短视频日更流水线：MiniMax 三班倒分工实操

日更团队的瓶颈从来不是单个工具，而是工序没人拆清楚。我的做法是把一条短视频拆成文案、画面、配音三段，分别交给 MiniMax 的三块能力：M 系列文本模型负责脚本和分镜（长上下文能一次吃进整份选题库和往期爆款文案），海螺视频负责画面生成（支持原生音频这点对口播型内容很省事），语音克隆加 TTS 负责固定主播音色。下面按工序给模板，直接改变量就能用。

第一道工序：脚本生产，一次喂足上下文

文案质量取决于你喂了什么。别只丢一句「帮我写个脚本」，把账号定位、往期高完播的标题结构、本次选题一起塞进去，M 系列的长上下文正是为这种用法准备的。模板：

你是短视频编导。账号信息如下：
- 赛道：{家居好物测评}
- 目标观众：{25-35岁租房人群}
- 账号口吻：{口语化、有点毒舌、不说客套话}
- 近期数据较好的 3 条文案结构：{粘贴原文}

请为本选题产出脚本：{标题或主题}
要求：
1. 时长约 60 秒，前 3 秒必须给出钩子
2. 输出格式：逐行给出「时间码 | 口播文案 | 画面描述 | 字幕关键词」
3. 画面描述控制在 30 字内，方便后续直接用于视频生成提示词
4. 结尾留一句引导评论的开放式问题

产出后人工只改钩子和结尾，中间部分基本可以直接进下一道工序。

第二道工序：分镜转视频，一段一个提示词

把脚本里的「画面描述」逐条扩写成视频生成提示词。经验是：主体 + 动作 + 镜头 + 光线氛围，四要素齐全，翻车率明显下降。模板：

请将以下画面描述扩写为视频生成提示词，逐条输出，不要解释：

{逐条粘贴画面描述}

扩写规则：
1. 结构固定为：主体细节 + 具体动作 + 镜头运动（推/拉/横移/固定）+ 光线与氛围
2. 中文输出，每条 50-80 字
3. 不出现品牌名、人脸特写描述，人物一律写「一位穿{描述}的年轻人」
4. 若原描述涉及转场，单独标注「转场：」

扩写完逐条贴进海螺视频生成。口播或带台词的镜头利用原生音频能力直接出声，省掉一轮后期对轨；纯空镜则关掉音频留白，后期统一配乐。具体参数开关以官方页面为准。

第三道工序：音色克隆，先录一段「音色底稿」

日更团队建议固定一个主播音色：录一段干净、无底噪、情绪自然的 30 秒以上音频做克隆底稿，之后所有旁白都走 TTS 用这个音色批量出声。注意两点：一是底稿质量决定后面每一条的音质，值得花一次功夫安静环境录好；二是克隆他人声音必须有授权，这条没有商量空间。

分工排班建议：三个人还是一个人都能跑

三人配置：编导管工序一和终审，剪辑管工序二抽卡筛选，一人管工序三和合成。单人配置也有解：上午集中跑文案和视频生成（生成耗时适合挂后台），下午筛选、配音、合成。海螺这类视频生成通常需要多抽几次才能选中意的镜头，排期时把「抽卡时间」算进产能，别按一次出片排日更。

三条工序、三份模板，接进你现有的选题会，今天就能跑起来。先把第一道工序的上下文喂扎实——素材质量的下限，往往在写提示词那一步就定了。