用AI做产品口播，只写"人物拿着产品，自然地介绍"，还留下了不少需要决定的细节：具体说什么，产品拿在哪里，讲到重点时怎样配合动作。人物即使嘴部在动，也未必是在清楚地介绍商品。
AI 口播视频提示词怎么写，可以从一段能说清楚的台词开始，再安排人物如何拿产品、看镜头和做手势。参考图负责提供外观与场景依据，文字把这一段讲解组织起来。这样写，后续也更容易判断问题出在台词、声音，还是人物表现上。
一、先确定这段口播要说清什么
一条口播可以只介绍一个使用场景，也可以集中解释一个卖点。重点取决于这次内容要回答的问题，不必规定每条只能放几个词。把商品资料整段塞进去，却没有取舍，人物就很难讲得简洁。
写台词时，先选出有资料支持的内容，再改成适合说出口的句子。产品图能确认名称、包装和外观；成分、使用方法、适用人群等信息，需要另外提供依据。让模型"适当丰富"时，也要交代可用的信息范围，避免它自行补出使用体验或功效。
例如，只有下面这组精华液外观素材时，可以先用一段包装介绍来演示口播与动作的配合：
今天给大家介绍的是这瓶黄金抗皱精华液。透明瓶身搭配金色瓶盖，正面可以看到产品名称。
这是一段台词写法示例。拿到完整产品资料后，再把内容换成实际要讲的卖点、场景或使用说明。朗读一遍，检查句子是否顺口、信息是否过密，也能帮助安排后面的手势和停顿。
制作时还要确定声音怎样完成：使用生成语音、已有配音，还是后期录音。台词、声音与画面的处理方式需要对应起来，仅写"嘴部持续运动"不足以说明口播的最终效果。
二、用参考图交代人物和产品的外观
图：左侧是金色瓶盖、透明瓶身的精华液产品图；右侧是女性坐在室内桌前的人物图，图中尚未手持产品。
这类组合需要在提示词里明确分工：产品外观以左图为准，人物长相、服装和场景以右图为准，再说明产品如何出现在人物手中。不能只写"照参考图生成"，让两张图的用途含糊不清。
人物图里已经能看见的桌椅和背景，不必逐件描述。若某个细节很重要，例如服装保持原样、瓶身标签朝向镜头，可以单独强调。参考图提供外观依据，文字则补上拿取位置和展示方式，两者应当一致。
还要看看原图是否适合安排动作。手臂有没有活动空间，产品会不会挡住脸，镜头能不能同时看清表情和瓶身，这些都与构图有关。人物位置和镜头范围可以一起调整，不必把所有要求都留给"自然一点"来解决。
三、让手势、视线和镜头配合讲解
手持产品的口播，可以让一只手负责展示，另一只手配合重点做轻微手势。展示产品时，写清拿在胸前还是靠近脸侧、瓶身正面朝哪里；安排讲解动作时，再说明另一只手怎样抬起和放下。动作幅度以看清产品、保持人物表现自然为目标。
比如，"另一只手自然比划"可以具体一些：
讲到包装特点时，空着的手在胸口下方做一次轻微的掌心向上手势，说完后放回桌面。拿产品的手保持稳定，不遮住正面标签。
视线也要与表演一致。希望人物像在对观众讲解，就让她主要看向镜头；需要看一眼产品，可以写成"提到瓶身时短暂看向产品，随后回到镜头"。同一段里同时要求"始终不移开视线"和"有时看看产品"，会让要求互相冲突。
固定机位适合以讲解为主的画面。如果要补产品特写或使用演示，也可以另做镜头，再通过剪辑连接。口播是否运镜、是否加字幕，要由展示需要决定。字幕能帮助观众理解台词，不必为了保留口播形式而排除它。
四、把要求整理成一段可以替换的提示词
人物、产品、台词和动作确定后，再把它们放到同一段提示词里。下面的示例把台词与动作放到了一起，可按商品替换；它是重新整理的写法，尚未生成验证。
图1为产品参考，图2为人物与场景参考。保持图1的产品外观，人物长相、发型、服装和背景沿用图2。
生成一段9:16竖版产品口播画面。人物坐在桌前，镜头固定，构图同时看清脸部、持产品的手和瓶身。她一只手将产品拿在胸前，瓶身正面朝向镜头，手指避开标签。
人物用自然、清晰的语气说出以下台词，保留正常的停顿与呼吸："今天给大家介绍的是这瓶黄金抗皱精华液。透明瓶身搭配金色瓶盖，正面可以看到产品名称。"
说话时主要看向镜头。提到瓶身时短暂看一眼产品，随后回到镜头；空着的手做一次轻微的掌心向上手势，再放回桌面。拿产品的手保持稳定。整体表情放松，不做夸张表演。
保持同一场景和连续镜头。这一版先保留干净画面，字幕在后期按确认后的台词添加。
替换成其他商品时，要连同动作一起检查。介绍包装可以拿着展示；演示涂抹或开盖，就需要重新安排手部动作和构图。只换产品名称，却保留不适合的手势，整段提示词仍然可能不协调。
五、结合完整视频判断口播是否成立
这组案例的原始提示词已经提到了持产品、抬手讲解、持续说话和固定镜头。其中"另一只手时而抬起做出讲解姿态，时而放下"，提供了动作方向，但没有说明幅度。案例中的手部表现较克制，如果需要更明显的讲解动作，可以尝试补充手的位置和动作发生的时机。
图：四张截图中，人物面对镜头手持产品，背景构图接近，嘴部与空手姿态有所变化。
这些截图便于观察构图和姿态，却无法单独证明整段视频持续说话、声音与口型对应，或产品细节全程一致。判断口播效果，还需要把完整视频连同声音看一遍：话有没有说清楚，停顿是否自然，口型与声音能否对应，手指有没有在动作中遮住标签或出现异常。
发现问题后，修改对应部分即可。手势不明确，就改动作描述；台词太挤，就精简内容或调整节奏；产品细节不清楚，可以补充参考，或另做产品特写。把所有问题都归到提示词"不够长"，容易让下一版多出一堆互相牵制的要求。
总结：围绕一句话安排人物表现
AI口播提示词需要把要说的内容与画面里的动作接起来。先明确台词，再安排产品怎样拿、重点怎样配合手势、人物看向哪里，最后结合完整视频检查声音和画面。案例可以提供写法参考，具体表现仍要按自己的商品和讲解内容调整。