同城口播视频，不用请人拍，一张照片就够
先看跑出来的这条。24 秒、竖屏，看着就是老板本人在店里举着手机跟你说：
这篇你能拿走什么
- 一条 24 秒口播视频要准备什么：几句话够说、几张图够用
- "看起来像老板自己举着手机拍的"——这种镜头该怎么写，完整写法在下面，可以直接抄
- 怎么让视频里一直是你本人：只丢一张正面照最容易翻车——人脸发糊、前后像两个人。
正确做法是先拿到"人物三视图"，下面细说
- 两个容易白跑的地方：秒数别留「自动」；镜头要求里写"手机可以入画"，模型就真把手机画出来
什么情况用得上
开实体店的，想让附近的人刷到你、愿意走进来看看。
常见的做法是请人拍，或者自己架个手机一遍遍地重拍——费钱、费时间，还得对着镜头不结巴。
只要给一张正面照、几张店里的照片、一段要说的话。出来的就是"老板本人在店里举着手机跟你说"的样子，24 秒，带声音。
你实际只做三件事
| 你要做的 | 说明 |
|---|---|
| 传一张老板形象照 | 正面、清楚、看得清五官（必填） |
| 传店里的实拍图 | 货架、前台、试衣区都行。传几张就换几个场景（至少 1 张，最多 5 张） |
| 把要说的话粘进去 | 平时怎么跟客人说话就怎么写。95 字以内就够说 30 秒 |
还有一件可选的：录 5～15 秒他说话的声音。录了，AI 就用他自己的音色念台词；不录，就用普通声音念。
剩下的它自己走
模版里一共有 11 个环节，你要碰的只有前 3 个：
你：传老板形象照
你：传店内实拍图（1~5 张）
你：粘口播文案（≤95 字）
↓
自动：出一张老板的三视图（正面 / 侧面，用来锁住长相）
↓
自动：写拍摄要求（哪一段说什么、镜头怎么摆、背景用哪张店内图）
↓
自动：出成片（竖屏、带声音、全部台词念完）最后那步只喂 3 样东西：写好的拍摄要求、店内图、声音。你拍的那张形象照不会塞进去——参考图给太多反而打架，这点和另一条视频一样的道理。
让视频里一直是你本人（这一步最容易被跳过）
最常见的做法，也是翻车最多的做法：随手传一张正面照，直接出片。
出来的结果往往是：脸有点糊、五官在几段之间飘来飘去，第一段像你、第二段就不太像了。因为模型手里只有一张正面照，侧过脸、换个角度它就得自己猜。
正确做法是先把这张人物参考图做出来，再拿去出片：
你的形象照（1~2 张）
↓
自动生成「人物三视图」——四个角度排在同一张图上：
① 正面半身 ② 3/4 微侧面 ③ 正侧面 ④ 脸部特写
↓
这份参考图锁住"你长什么样"，后面每一段都照着它画
↓
成片：全片同一个人、同一身衣服四个角度摆在一起，是为了让模型在每个角度都有依据，不用靠猜。所以侧脸、低头、转身这些小变化才不会让你"变成另一个人"。
怎么做更稳（这一步值得多花两分钟）：
- 形象照要正面、半身、单人、光线清楚，不遮脸、不戴墨镜口罩
- 有侧面照就一起传进去（第二个角度），三视图会更准
- 照片糊、光线怪、脸上有阴影 → 出来的三视图跟着糊，全片都会受影响
- 拿到三视图先自己看一眼：四个角度是不是同一个人、像不像你。不像就重做这一步，别急着出片
> 一句话记：人物一致性不是出片那一步决定的，是做参考图这一步决定的。
参数在这，可以直接抄
| 要定的事 | 怎么定 |
|---|---|
| 说多久 | 字数 ÷ 3.3 + 1 秒。95 字大约 30 秒，最长就 30 秒，超了就拆成两条 |
| 分几段 | 你传了几张店内图，就分几段。一张图管一段，不能重复用、不能漏 |
| 镜头 | 老板本人举着手机自拍、全程半身（头顶到腰胯）、手机离人一臂远（60～80 厘米）、正面平视 |
| 像什么拍的 | 手机前置镜头（广角）、原相机直出、不要背景虚化、不要美颜磨皮 |
| 段与段之间 | 硬切（画面瞬间跳过去）。不能渐变、不能溶图、不能慢慢变形换场景 |
| 成片 | 竖屏（9:16）、带声音、台词一个字都不能少 |
可以直接抄走的一段
写拍摄要求的时候，把下面这段原样放进去（这是最关键的部分）：
画面为老板本人手持手机的前置镜头自拍，全程半身（头顶到腰胯，头顶留约 1/10 画面高度）。
手机前置广角、举机距离约一臂（60-80cm）、与视线齐平正面平视。
手机原相机直出质感：真实皮肤纹理、可见毛孔、轻微面部不对称，
无背景大光圈虚化，允许轻微水平倾斜，手臂持机的自然晃动与呼吸起伏。
限制：手机与持机的手全程不出现（都在画面外），仅持机一侧的上臂与部分小臂自然入画；
另一只手做自然手势；禁全身、禁远景、禁大特写；
禁第三人视角、第二机位、摄影师跟拍、旁人代拍；
禁拍摄者的手臂或影子从画面外侧伸入；禁磨皮美颜、禁蜡像感、禁影棚打光。完整的细节提示词，在无限画布里查
骨架就是下面这四段。真正跑起来用的完整版都放在无限画布里了，登录后随时查阅。 里面有台词时间线、音色引用、逐段一致性锁这些细节：
① 登录后打开「无限画布」→ 左上角点「模版」
② 打开「同城数字人口播·自拍半身引流」
③ 里面有两处能看提示词（框左上角的⑦⑧，是模版里第几个框）：
·「⑦ 口播导演」框 —— 管"怎么把文案排成一条完整口播"
·「⑧ 成片」框 —— 管"发给视频模型的最终要求"
点开就能看到，直接复制出来用四段长这样（下面是可以抄的骨架）：
上面那段是"限制"部分。流程里真正发给视频模型的，是下面这四段拼起来的完整版本。 结构是固定的，"限制"那段的原文就是上面那段：
【主体】<你的形象照>锁定五官/发型/体型/服装，全片同一人、同一身衣服；
画面为本人手持手机的前置镜头自拍（机位就是他本人举机的位置，全程半身）
【风格】真人实拍的真实手机自拍质感（原相机直出）：皮肤有真实纹理与可见毛孔、
轻微面部不对称、自然光泽；手机前置广角（等效 24mm）、竖屏 9:16；
举机距离约一臂（60-80cm）；无背景大光圈虚化；允许轻微水平倾斜
【时间线】段首写「分段拍摄、段间硬切，每段内场景固定不变」，再逐段写：
0-8 秒（拍法：手持自拍·半身·固定距离），<动作+幅度+结束状态>，场景=第 1 张店内图；
用<情绪 / 语调 / 语速>说："该段台词原文"
【限制】手机与持机的手全程不出现；仅持机一侧上臂与部分小臂自然入画；
全程半身；禁全身、禁远景、禁大特写；禁第三人视角、第二机位、跟拍；
禁磨皮美颜、禁蜡像感、禁影棚打光；无字幕，台词一字不改完整念出四段缺哪段都会出问题：只写"风格"不写"限制"，模型就会把手机画出来；只写"时间线"不写"主体"，人脸就会飘。
换成别的视频工具跑，效果会有差别。但这四段的活不能省 —— 它管的是"不跑偏"，不是"更好看"。
一个白跑的地方：秒数别留「自动」
我第一次跑的时候，秒数那栏留了「自动」。出来的成片只有 5 秒，24 秒的台词硬塞进去，话说得又急又赶。
更麻烦的是：写拍摄要求的时候是按 24 秒编的三段（0-8 / 8-16 / 16-24）。要求说 24 秒，视频只给 5 秒，模型收到的是自相矛盾的东西。 所以那一次不光短，镜头也乱。
怎么做：秒数那栏直接手填，别用自动。
要填的秒数 = 台词字数 ÷ 3.3 + 1
（95 字 → 约 30 秒，刚好卡在上限）填多少就出多少。这一步花十秒，能省掉一次白跑。
第二个白跑的地方：镜头要求里别写"手机可以入画"
这个坑更值得说，因为它反直觉。
一开始我写的要求比较宽松，想着"自拍嘛，画面里有个手机的边角也正常"。结果模型抓住这句话，把拍摄的手机、举手机的手都画进了画面。看起来像对镜自拍，也像有个人在旁边举着机器拍。 那种一眼假的"摆拍感"就出来了。
后来我拿真人的自拍视频对着看才想明白：
"自拍视角"和"手机不入画"本来是一对矛盾。真实生活中，你举着手机拍自己，手机当然在画面外。可模型不知道这个常识，它反而想把拍摄的工具画出来，来证明这确实是自拍。你只要松一句口，它就往那个方向跑。
所以这条必须反着写死：手机与持机的手全程不出现，只在画面外侧留一点上臂和部分小臂。 这样看起来才像"人举着手机"，而不是"对着镜子"。
我上面那段可以抄的写法里，这几句就是专门治这个的。
现在的边界（不吹）
- 30 秒是硬上限。 想说的多，就拆成两条，不要硬塞
- 台词说多快有物理限制。 大概 3.3 字/秒（含停顿）。95 字以上就别指望 30 秒说完
- 场景数由你传的店内图决定。 只传 1 张，整条就一个背景；想有"走遍全店"的感觉，就多拍几张
- 长相靠那张形象照锁。 形象照拍得糊、光线怪，出来的效果就打折——这一步值得多花两分钟
你可以怎么抄（嫌麻烦就看这三条）
- 准备三样：一张清楚的正面照、3～5 张店内实拍、95 字以内的口语化台词
- 秒数手填，别用自动：字数 ÷ 3.3 + 1，几秒就填几
- 镜头要求里把"手机不入画"写死：这是这条视频像不像真人自拍的分界线
下一步
想把这条流程存下来、以后换一批货直接用，去看《存一次，以后同样的活点一下就出》。
跑出来的效果不像你本人，加我微信 Chun004720（备注「学习中心」）。 台词时间总不够、或者别的类目上不灵，也欢迎告诉我。