deepseek需人工设计结构化提示词才能输出可执行视频脚本：必须硬编码字段名、竖线分隔、精确时长（如3.0）、主谓宾短句、动作级分镜描述，并用变量模板批量生成以保障一致性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
DeepSeek 本身不直接输出可拍摄的结构化视频脚本，必须靠人工设计提示词（Prompt）强制它按字段、时长、动作等维度输出，否则默认结果全是散文式描述，没法进剪辑流程。
用 generate_script API 时必须带字段约束
调用官方 API 或本地部署的 deepseek-coder:6b 模型时，如果只传 "写一个30秒科技类短视频脚本"，返回的大概率是段落式文案，没有分镜编号、画面动作或时间戳。要让它结构化，得在 prompt 里硬编码字段名和分隔符：
- 必须声明输出格式，例如：“仅输出四列：【分镜编号】|【画面描述】|【口播文案】|【时长(秒)】，用竖线
|分隔，禁止换行符和额外空格” - 时长字段不能写“约3秒”，得是明确数字，如
3.0，否则后续工具（如 CapCut 时间轴导入）会解析失败 - 若用 Python 调用，
output_format参数设为"json"后，仍需在 prompt 中重复强调字段名，API 不会自动补全结构
Chat 界面生成口播文案前先锁死节奏参数
网页端或 App 里直接对话时，模型容易忽略“节奏”这种隐性要求。比如你要 45 秒口播，它可能生成 18 句平均 2.5 秒的句子，但实际拍摄中人说话有停顿、重音、呼吸间隙——这会导致超时。解决办法是把节奏拆成可执行指令：
One API key for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more
下载
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- 开头必须含
3秒强钩子，例如“别划走！这个漏洞你手机正在用！”——不是“吸引注意力”，而是明确写“3秒” - 每句长度限制必须带单位，写
每句≤7字，而不是“简短有力”；写(停顿0.4秒)而非“适当停顿” - 出现“然后”“所以”“其实”等连接词，大概率是模型在凑字数，需追加指令：“删除所有逻辑连接词，只保留主谓宾短句”
分镜描述不能依赖“语义映射”，得手动补镜头语法
很多人以为把口播文案丢给 DeepSeek，加一句“转成分镜”，就能得到可执行拍摄指令。但 V4 没有原生视频理解能力，“看这个参数”不会自动变成“特写手指滑动屏幕，焦点从图标移至设置项”。真正有效的做法是：
- 把口播句拆成最小动作单元，例如“插上就用” → 拆成两帧：
手部俯拍：Type-C 插头对准接口（1.2秒）+微距侧拍：金属触点咬合瞬间反光（0.8秒） - 所有分镜必须含四个要素：具体主体（不是“产品”，而是
小米扩展坞正面USB-A口）、构图（微距俯拍）、动作状态（手指正施压下推）、精确时长（1.5秒） - 避免出现“展示”“体现”“呈现”这类导演术语，它们无法被摄像机执行；换成“手指抬起露出接口”“镜头向右平移露出全部接口”
批量生成时变量注入比反复改 prompt 更稳
做 10 条不同产品的脚本，如果每条都手动改主题、人群、卖点，极易漏掉某条的时长约束或风格词。更可靠的方式是用 Notion 表格预置变量，再拼接成完整 prompt：
- 表格列包括：
theme、target_audience、key_feature、duration、platform（如dy或bilibili） - 模板固定为：“你是一名
{target_audience}领域编导，为‘{theme}’生成{duration}秒{platform}竖屏脚本……” - 导出 CSV 后用脚本批量请求 API，比人工复制粘贴少出错，也方便回溯哪条 prompt 对应哪条脚本
最难的不是让 DeepSeek 写出来，而是让它写的每一行都能被摄像机、剪辑师、甚至 AI 绘图工具直接读取执行。字段名、单位、动词精度，这三个地方一松，后面所有环节都得人工重写。
