来指导视觉效果的表现。将素材与业务目标、电子商务和营销活动对齐；提供可增加制作灵活性的背景。在简洁的文章中记录结构、命名和版本控制，以便开发人员可以重复使用教程并使用相同的语言。这种方法有助于缩短周期，并可跨计划和产品进行扩展。 自动化、工作流程和分发：维护一个清单，列出素材 ID、格式、大小、宽高比和目的地；自动化可以进行降采样，生成方形和竖屏包，并推送到存储库或云文件夹。保留一个由编辑批准的清单，用于颜色准确性、不透明度和对齐。使用方形作为徽标和其他素材的形状；确保素材在不同业务中一致使用。这种方法为未来的项目带来了效率，并减少了编辑和开发人员的手动返工；教程和规划文档支持与电子商务和营销制作的顺畅集成。 ### 录制清晰的语音参考并设定期望的语音特征
- 设备和环境
- 心形麦克风、防喷罩、防震架和一个经过处理的空间以最小化反射。
- 具有稳定增益、必要时提供幻象电源的接口，以及安静的计算机/工作站风扇。
- 录制规格：24 位深度，44.1–48 kHz 采样率；根据需要单声道或立体声；通过保持在 -6 到 -12 dB 以下来避免削波。
- 跨语言和语速捕获
- 为每种语言录制中性、自信和温暖的语调。包括语速（慢、中、快）和重音的变化，以涵盖不同的体验，同时保持自然的表达。
- 每种语言、每种风格录制 2-4 分钟，以建立强大的参考；包括呼吸和自然的停顿以增加真实感，然后按语言、语调和节奏标记片段，以便与镜头同步。
- 标注和索引
- 为每个片段打上语言、语调、语速和情感意图的标签；添加关于预期用途和平台的简短说明，例如 Instagram，以提供上下文。
- 按目标和投资回报率指标对片段进行分类，以便在编辑和生成过程中方便以后检索。
- 格式、元数据和存储
- 将主要参考导出为 WAV 24 位 48 kHz；保留其他格式（例如 MP3）仅用于快速预览。
- 构建文件夹层次结构：/voices/{language}/{tone}/，包括元数据：目标、费率选项、语言、识别关键特征和上传时间戳以进行追溯。
- 录音应至少备份在两个位置；记录上传时间和版本号以防止项目中的漂移。
- 工作流程集成和使用
- 使用参考来校准生成的声音，并将提示转换为模仿目标特征的生成文本。
- 将参考与镜头对齐以进行同步；将生成的输出与编辑时间线进行对照测试，以确保一致性和自然的节奏。
- 使用参考用于社交流：确保字幕和语音提示适合 Instagram 上传，并在不同语言受众中产生共鸣。
- 优点和实际成果
- 面向创作者的优势：跨体验的更好一致性，同时加快编辑和周转时间。
- 语言、语调和目标之间的清晰对齐；更容易将参考转换为可用于生产的提示。
转换为 SRT 或 VTT 格式，并带有精确的计时：开始-结束提示，例如 00:00:05,000 --> 00:00:08,500。每行最多两行，每行 32-42 个字符，观众易于阅读。这种快速格式可以改善与源的同步，并加快发布后工作流程。
通过将第一个提示锚定在 0:00:00,000 进行同步，并解决长时间停顿的问题，方法是延长显示窗口；这种维持可以使字幕在编辑后也保持对齐。这种方法确保您在更改过程中获得稳定的体验，并且仍然可以在 QA 期间进行计时调整。 将人工智能生成的字幕与人工检查的参考进行比较；跟踪计时和标点符号的偏差。为确保准确性，尽量将计时偏差保持在 100 毫秒以内，并验证跨主题的换行和样式。此过程可减少分发前的错误。 编辑在必要阶段进行检查：验证说话人标签，确保术语表术语一致，并清理缩写。使用自动检查来捕获重叠、间隙和重复提示；结果是完成的字幕，具有高可读性和易于重用性。 对于电子商务视频，验证产品名称、价格和行动号召；在不同主题中保持品牌术语，并确保字幕突出关键细节。在源文件下维护一个实时术语表，以支持跨营销活动的体验和主题。 完成的素材应以多种格式（SRT、VTT）提供，并准备好用于发布后管道；存储密钥凭据以控制自动化访问，频繁轮换凭据，并保留审计跟踪。 三阶段工作流程：1）准备和标记，2）快速对齐，3）最终 QA；在紧迫的截止日期内，进行轻量级检查以捕获重叠和遗漏的提示。这种方法可以扩展到数字渠道和后期制作策略。 收集观众对体验的反馈，以微调行长和节奏；这显著提高了参与度，并减少了跨主题的混淆。 将完成的字幕集作为数字资产存储在源文件下；确保您拥有必要的凭据和访问权限，可以发布到电子商务和其他渠道；这确保了跨分发的统一性，并缩短了发布时间。
