前天接了個做知識博主的單子，對方是做社會科學方向的，手里有大量專業(yè)文章，想轉(zhuǎn)成口播短視頻，在視頻號和抖音同步發(fā)。

她跟我說，自己用通用指令跑過幾次，輸出的文案她自己都不想看，結(jié)構(gòu)是有的，就是從頭到尾像在新聞聯(lián)播，沒有一句是短視頻的腔調(diào)。

我看了她的舊指令，原來是舊指令只告訴AI"轉(zhuǎn)成短視頻文案"，沒有給任何約束，AI就按它對"短視頻"最保守的理解來處理，給了一個縮水版的論文摘要，加了幾個"大家好"開頭，然后正文照搬原文邏輯，原封不動。

這哪是短視頻文案？這簡直是PPT旁白。

專業(yè)文章改編為口播文案，指令要這么設計，來，我分享四個點：

1. 信息密度必須降級，但不是刪字。

專業(yè)文章的邏輯密度，天然跟口播是兩套節(jié)奏。文章可以讓讀者反復讀，視頻不行，觀眾只有一次聽的機會。

所以指令里必須強制AI做一件事：識別原文哪些內(nèi)容是"支撐邏輯"的，哪些是"傳遞感受"的，只保留后者的外殼，用最簡單的話把前者裝進去。

2. 受眾連接點要從指令層面鎖定。

口播文案能不能讓人聽得下去，核心在第一句話有沒有鉤住人，而這個"鉤"的來源，是找到專業(yè)內(nèi)容跟普通人生活之間的連接點。

我在指令里加了一層強制操作：在開始改寫之前，AI要先完成一個判斷——這篇文章的核心結(jié)論，跟普通人的哪一個具體場景有關？是職場效率、情感關系、還是健康焦慮？

只有這個連接點鎖定了，開頭的那句話才有方向。沒有這一步，AI給你的開頭永遠是"今天我們來聊聊……"，然后直接進主題，完全沒有代入感。

3.每個論點必須經(jīng)過故事化轉(zhuǎn)換，不能只是換句話。

這是改編環(huán)節(jié)最容易走偏的地方。很多人以為"口語化"就是把書面詞換成口語詞，比如把"研究表明"換成"有人發(fā)現(xiàn)"，但這只是表面處理，底層邏輯沒變，聽起來還是在匯報。

真正的故事化，是把每一個論點，都落到一個具體的人、具體的時間、具體的事上。比如原文說"睡眠不足影響決策能力"，改編不是換成"睡不夠你容易做錯決定"，而是"你有沒有過那種，昨晚只睡了四個小時，第二天開會說出去的話，自己都覺得不對勁？"

這兩個表達的信息量是一樣的，但后者有畫面、有情緒、有代入感。這一層轉(zhuǎn)換邏輯，必須在指令里寫清楚，AI才會往這個方向走。

4.結(jié)構(gòu)節(jié)奏要跟時長強綁定。

3分鐘的口播，開頭不能超過15秒，主體2到2.5分鐘，結(jié)尾控制在20秒以內(nèi)。這個時間分配不是建議，是硬約束，必須在指令里給定，否則AI不知道該在哪里收。她之前跑出來的文案，開頭鋪墊說了將近一分鐘，主體又平鋪直敘沒有高潮，整體節(jié)奏完全不對。

我在指令里把這個時長結(jié)構(gòu)寫進了模板，同時要求AI在每個結(jié)構(gòu)節(jié)點標注"此處約XX秒"，強迫它在生成時感知節(jié)奏，而不是寫完再去算字數(shù)。

她按新指令跑了原來那篇關于社交疲勞的文章，輸出之后自己調(diào)了兩處，發(fā)出去第一條播放破了50000，她說這是她發(fā)視頻以來從沒有過的數(shù)據(jù)。

我看了一下那條視頻，開頭那句話是"你有沒有發(fā)現(xiàn)，越是認識的人多，越覺得累"，勾人、準確，讀者一秒鐘就進來了。