输入产品名称、卖点和一张产品图，AI自动生成带货口播视频——没有真人出镜，没有拍摄成本，13秒成片。
电商带货视频，最头疼的是什么？——找主播、背台词、布景打光、反复重拍……尤其是口播类视频，一个人说错一句，整条重来。请一个专业带货主播，单条视频成本动辄几百上千。
现在，这套扣子工作流把整个过程变成了三个步骤：输入产品信息 + 上传产品图 + 点击运行。AI会自己写口播脚本、自己规划镜头、自己生成带口播动作的带货视频。
从产品图到带货视频：全流程拆解
第一步：输入产品信息，AI自动生成“拍摄脚本”
工作流入口只需要四样东西：
- 产品名称
- 产品图片
- 产品卖点（文字描述）
- API密钥
上传完成后，大模型节点立即开始工作。它内置了一套完整的带货视频导演知识库——包含全品类的展示策略和动作库。
以服饰类为例，这套知识库会这样拆解卖点并转化为画面指令：
| 卖点关键词 | 自动匹配的展示动作 |
|---|---|
| “冰丝透气” | 双手捏起面料抖动，展示垂坠凉感，微距切镜聚焦透气孔纹理 |
| “修身不紧绷” | 深蹲一次起身，展示弹性 |
| “不起球不褪色” | 手指搓揉面料表面，展示无起球 |
它输出的内容不是简单的文案，而是带镜头指令、打光描述、动作指令、口播节奏提示的完整13秒分镜脚本：
前3秒：中景怼脸镜头，博主手持产品举至胸前，环形灯正面补光，口播hook…
中间10秒：切全身镜展示上身效果，双手捏起面料抖动，微距切镜聚焦面料纹理…
结尾2秒：全身穿搭镜展示，右手食指自然向下指，口播引导…
视觉节奏被严格划分为三段：前3秒痛点钩子 + 中间8秒卖点可视化 + 结尾2秒行动引导。
一个关键设定是：全程零字幕——所有卖点信息只通过画面动作和口播语音传递，禁止出现任何文字标注。真实的口播视频就是这样，靠的是主播的语言和动作，而不是贴字幕。
第二步：图片转列表
产品图片通过str_to_list插件被转换为列表格式，准备传入视频生成接口。
第三步：Happyhorse生成带货视频
核心环节调用Horse视频生成插件。它接收三样东西：
- 产品图片列表（作为视觉参考）
- 大模型生成的分镜脚本（作为动作和镜头指令）
- 固定时长13秒（9：16竖版，720P）
Happyhorse基于产品图和脚本指令，生成一段虚拟博主手持/展示产品并进行口播动作的带货视频——全程无真人出镜，无实拍成本。
第四步：轮询等待 + 自动提取
提交任务后进入自动轮询机制（最多10次，每次60秒）。生成完成后，第二个大模型节点自动从结果中提取纯净的视频URL，去除多余的元数据，直接输出可用链接。
为什么AI能”自动写脚本”？
核心秘密在于大模型节点的系统提示词。它是一个完整的带货视频导演知识库，包含但不限于：
- 品类适配策略：穿戴类侧重上身效果，美妆类侧重质地展示，数码类侧重功能演示，家居类侧重痛点对比，食品类侧重开箱试吃反应
- 卖点可视化转译规则：每条卖点必须对应一个可被镜头捕捉的展示动作
- 镜头语言指令集：明确标注中景/怼脸/俯拍/特写的切换方式
- 打光描述规范：环形灯正面补光/顶光打透明质感/侧光打轮廓立体感
- 口播节奏提示：”此处语速加快强调””停顿1秒制造期待””表情惊喜”
这套知识库确保AI输出的分镜脚本可执行、有细节、不空洞，直接能被Happyhorse理解并转化为视频画面。
技术规格一览
| 参数 | 说明 |
|---|---|
| 输入 | 产品名称 + 产品图片 + 产品卖点 + API密钥 |
| 大模型 | 豆包·2.0·Pro（生成口播分镜脚本） |
| 核心接口 | Horse视频生成（horse_video_generate） |
| 视频时长 | 13秒（固定） |
| 输出分辨率 | 720P |
| 视频比例 | 9:16（竖版短视频） |
| 最大等待时间 | 10分钟 |
| 画面设定 | 全程无字幕，信息通过口播+动作传递 |
应用场景
- 电商卖家：多款产品快速生成带货视频，零拍摄成本
- 品牌营销团队：批量产出标准化口播素材，保持内容调性一致
- 独立站/跨境商家：无需外籍主播，AI生成多语言适配的带货内容
- 新品测试：快速生成视频用于广告投放测款，降低试错成本
