5月的时候，我发过一篇用 Image2 + Vidu 做的 AI 真人带货视频教程（教程｜AI真人带货视频做法全公开！Image2+ViduQ3高效出片），后来还把这套方法用到了我长期做企业AI培训的公司里。
这套方法非常省积分，小伙伴们靠着新用户邀请注册送的500积分都做出了不错的成品，一节课就做出了基本可以拿去跑量的视频素材。
不过后来粉丝群里也有人问，脚本到底该怎么写？如何降低废片率？
这次我干脆不藏着了——我把整套流程已经固化成了一个 Skill，输入产品名和产品图，就能自动产出适配的主播三视图、分镜图、A-roll / B-roll 视频生成提示词，而且，它已经开源了，大家可以直接拿去当参考：
老规矩，先用一条成片说话。这是我用这个 Skill 给观夏昆仑煮雪做的带货视频：
25 秒，1080P 竖屏，开场痛点设计、产品亮相画面、香调安利台词、氛围收尾，这一系列逻辑和素材全是 AI 生成的。
全片我一共用到了9段素材，音频涉及5段，还有4个镜头用来过渡：
该图片疑似使用了AI生成技术，请谨慎甄别
这次做skill用到的视频模型是 Vidu 最近刚上线的 Vidu Q4 Preview，几个能力刚好和带货场景匹配：
- 图生视频：把 Skill 出的分镜图直接丢进去，写清楚画面运动和镜头，图片比例原样继承，不用二次裁切，B-roll 就是这么来的；
- 参考生视频：支持最多 15 张参考图 + 3 段参考音频，主播三视图、产品图一起喂进去，人物形象、口播音色、对口型都能保持；
- 声情并茂：台词、语气、表情和动作自然协同，A-roll 口播段的真人感很关键；
- 大师级镜头调度 + 4K 画质：运镜丝滑，光影质感在线，成片观感接近实拍。
生成 1080P 视频1秒10积分， 25秒的成片加上 B roll 素材和废片，消耗压缩在了400积分。
如果你选更低的生成分辨率，成本还要进一步降低，最低0.09元/秒，视频生成真的是进入「分」时代了。
按Vidu现在的最划算的套餐算，一条成片成本不超过20人民币，如果你是新用户，注册前填写我的邀请码会多送500积分，完全足够你跑完一条成片了，用上我的skill还能进一步降低废片率。
那到底怎么用？接下来就带你们一步步拆解。
带货视频和普通 AI 视频最大的区别：可控性。
主播是谁、人脸有没有风险、穿什么、在哪个场景、产品长啥样、包装上文字是否清晰、商品比例……这些细节但凡有落差，会有明显的恐怖谷效应。
而直接文生视频等于开盲盒，用抄来的提示词跑个漂亮镜头没问题，想要一致性依然得垫图、垫音频。
所以我的思路是：先生图、再图生视频，约束AI模型的生成方向。
这套方法我在之前的文章就公开过，但那时候是「教程」，还得你们照着一步步做。
这次我直接把所有经验编译成了规则，不论是谁拿到了我这个skill，只要找到一个有生成图片能力的 Agent ，照着跑就能直接出完整方案，配合上 Vidu Q4 Preview，就可以一步步把这样的带货视频复刻出来。
用法很简单，把你要做的广告素材给到你的 Agent（CodeX、豆包工作、千问办公、Dumate 这些都可以）：
请使用 ai-selling-video 这个 Skill，为我上传的观夏昆仑煮雪香水产品图，制作一条 AI 带货视频前期方案：主播三视图、分镜脚本与分镜图、A-roll / B-roll 视频生成提示词。
这里我用的是最近也在送体验会员的豆包工作，以下都是豆包生图的效果，所以生图这一步也是不花钱的，它会按规则输出以下四件套：
① 主播方案——按品类选人设，生成主播三视图（正面 / 侧面 / 背面同一人物），作为全片一致性的锚点，换角度延展人物时不容易崩，也不用每次重新画脸。
② 分镜脚本——痛点 / 使用 / 推荐 / 效果 / 产品空镜五类画面，4-6 个分镜，每个都带画面、动作、台词、时长、卖点。
③ 分镜图——每张图只承载一个镜头的内容，全部锚定同一位主播和同一个商品，之后直接拿去做图生视频的首帧。商品实拍图会单独作为质检基准，所有分镜里的产品外观都以它为准：
④ 视频生成提示词——A-roll 口播 2-3 段、每段换景别，B-roll 纯画面素材 3-4 条、用分镜图做首帧，直接复制去视频平台就能跑。
所有素材都会放在文档里，方便你复制：
适配的背景音乐也生成好了，可以直接选用：
超级方便，以后不用你到处七零八凑找素材了，如果生成结果不对，你看一眼文档就可以纠正让Agent继续给你改。
额外教大家一个小技巧，做这种视频可以在 Vidu 里新建一个主体，然后给主体绑定一个音色：
Vidu平台有很多音色可以选择，肯定可以挑到你喜欢的感觉：
后面每次选中这个主体都会把音频自动带进来，方便很多：
性价比超高的 Vidu Q4 Preview 也支持音频参考了，一致性有保障，不用再自己费劲后期配音了，这样步骤就比我上次发的教程又简化了一步，完美。
训化 Agent 把工作流固化成 Skill 也是需要时间磨合的，分享几个真实翻车现场，帮你们提前避坑。
第一坑：产品物理结构&大小
第一版分镜图，瓶子大了，我后来去观夏的官网主页找了一个模特手持香水瓶子的照片作为参考来修正
第二坑：自带背景音乐，不方便二次加工
第一轮测试的时候，素材带上了背景音乐，这种带音乐的视频素材会产生明显的衔接断点。
所以生成视频的时候，一定要记得在提示词里加一句不能有背景音，音效倒是可以保留。
不过现在这个规则我在Skill里面已经固化了，你们看到的提示词都会自动带上这句。
第三坑：开场太慢
短视频有黄金三秒定律，第1秒就必须出现人声，开始讲述产品，不然用户刷到这个视频不知道是什么，很快就会划走。
这个规则我也放在Skill里了，你们用上skill做这种视频的时候，不会在开头出现那种大段的空白。
第四坑：台词赶拍
3 秒镜头塞了 20 个字，口播后半段疯狂加速，画面又该不自然了。
现在skill规则里按每秒 4.5 字核算，3 秒≈13 字、4 秒≈18 字、5 秒≈22 字，写完逐条对照，确保生成质量。
第五坑：全是主播怼脸讲
口播不能覆盖全片，成片里得有产品的空镜，后来我补上了产品空镜分镜（纯产品 + 场景氛围，无主播出镜），穿插在口播之间和收尾过渡：
这些规则全部写进了 SKILL.md 和提示词模板库，后续每次生成都会自动执行质检清单，不合格直接重抽，绝不产出错误交付，提高你的成片率。
为了测试Vidu这个视频模型的上限，我还测了其他场景，比如，最近很火的猫子柒，我让我家两只猫孩子演上了：
用来做AI短剧看着也不错，演员表情很逼真：
也可以用来做动漫，试了一条经典日漫跑：
模拟一个主播对着镜头讲话，表情自然，口型准确：
还有更多实用场景，感兴趣的话各位可以继续探索，也可以发在粉丝群里跟大家分享～
安装也很简单，你可以去github上搜这个skill的名字，看到作者ID是nuntllwhy（我）那就对了，然后把链接丢给 Agent 帮你安装就行。
如果你跑出了好案例，欢迎来 GitHub 提 Issue 分享；如果翻车了，那就更有价值了——带上你的产品类别、提示词丢给我，说不定你遇到的那个奇怪问题，就是下一个版本里最有价值的一条规则～
最后补充一句，这条视频从产品图到成片，主要成本就是视频生成积分，前期物料基本是 AI 免费产出。
现在各家国内AI平台都有推广福利期，真的很适合大家拿来做测试，对中小商家来说，这样的内容已经够用了——够用，就是商业化的起点。
祝大家都能尽早跑出自己的第一条 AI 带货视频！
● ● ●
由衷希望今天的文章能帮到你～
👍 点赞 ❤️ 喜欢 📤 转发
