Step 3：脚本撰写（含台词）

分镜确认后，让 OpenClaw 为每个镜头配套台词。指令中需要明确语言风格（口语化、有网感）、字数限制（每段控制在 15-25 字以内）、以及特殊要求（镜头 1 的台词要能留住观众，镜头 6 要有明确的 CTA）。

AI 生成的台词通常需要微调。常见的调整指令包括“台词再口语化一点”“钩子不够强，换一个反问句式”“结尾加上限时促销的紧迫感”。台词的好坏直接影响完播率，值得花时间打磨。

Step 4：生成文生视频提示词

提示词是 AI 视频生成的核心——它的质量直接决定视频效果。让 OpenClaw 将每个分镜的画面描述转化为视频生成模型能理解的英文提示词。一条好的提示词需要包含五个要素：主体描述、场景环境、镜头运动、视觉风格和技术参数。

举个例子，镜头 1 的提示词可能是：“A sleek white portable fan slowly emerges from darkness， soft volumetric light reveals its minimalist design， cinematic， 4K， shallow depth of field， slow push in”。如果你对英文不熟悉，完全不用担心——你只需要用中文描述画面，AI 会自动翻译成专业的英文提示词。

Step 5：视频合成与输出

提示词确认后，进入最后一步。你可以选择两种方式生成视频：一是使用视频大模型一次性生成完整视频（更简单），二是用大模型模型逐镜头生成片段后再用剪辑工具拼接成片（更可控）。

视频生成后，检查效果。如果某个镜头不满意，可以只重新生成那一个片段，不需要全部重来。这就是分步可控的优势——哪不好改哪，而不是推倒重做。

效果对比：传统方式 vs 自动化流程

回顾整个流程：从一张白底图出发，经过产品识别、分镜设计、脚本撰写、提示词生成、视频合成五个步骤，最终输出一条可以直接发布的电商产品视频。每一步都可以暂停、修改、确认，你始终掌握着主动权。

这套流程的真正力量不在于“做一条视频”，而在于它可以无限复用。你有 50 个产品需要做视频？换张白底图，同样的流程再走一遍。需要横版和竖版两个版本？改一下尺寸参数就行。要定期更新内容？让 OpenClaw 的 Heartbeat 功能定时执行，它会在你睡觉的时候帮你把视频做好。

你学会的不是一个技巧，而是一套可以持续运转的生产系统。