教程

零基础用AI做短视频：不露脸不剪辑，我一周做了30条视频

FlowPix Team 发布于 2026-01-25 更新于 2026-03-10 3,104 字

简单说：用AI工具组合（ChatGPT写脚本、ElevenLabs配音、Runway生成画面、剪映合成），零基础也能一周做30条短视频。一条视频从选题到导出30-45分钟。

我从来没学过视频剪辑。Premiere不会，Final Cut不会，连剪映都是现学的。

但上个月我硬是用AI工具一周做了30条短视频。发在抖音和小红书上，最高一条播放量17万。

不露脸。不出镜。不需要剪辑技术。

听着像吹牛？FlowPix把整个流程拆开给你看。

我用的工具组合

我用4个工具：ChatGPT写脚本、ElevenLabs生成配音、Runway或可灵生成画面、剪映合成视频。先说清楚我用了什么。不多，就4个：

总成本？如果全用免费额度，可以做到零成本。我后来付费了ElevenLabs（为了更好的声音），一个月5美元。根据剪映官方数据，平台上超过70%的短视频创作者使用AI辅助工具提升制作效率。

流程分5步：选题、写脚本、生成配音、生成画面、合成导出，一条视频30-45分钟。

第一步：选题。这是最重要的一步。不是随便想个话题就行——得是用户想看的。我的做法是打开抖音搜我想做的领域关键词，看评论区在问什么问题。那些点赞高的评论就是好选题。

我做的领域是"冷知识/科普"，因为这类内容不需要露脸，画面可以全用AI生成，而且受众广。

第二步：写脚本。给ChatGPT的提示词大概这样："用口语化的风格写一个60秒的短视频脚本，主题是XXX。语气像朋友聊天一样，开头要有钩子（hook），结尾要有反转或者互动引导。"

出来的初稿我会改一遍——主要是加点自己的话，删掉太像AI的句子。改完大概150-200字，刚好60秒。

第三步：生成配音。把脚本文字粘贴到ElevenLabs，选一个好听的声音（我喜欢用那个叫"Rachel"的女声），生成音频。30秒搞定。

或者你也可以自己念。但我的声音嘛...不太适合做配音（被朋友吐槽过），所以还是AI来吧。

第四步：生成画面。这里有两种做法。

方法A：用AI生成视频片段。把脚本里的每句话对应一个画面描述，扔给Runway或者可灵，生成4-5秒的短视频片段。然后拼在一起。

方法B：用AI生成图片+做动效。用Midjourney生成一组图片，然后在剪映里加缩放、平移等动画效果。效果不如真视频，但够用了——很多百万粉的科普账号也是这么干的。

我两种方法都用。需要真实感的用方法A，解释概念的用方法B。

第五步：合成。打开剪映，把配音拖进去，把画面按时间轴排好，加字幕（剪映可以自动识别语音生成字幕），加背景音乐，导出。

一条视频从选题到导出，大概30-45分钟。熟练之后能压到20分钟。

科普解说、知识分享、新闻解读等不需要实拍主导的内容特别适合用AI做，Vlog和探店等需要真实镜头的类型不太适合。特别适合的：科普解说、知识分享、新闻解读、故事叙述、产品评测（不需要实拍的那种）。这类视频的画面本来就不是实拍主导，用AI生成的画面完全能胜任。

不太适合的：Vlog、探店、美食实拍、运动类。这些需要真实镜头的内容，AI目前还搞不定。

我试过用AI做美食视频。怎么说呢...AI生成的食物看着像塑料模型。评论区有人说"这个牛排看着就不想吃"。我就放弃了。

主要坑点：画面和配音对不上、AI生成人物特写容易出错、字幕必须加。

画面和配音对不上。一开始我是先做画面再配音，结果节奏经常对不上。后来改成先做配音再匹配画面，顺了很多。

AI视频有时候会出现诡异的画面。特别是涉及人脸和手部动作的时候——手指数量、面部变形这种经典问题。解决办法是尽量避免让AI生成人物特写，用远景或者侧面。

字幕一定要加。很多人刷抖音是静音的，没字幕等于白做。剪映自动生成的字幕准确率大概90%，自己过一遍改几个错字就行。

目前不会。抖音和小红书还没有针对AI生成内容的限流机制（虽然可能要求标注"AI生成"）。内容质量才是决定流量的关键——不管你用什么方式做的，观众喜欢看就会有推荐。

真的能。剪映是傻瓜式操作，拖拽就行。AI工具也不需要技术背景。如果你会用ChatGPT写东西，你就能做AI短视频。我建议先用全免费的工具做5条试试水，确认自己喜欢再投入。

单条视频本身不直接赚钱（除非你开了创作者基金）。赚钱的方式是：涨粉→接广告/带货。1万粉开始有小广告找你，10万粉就比较稳了。我目前粉丝还少，收入主要来自其他AI副业，视频更多是引流和积累。