用 AI 做短视频：从选题到发布的完整操作手册（附配图自托管接口用法）

一条 60 秒短视频，过去要写脚本、找素材、剪辑、配音、打字幕、做封面，一个人熬一整晚； 现在同样一条片子，40 分钟能出初稿。差距不在"有没有 AI"，而在你有没有把它放对位置。

一、先破除一个误区：AI 不是"一键出片"

打开任何一款号称"一键生成短视频"的工具，你会发现同一个规律：演示视频里都是风景、萌宠、语录——这些恰恰是最不需要叙事能力的题材。

真实业务里的短视频要解决的问题是"让人看完、看懂、记住、行动"。这四个字，AI 目前只能帮你解决前半段。

先把能力边界摆清楚，能省下你 80% 的试错时间：

一句话原则：AI 负责"把 60 分的稿子 30 分钟内做出来"，你负责"把它抬到 85 分"。

---

二、完整操作：用 AI 做一条短视频的七步

下面这七步是我实际跑通的流程，每一步都给出"做什么、用什么、怎么下提示词、什么标准算过关"。

第 1 步：定位与选题——别从"我想说什么"开始

从"谁会看、他在什么场景下看"开始。

做法：把你的目标客户列成一句话（例如"30 岁上下、正在考虑给厂区上监控的工程负责人"），然后让 AI 从这个人群的具体场景里挖选题。

提示词模板：

你是短视频选题策划。我的受众是【人群描述】，他们最头疼的三件事是【痛点A/B/C】。
请围绕"选型/避坑/验收"三个角度，各给我 5 个短视频选题，
要求：每个选题必须是一个具体场景（有人、有事、有时间地点），不要泛泛的行业概念。
输出表格：选题 | 目标人群 | 痛点 | 预期完播钩子（前3秒说什么）。

过关标准：你能一眼指出"这条是给谁看的"。指不出来，就重做。

新手最容易卡在这里——不是没素材，是没有"具体的人"。选题一旦具体，脚本会自己长出来。

---

第 2 步：脚本与分镜——从一句话到可拍摄的分镜表

做法：先定结构，再填内容。短视频的骨架永远是三段：钩子（0–3 秒）→ 干货（3–45 秒）→ 行动（最后 5 秒）。

提示词模板：

基于选题「【选题】」，写一条 60 秒短视频脚本。
结构固定为：钩子(0-3s) / 主体(3-45s，分3个小点) / 结尾行动(45-60s)。
口播稿控制在 220 字以内（中文语速约 4 字/秒，留出停顿）。
再输出一张分镜表：镜号 | 时间 | 画面描述 | 口播 | 屏幕字幕 | 素材类型(实拍/图文/生成)。

关键技巧：让 AI 把"屏幕字幕"也一起写出来。字幕是短视频的第二条信息线，只看不听的人靠它。

过关标准：把口播稿掐着秒表念一遍，超时就砍——不是砍内容，是砍修饰语。

---

第 3 步：素材生产——AI 生图、生视频、数字人怎么选

三种素材路线，成本与效果差异极大：

经验值：一条 60 秒片子，3–5 秒一个画面切换是舒适区；AI 生成的静止画面不要超过 4 秒，超过就会让观众感觉"卡住了"。

提示词模板（文生图）：

【主体】在【场景】中，【光线/时间】，【镜头：中景/特写/航拍】，
【风格：写实/科技感/扁平插画】，画面干净，留出上方 1/3 空白放字幕。
画面比例 9:16。

重要：AI 生成的画面不要出现文字。让模型画文字，十有八九是乱码。文字留给字幕层，后期加。

---

第 4 步：智能剪辑——把"粗剪"交给机器

做法：把素材（实拍 + 生成图 + 音乐）丢进剪辑工具，先让它做三件事：

1. 自动粗剪：按语音停顿切段，删掉长静音与废片；
2. 自动卡点：根据音乐节拍给转场定位；
3. 批量规格：一次导出 9:16 / 1:1 / 16:9 三个版本。

过关标准：粗剪版本你自己静音看一遍能不能看懂。看不懂 → 是分镜的问题，不是剪辑的问题，回第 2 步。

---

第 5 步：配音与字幕——决定"专业感"的隐形分水岭

三个硬指标：

• 语速：知识类 4–4.5 字/秒，带货口播 5–6 字/秒。太快没人听懂，太慢划走。
• 停顿：每个小点之间留 0.3–0.5 秒，给观众"消化"的空隙。
• 字幕：一行不超过 15 个字，禁止把整段话糊在屏幕下方；关键词用颜色或加粗突出。

做法：先用 TTS 把口播跑一遍听语速，再用自动打轴生成字幕，最后手工改掉同音错字（专业名词必改）。

---

第 6 步：封面与标题——决定 5% 播放量的地方

短视频的封面不是"配图"，它是第二个标题。

• 封面文字：不超过 12 个字，能独立说清"这条视频给我什么好处"；
• 三种高转化封面结构：
• 数字型：「3 个坑」「5 分钟」；
• 对比型：「这么做 vs 那么做」；
• 结论型：「XX 其实不用买贵的」。
• 标题：把封面文字换个说法，形成"互补"而不是"重复"。

提示词模板：

我是做【行业】的短视频账号。这条视频讲【核心内容】。
请给我 8 个封面文案（≤12字）和 8 个配套标题（≤20字），
要求：封面文案和标题不重复、互相补充；风格口语化，不要夸张承诺。
最后标出你最推荐的 3 组，并说明推荐理由。

---

第 7 步：发布与分发——格式适配 + 素材自托管

到这里片子已经成了。剩下的两件事最容易被忽略，却直接决定"能不能被看见"：

1. 平台规格适配：竖屏 9:16（1080×1920）、封面比例按平台要求单独导出；
2. 配图与封面自托管：把文章的封面图、正文配图落到自己的域名下，而不是引用第三方图床地址。

第 2 条就是接下来要讲的技术部分——也是很多人文章发出去"图片变裂图"的根因。

---

三、技术指南：图片上传接口的完整用法

讲到这一节，前提是你的内容要同时发自有站点 + 公众号两处。

如果只发公众号，你把图传进公众号素材库就行；但只要你还要发到自己的站点，就必须解决一个问题：图片不能依赖别人的服务器。

3.1 为什么必须自托管？

公众号的图片地址（mmbiz.qpic.cn）带防盗链：只要请求头里带着别的站点的 Referer，它返回给你的不是原图，而是一张 140×140 的占位图——上面写着"此图片来自微信公众平台，未经允许不可引用"。

这就是"本地看着好好的，放到网站上全是糊图/裂图"的真正原因。

所以正确的顺序是固定的：先传图 → 拿到自己的 URL → 再推文。

3.2 接口速览

3.3 鉴权：为什么不能照抄推文接口的签名？

这是整个接口唯一需要动脑的地方。

推文接口是 application/json，服务端能从 php://input 读到完整的请求体，所以签名对象就是"时间戳 + 原始请求体"。

但上传接口是 multipart/form-data——请求体会被 PHP 直接消费进 $_FILES，php://input 是空的，根本拿不到可以签名的原始报文。所以这里换了一个签名对象：文件内容的 sha256。

X-Api-Key:    <API_KEY>
X-Timestamp:  <Unix 秒级时间戳>
X-Signature:  HMAC-SHA256( 时间戳 + "." + sha256(文件1) [+ "." + sha256(文件2) ...] , API_SECRET )

两个细节别搞错：

• sha256 的拼接顺序必须与文件上传顺序一致；
• 每个 sha256 固定 64 位十六进制，所以拼接结果不会有歧义；
• 时间戳有效期 300 秒，过期直接拒签（防重放）。

联调阶段如果嫌算签名麻烦，可以临时用 Authorization: Bearer <API_SECRET> 免签名调用——但正式脚本一定要用 HMAC，因为 Bearer 一旦泄露等同于把写权限交出去。

3.4 三种调用方式

① curl（最快验证）

curl -X POST https://ai.xalcy.cn/api/upload.php \
  -H "Authorization: Bearer $API_SECRET" \
  -F "files[]=@cover.jpg" \
  -F "files[]=@detail-01.jpg" \
  -F "name=ai-video-guide" \
  -F "alt=用 AI 做短视频"

② Python（推荐给自动化流程）

import os, hashlib, hmac, time, requests

API_URL    = "https://ai.xalcy.cn/api/upload.php"
API_KEY    = os.environ["AIXALCY_API_KEY"]
API_SECRET = os.environ["AIXALCY_API_SECRET"]

def upload_images(paths, name="", alt=""):
    ts = str(int(time.time()))
    # 签名对象 = 时间戳 + "." + 各文件内容的 sha256（顺序须与上传顺序一致）
    digests = [hashlib.sha256(open(p, "rb").read()).hexdigest() for p in paths]
    base    = ts + "." + ".".join(digests)
    sig     = hmac.new(API_SECRET.encode(), base.encode(), hashlib.sha256).hexdigest()

    handles = [open(p, "rb") for p in paths]
    try:
        files = [("files[]", (os.path.basename(p), h, "image/jpeg"))
                 for p, h in zip(paths, handles)]
        data = {k: v for k, v in (("name", name), ("alt", alt)) if v}
        r = requests.post(API_URL, timeout=120, files=files, data=data, headers={
            "X-Api-Key": API_KEY, "X-Timestamp": ts, "X-Signature": sig})
        r.raise_for_status()
        return r.json()
    finally:
        for h in handles:
            h.close()

res = upload_images(["cover.jpg", "detail-01.jpg"], name="ai-video-guide", alt="用 AI 做短视频")
for f in res["files"]:
    print(f["url"])   # → 直接写进正文 <img src> 与 cover_image
    print(f["html"])  # → 或直接粘贴这个 <img> 片段

③ PHP 命令行客户端

# 用站点自带的客户端，签名与重试都封装好了
php scripts/upload_client.php cover.jpg detail-01.jpg --name=ai-video-guide --alt="用 AI 做短视频"
php scripts/upload_client.php cover.jpg --json      # 只输出 JSON，便于脚本解析
php scripts/upload_client.php cover.jpg --dry-run   # 只打印签名与文件清单，不发送

3.5 返回值：四个字段各有各的用途

{
  "success": true, "count": 2, "failed": 0,
  "files": [{
    "name":  "ai-video-guide-01.jpg",
    "path":  "/assets/uploads/ai-video-guide-01.jpg",
    "url":   "https://ai.xalcy.cn/assets/uploads/ai-video-guide-01.jpg",
    "html":  "<img src=\"https://ai.xalcy.cn/assets/uploads/ai-video-guide-01.jpg\" alt=\"\" width=\"1200\" height=\"675\" loading=\"lazy\">",
    "markdown": "![](https://ai.xalcy.cn/assets/uploads/ai-video-guide-01.jpg)",
    "size": 184320, "mime": "image/jpeg",
    "width": 1200, "height": 675, "sha256": "9f2c1b..."
  }],
  "errors": []
}

注意：上传接口不做幂等。同一张图重复上传会得到不同文件名；要去重就自己比对 sha256。而文章入库的幂等由推文接口的 source_id 保证，重试不会产生重复文章。

3.6 完整流程串起来

① AI 写完文章（Markdown / HTML）
        ↓
② 配图落到本地（微信 CDN 图必须下载、AI 生图直接存盘）
        ↓
③ POST /api/upload.php          ← 拿 url / html / markdown
        ↓
④ 把 URL 写进文章：正文 <img src="…"> + 封面字段 cover_image
        ↓
⑤ POST /api/push.php            ← 文章入库（HMAC 签"时间戳.原始请求体"）
        ↓
⑥ 前台立即可见；后台「媒体库」可查看 / 删除图片

两条铁律：

• 顺序不能反：先推文、后传图，正文里的图片地址就成了无效路径，只会产生脏数据；
• 封面与正文首图不能是同一张：多数模板会把封面单独渲染在正文顶部，如果正文第一张图又和封面同源，页面顶部就会出现两张一模一样的图。构建文章时记得把正文里与封面同源的那张首图去掉。

3.7 服务端三层限制与安全（运维提醒）

三层里任何一层不放大，请求都会被提前拦掉。

另外两件必做的事：

• 上传目录禁止执行脚本（把 nginx-uploads-snippet.conf 贴进站点配置，Apache 用已内置的 .htaccess）；
• 扩展名由服务端按真实 MIME 决定，不采信客户端文件名——所以 shell.php.jpg 这类双扩展名攻击天然无效。

体积建议：单张压到 1600px 宽以内、200KB 左右，兼顾加载速度与流量成本。

---

四、常见问题与注意事项

4.1 内容与创作侧

4.2 技术与发布侧（图片接口相关）

三条最容易踩的坑，单独强调：

1. 别用 URL 末段判断图片是否重复。微信图片地址形如 .../{尺寸}?wx_fmt=png&from=appmsg，末段几乎全是同一个值——比重复要比较完整 URL，或者直接比 sha256。
2. 核验图片必须带上站点的 Referer。不带 Referer 用命令行测是正常的，一放到网页上就变成占位图。测的时候要把 Referer 加上去，才知道用户真正看到的是什么。
3. 批量核验不要并行。几百个请求同时打过去会把连接打满，产生一堆假的"失败"。串行 + 每次间隔 0.1–0.2 秒，结果才可信。

---

五、一页速查：从 0 到发布

【创作】
□ 定受众：一句话说清"这条给谁看"
□ 出选题：从具体场景切入，不要行业概念
□ 写脚本：钩子3s + 主体42s + 行动5s，口播 ≤220字
□ 出分镜：画面 / 口播 / 字幕 / 素材类型 四列齐全
□ 备素材：实拍 + AI 生图/生视频/数字人，3–5s 一切
□ 粗剪：静音看一遍，看不懂就回分镜
□ 配音字幕：4–4.5字/秒，一行≤15字，名词必校对
□ 封面标题：≤12字封面 + ≤20字标题，互补不重复

【发布】
□ 导出规格：9:16 单独导出，封面按平台要求
□ 配图自托管：下载第三方便 → POST /api/upload.php → 拿 url
□ 写入文章：正文 <img src=url>，cover_image = url
□ 去掉正文首图（与封面同源那张），避免页面顶部重复
□ 推送入库：POST /api/push.php，带 source_id 保证幂等
□ 核验：带 Referer 复测图片、检查无外链残留

---

写在最后

AI 把短视频的制作成本压到了一个前所未有的低点，但它没有把"想清楚给谁看"这件事变简单。

真正的分水岭从来不是工具，而是你有没有一套可复用、可核验的流程： 选题具体到人、脚本卡到秒、素材握在自己手里、发布前逐项打勾。

流程一旦成型，AI 才真正变成你的产能。

你现在的短视频卡在哪一步？是选题、脚本，还是剪辑？欢迎在留言区说说，我挑典型的出下一期。

#短视频制作 #AI视频剪辑 #AIGC #数字人 #内容运营 #自媒体干货 #图片自托管 #技术指南