视频 01｜
口播稿是写给耳朵的：把一篇文章改成三分钟的视频

文章可以让人停下来回看，
口播只能让人一路听下去。

一位做了十年招聘的经理，写过一篇三千多字的文章，讲简历上最容易吃亏的三处细节，在公众号上被转了很多次。她想把它拍成视频，就把手机架在书架上，打开文档从头念。念完一看时长，十三分钟。她回头删段落，删到三分钟再录一遍，自己回看都觉得别扭：每句话都对，可听起来像在念课文，听到一半就记不住前面说了什么。

问题出在文章和口播是两种文体。文章写给眼睛，读者可以跳读、回看、扫一眼小标题；口播写给耳朵，观众只能跟着时间往前走，前一句没听清，也没法倒回去看。所以把文章改成视频，光靠删减不够，要按耳朵的规矩重写一遍：先定一个判断，按时长算好字数，再用说话的句子把两三个要点讲清楚。

这一篇是「视频与镜头」系列的第一篇。这个系列讲知识型 IP 做视频的四件事：

1. 口播稿是写给耳朵的：把一篇文章改成三分钟的视频（本篇）
2. 上镜是练出来的：能量、语速、两种状态和每天十分钟的练习
3. 先定标题和封面，再做内容：中长视频的结构和留存
4. 一个人的视频生产线：先管声音，再批量拍，最后外包剪辑

「写作」系列讲了一篇长文怎样从大纲写到成稿（见《写作 01》），这一篇重点讲讲：手里有了一篇文章，怎样把它改成一条三分钟左右、观众听得进去的口播。

一、耳朵拿到的是一张单程票

读一篇文章时，眼睛其实一直在做很多事。先扫一眼标题和小标题，知道大概讲什么；遇到没看懂的句子，回头再读一遍；遇到熟悉的部分，一扫而过。速度和顺序，都由读者自己决定。

听口播时，这些事都做不了。声音按时间一句一句过去，观众只能接住此刻这一句，前一句没听清，后面就跟不上；大多数人也不会为了一句话把进度条拖回去。我把这叫作耳朵的单程票：观众只能往前走，没有回头路。

单程票带来三个直接的要求：

• 一次只讲一件事。 文章里可以几条线索并行，在第五段埋一个伏笔、到第十段再收回来，耳朵接不住这些。一条口播最好只有一个中心判断，所有要点都为它服务。
• 要给路标。 文章有小标题和分段，耳朵看不到。口播需要用说出来的话代替它们：「我说三件事」「第一件……」「说完原因，再说怎么做」。这些话写在文章里显得啰嗦，放在口播里，正是听众需要的扶手。
• 句子要短，数字要少。 一句话里套着两个从句，读的时候可以慢慢拆，听的时候还没拆完，下一句已经来了。数字也一样，「百分之三十七点五」听完就忘，「三个人里就有一个多」能留下来。

还有一项研究能说明，为一种媒介准备的内容，搬到另一种媒介上会打折扣。研究者分析了 edX（美国的一家大学在线课程平台）四门课约六百九十万次视频观看记录，其中有一组对比：两门课的老师都是公认讲课讲得好的教授，一门在录制前就按网课的格式，把每节课规划成一个个短小、独立的单元；另一门来不及重新录制，只能把旧的课堂录像剪成片段。结果前一门的观看投入明显更高，看完视频接着去做练习的学生也更多。研究者访谈的视频制作团队也认为，录制之前的规划对效果影响最大。为课堂准备的讲课直接搬上屏幕效果会打折，为阅读写的文章直接念出来，也是同样的道理。

二、先算一笔账：三分钟装得下多少字

改稿之前先算字数，能省掉很多返工。

人念出声的速度，比默读慢得多。有研究汇总了大量阅读速度的研究，其中中文的部分，默读平均每分钟约 260 个词，朗读约 152 个词。按一个词约一个半字折算，大致是默读每分钟三百九十字左右，朗读每分钟两百三十字左右。另一项研究请十八到三十五岁的母语者朗读难度相当的标准短文，中文的平均速度是每分钟约 255 字。

把这两组数放在一起看，眼睛五分钟读完的文章，念出来要八九分钟。一篇三千字的长文，默读大约八分钟，念出来要十二三分钟，这就是那位招聘经理第一次录出十三分钟的原因。

照每分钟 220 到 250 字估算，可以得到一张换算表：

这张表只是起点，每个人说话的快慢差别很大。更准的办法是测一测自己：找一段三百字左右的文字，用平时说话的状态念一遍，手机计时，算出你每分钟大约说多少字。再测一次五秒钟能说多少字，这个数决定开头第一句话能有多长，第四节会用到。

算完这笔账，有两个结论会变得很清楚。第一，一篇长文通常装不进一条三分钟的口播，更适合拆成两三条，每条讲一个点。第二，删减之后还超时，多半是因为想讲的点太多。这时该删的是要点，留下来的要点，不要为了省字压缩成一句空话。同一个想法怎样拆到不同平台、不同形式，在《生产 02》里讲。

三、一条三分钟口播的骨架

三分钟的口播，可以用一个很简单的骨架：

每个要点内部，可以按「结论、例子、做法」三步走：先用一句话说结论，再给一个具体的例子或画面，最后告诉观众他可以怎么做。招聘经理把三处细节拆成了三条视频，第一条讲经历里的动词，其中一个要点是这样的：

这一段一百五十字左右，念出来四十秒上下。它有一个清楚的结论，一个读者熟悉的场景，一个听完就能做的动作。

收尾有一个细节和写文章不同。写文章时，结尾把全文再总结一遍会显得啰嗦；口播里，内容不必重复，那一句核心判断却可以在最后换个说法再说一次。很多人是中途刷进来的，或者前面走了神，这一句是留给他们的。除此之外，结尾越短越好，「感谢观看」「记得点赞」这类话说得越多，人走得越快。

同一个素材，也不一定都要做成口播。招聘经理可以讲一次面试里发生的事，这是故事；可以拍自己拿红笔改一份简历的过程（个人信息事先隐去），这是记录；也可以对着镜头讲为什么空泛的动词让人记不住，这是分析。三种讲法吸引的是同一群人，观看的体验不同。口播最省事，适合讲判断和方法；需要演示的内容，拍过程更好懂；想让人记住一个道理，故事最有力，讲故事的方法见《写作 05》。动笔之前先想好用哪一种，比写完再改省力。

四、前五秒：开头要能单独成立

在抖音、视频号这类一屏一条的平台上，视频是自动播放的，观众先看到的是画面、先听到的是第一句话，标题往往后看到，甚至不看。所以口播的开头要能单独成立，不能指望观众已经读过标题。

开头的各种写法，在《写作 04》里有完整的讲法。这里只说口播特有的四点：

1. 按你五秒能说的字数写。 前面测出的五秒字数，就是开头第一句的上限。多数人五秒能说二十字左右，语速慢、声音温和的人更少。写成五十字的开头，念出来已经十几秒，观众早就划走了。
2. 字幕可以比声音先到。 开头那句话，可以在画面一出现时就以大字幕的形式打在屏幕上，比声音早半秒到一秒。观众可能是静音刷到的，字幕让他在听见之前就看懂这条讲什么。
3. 画面也在说话。 招聘经理开头时手里拿着一沓打印出来的简历，上面有红笔圈过的痕迹。这个画面比任何一句「今天我们来聊聊简历」都更快地告诉观众：这是一个每天看简历的人，在讲简历上的问题。
4. 不寒暄，把身份放进句子里。「大家好，我是某某，今天跟大家分享……」这样的开头，在一屏一条的平台上很容易被划走。需要交代身份时，把它变成一句话里的事实：「做了十年招聘，我最怕在简历上看到『负责』两个字。」

开头可以多写几版，五六个里挑一个念出来最顺、最能让你想服务的那类人停下来的。开头承诺了什么，后面就兑现什么：开头说「负责」两个字吃亏，正文就讲清为什么吃亏、怎么改；开头说能马上改，结尾就给一个马上能做的动作。

五、要点稿还是逐字稿

稿子写到什么程度再开拍，常见有三种做法：

这几种做法各有人推崇。喜欢要点稿的人说，逐字稿念出来不像人说话；喜欢逐字稿的人说，要点稿说着说着就散了。两边说的都是实情，前提不同：要点稿适合已经能对着镜头自然说话的人，逐字稿适合愿意花时间把稿子写成口语、再练到听不出在念的人。

我更推荐刚开始的人用混合稿。开头那二三十个字决定观众留不留下，收尾那一句决定他带走什么，这两处值得一字一字打磨，背熟再拍；中间的要点写清结论和例子，说的时候用自己的话展开。做过几十条以后，你自然会知道自己更适合往哪一边走。

有一类内容，我会建议用逐字稿：涉及专业结论、具体数字，以及医疗、法律、财务这类需要谨慎措辞的话。即兴发挥时，最容易脱口而出「一定」「绝对」「保证有效」，口播里一句说过头的话，影响比文章里一个错字大得多。广告法和平台规则对绝对化用语、效果承诺的限制，在《增长 03》里讲。

用逐字稿时，有两个办法能减轻念稿腔。一是写的时候就用说话的句子，写完出声念一遍，凡是念着拗口的地方都改掉；二是让提词器的文字尽量靠近镜头，眼睛离镜头越近，越不像在看稿。

六、从文章到口播：六步改稿

把前面的内容合起来，从一篇文章改出一条三分钟口播，可以按六步走。下面仍然用招聘经理那篇文章做例子。

第一步，挑一个能单独成立的点。 通读全文，找出那些单拿出来也讲得通的判断。她的文章写了三处细节，每一处都能单独成为一条视频。第一条先讲最多人踩的那一处：经历里的动词太空。

第二步，写一句话的中心句。 用一句话说清这条视频要让观众带走什么：「简历上空泛的动词让人记不住你，换成具体的动作和结果。」写不出这一句，说明这条还没想清楚，先别开拍。

第三步，按时长定字数。 她测出自己每分钟大约说两百三十字，三分钟就是七百字左右。开头二十字，判断五十字，三个要点各两百字左右，收尾五十字。三个要点定为：空动词为什么让人记不住；怎样改成「动作加结果」；没有数字可写的岗位怎么写。

第四步，改成说话的句子。 这一步花的时间最多，有几个具体的改法：

• 长句拆短：「在筛选简历的过程中，招聘方往往会因为经历描述的同质化而忽略候选人的实际能力」，改成「看简历的人一天看两百份。你写得和别人一样，他就看不见你」。
• 书面词换口语词：「综上所述」换成「所以」，「其」换成「它」，「若」换成「如果」。
• 抽象换成画面：「描述空泛」换成「『负责团队管理』这六个字」。
• 数字少而整：文章里的「平均缩短 37.5%」，口播里说「缩短了三分之一还多」。
• 加路标：「我说三点」「第二点更容易被忽略」「最后一点，改起来最快」。

第五步，出声念，录下来听。 用平时说话的语气念一遍，念到一半要换气、要回头看的句子，都再拆短。录下来以后，不看画面只听声音，问自己两个问题：只听一遍，能记住三个要点吗？从哪一句开始走神？逐句检查文字清不清楚的方法，在《写作 06》里讲。

第六步，标出画面和字幕。 在稿子旁边加一栏，写这句话配什么画面、哪个词用大字幕强调。讲到「负责」时，画面切到一张圈满「负责」的简历；讲到「四十天缩到二十五天」时，屏幕上出现这两个数字。画面和字幕替耳朵分担了一部分工作，观众听漏了半句，还能看见。

改完的稿子，可以整理成这样一张表，拍的时候放在手边：

可以怎么做

1. 测一次语速：念一段三百字的文字并计时，算出你每分钟说多少字、五秒说多少字。
2. 从一篇旧文章里挑一个点：找一个单拿出来也讲得通的判断，写出一句话中心句。
3. 按时长定字数：三分钟就是六百五十到七百五十字，先分好开头、判断、要点、收尾各占多少。
4. 写一份混合稿：开头和收尾逐字写并背熟，中间每个要点写清结论、例子和做法。
5. 出声念、只听声音：找出要换气的长句和让你走神的地方，拆短或删掉。
6. 做一张拍摄表：口播、画面、字幕强调三栏，拍的时候放在手边。

改稿时最难的往往是舍得。文章里那些你最得意的细节，大多要留在文章里，一条视频只带走其中最重要的一句。这一句讲清楚了，愿意深入的人，自然会去读那篇长文。

参考

• Brysbaert（2019），Journal of Memory and Language：How many words do we read per minute? A review and meta-analysis of reading rate
• Trauzettel-Klosinski 等（2012），Investigative Ophthalmology & Visual Science：Standardized Assessment of Reading Performance: The New International Reading Speed Texts IReST
• Guo 等（2014），ACM Learning@Scale 会议：How Video Production Affects Student Engagement: An Empirical Study of MOOC Videos