我先把文章骨架压成可直接发布的版本，再补上工作流、对比示例和可复用模板。

我先把文章骨架压成可直接发布的版本，再补上工作流、对比示例和可复用模板。重点会放在“先拆脚本再生成”这个结论上，避免把篇幅浪费在空泛的模型体验描述里。# 用 Gemini 3 做城市攻略短片：真正提效的，不是生成，而是先把脚本拆开

我周末真的做出了一条城市攻略短片，但真正帮我省时间的，不是最后那一下视频生成，而是前面那一步拆脚本。

这件事一开始很容易走偏。很多人会直接丢一句提示词给模型，期待它“一步到位”出片，结果通常是：资料东拼西凑、镜头逻辑散、旁白和画面互相打架，最后还得回头重写。我的目标很简单，就是把 搜索 → 整理 → 生成 串成一条线，看看能不能把一条短视频的内容生产压缩到一个周末内完成。

为什么我想做这件事

场景很具体：我想做一条“城市攻略短片”，长度控制在 30 到 60 秒，内容包括地标、路线、吃喝和一个适合收尾的观点。听起来不复杂，但真做起来，最耗时的从来不是“生成”本身，而是前面的信息整理。

你会反复卡在三件事上：

• 这座城市到底讲什么才有信息密度
• 哪些内容适合镜头呈现，哪些只能放旁白
• 结尾怎么收，才不像说明书

所以这次我没有先写长提示词，而是先把目标拆成机器能理解的任务。我的判断很直接：短视频不是写一段提示词就结束，而是先搭内容骨架，再喂给搜索和生成模型。

真正省时间的是前期拆脚本

我把一条城市攻略短片拆成 5 层：

• 开场钩子
• 路线段落
• 镜头需求
• 旁白句子
• 转场点

这一步看起来慢，实际上是在省返工。因为你一旦把“要讲什么”和“怎么拍出来”分开，后面的搜索就不是漫无目的地找资料，而是带着问题找答案。

完整工作流

搜索 → 信息筛选 → 脚本拆分 → 分镜 → 视频生成 → 复查

这个顺序很重要。先搜索，再生成，往往会把模型推向“像样但空泛”的结果；先拆脚本，再搜索，结果会稳很多，因为你已经知道自己缺的是哪一类信息。

Gemini 3 怎么接搜索和视频生成

我这次的做法是先用 Gemini 3 搜索城市信息，再把结果整理成结构化脚本，最后交给视频生成模块出片。

1. 先搜索，不急着写

搜索阶段我重点找三类内容：

• 城市地标：适合做开场和转场
• 路线信息：适合串起整条视频
• 餐饮/景点素材：适合补视觉密度

这里的关键不是“找到很多”，而是“筛得准”。比如同样是城市攻略，适合镜头的内容通常是能被一眼识别的地标、街景、门头、路线牌；不适合直接交给生成的，是那些需要严格事实核对的细节，比如营业时间、门票规则、是否开放之类。

2. 把搜索结果变成分镜清单

我不会直接把一堆搜索结果扔给生成模型，而是先整理成这种结构：

1. 开场：城市全景 + 一句问题式钩子
2. 地标：一个最容易识别的城市符号
3. 路线：从地标走到核心街区
4. 餐饮：一处高辨识度店面或食物特写
5. 收尾：一句总结 + 下一次再来的理由

这样做的好处是，生成模型拿到的不是“信息垃圾堆”，而是已经能执行的任务单。

3. 哪些交给生成，哪些必须人工确认

这一步最容易翻车。我的原则是：

• 适合交给生成的：氛围镜头、过渡镜头、通用城市街景、节奏性的画面
• 必须人工确认的：地名、路线、营业信息、地标顺序、容易误导的事实

也就是说，生成负责“让片子动起来”，人工负责“让它不跑偏”。

失败样本

我第一次试的时候，给了一个很粗的提示词：

帮我做一条城市攻略短视频，讲这个城市好玩的地方和好吃的东西，画面要高级，节奏快一点，适合社交媒体发布。

结果问题很明显：

• 开场没有明确钩子
• 镜头之间没有路线感
• 旁白说了很多，但画面接不住
• 最后收尾像硬塞一句广告词

这就是典型的“模型知道你想要短视频，但不知道你想要什么结构”。后来我改成结构化脚本后，生成结果才真正能用。

前后对比

粗提示词版本：

帮我做一条城市攻略短视频，介绍这座城市的地标、餐饮和适合打卡的地方，风格轻快一点，画面有质感，适合 30 到 60 秒。

结构化脚本版本：

请根据以下分镜生成 45 秒城市攻略短片：

1. 开场 5 秒
画面：城市航拍/街景切换
文案：一句问题式钩子，强调“这座城市为什么值得来一次”

2. 地标段 10 秒
画面：最具识别度的地标外观
文案：一句话说明它代表这座城市什么气质

3. 路线段 10 秒
画面：从地标到街区的步行/移动镜头
文案：用“顺路”串起下一个点

4. 美食段 10 秒
画面：店门头、出餐、特写
文案：只保留一个明确卖点，不写过多形容词

5. 结尾 10 秒
画面：夜景/人流/收束镜头
文案：给出一句总结，并引出下一次再来的理由

约束：
不要编造地点信息
转场要自然
每个镜头都要能独立成立

差别不在“写得更长”，而在“任务更清楚”。

一段可复用的示例脚本

下面是一个 30-60 秒城市攻略短片的模板级分镜，拿去就能改：

标题：第一次来这座城市，先看这 5 个点

0-5秒
画面：城市远景 + 人流推进
旁白：如果只给你半天，你会先看哪一面？

5-15秒
画面：最强地标外观
旁白：先来这里，因为它几乎就是这座城市的名片。

15-25秒
画面：从地标走向街区
旁白：顺着这条路往下走，节奏会立刻变得更像本地人。

25-35秒
画面：餐饮门头 + 出餐特写
旁白：吃的不用贪多，找一个最有辨识度的就够了。

35-45秒
画面：夜景/街道收尾
旁白：这座城市真正舒服的地方，不在打卡点，而在这些连接点。

结尾
画面：慢镜头收束
旁白：下次来，建议留半天只走这一条线。

这个脚本的价值，不在于文案多漂亮，而在于它能直接喂给搜索和生成模块。

这套方法适合谁，不适合谁

适合的人很清楚：

• 做旅行种草
• 做城市攻略
• 做活动预告
• 做轻知识短片

这些内容都有一个共同点：信息可拆、镜头可替代、节奏可模板化。

不适合的也很清楚：

• 强叙事内容
• 强人物关系内容
• 需要大量原创镜头的内容
• 事实极度敏感、不能出错的题材

小白怎么上手？先照着模板做，不要急着追求“全自动”。进阶用户怎么做？把模板变成自己的内容流水线，固定住开场、转场和收尾，把时间留给选题和核对。

我最后的结论

这次实验最重要的收获只有一句：AI 视频生产的瓶颈，不在生成，而在前期信息组织。

AI 不是替你想清楚，而是放大你想清楚的部分。你把脚本拆得越细，把素材边界定得越清楚，后面的搜索越准，生成越稳，返工也越少。

所以真正可执行的结论是：

先把脚本拆成机器能理解的任务，后面的生成才真的快。

如果你想直接拿这套“搜索 + 脚本拆分 + 视频生成”的提示词模板和工作流示例，可以去 api.884819.xyz 看完整接入方式和可复用方案。新用户注册即送体验token。

下一篇我会继续拆：同样是做短视频，怎么把这套流程进一步接成自动化流水线，让选题、脚本、素材和生成尽量少手工操作。

#AI教程 #Gemini3 #视频生成 #Prompt技巧 #城市攻略 #8848AI #人工智能 #内容生产