不露脸也能做的汽车故事视频：AI 选题、文案智能体、合规素材与成片流水线的完整拆解

本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。

快速摘要

如果你只想要结论，这一段就够了：用 AI 做汽车故事类短视频，真正的门槛不在剪辑，而在三件事——第一，文案的事实层必须可核验，车型年代、定位、动力形式这些内容一旦被大模型编错，评论区会在半小时内把你的账号钉死；第二，画面素材只能走"自己拍、正版授权、AI 生成"这三条路，把别人的视频下载下来去水印再拼接，侵害的是信息网络传播权，去水印本身还会被当成主观恶意的证据；第三，自 2025 年 9 月 1 日《人工智能生成合成内容标识办法》施行后，AI 生成的画面、配音、文案在发布时必须主动做内容声明，抖音、微信、小红书、B 站都已经上线了对应入口，删除或隐匿标识属于明确禁止的行为。汽车又是网信部门专项整治的重点领域，贬损车企、虚假测评、同质化刷屏都在通报清单上。把这三件事做扎实，一个人一天出两到三条 60 到 90 秒的成片是完全做得到的。

下面这篇是完整拆解：从选题池怎么建，到把大模型调成一个"车评撰稿人"的提示词该怎么写，到三条合法素材路线各自的成本和坑，再到时间轴怎么排、封面怎么做、数据怎么诊断、后面能通向哪些合规的价值兑现路径。想看完整拆解，往下翻。

一、先想清楚：观众看的到底是车，还是一段关于车的故事

1.1 这类账号能跑起来，靠的不是车本身

我第一次刷到"每天认识一辆车"这种形态的账号时，第一反应是不理解。车评这个赛道卷了十几年，专业媒体有摄影棚、有试驾场、有工程师，一个不露脸、只放几段画面配一段旁白的号，凭什么能有稳定的播放？

后来自己动手做了十几条，才想明白一件事：这类内容根本不在跟专业车评抢地盘。专业车评回答的是"这台车值不值得买"，是消费决策；而故事型汽车内容回答的是"这台车是怎么回事"，是好奇心。前者的受众是准备掏钱的人，是一个窄口；后者的受众是所有对车有一点点兴趣的人，口子宽得多。

你可以做个简单的自测：路上看到一台没见过的车，你会不会下意识多看两眼？绝大多数人会。这个动作背后是一种非常朴素的心理，人对"有身份感的物件"天然存在注视欲望。豪华品牌车型的画面之所以耐看，不是因为观众打算买，而是因为它提供了一个短暂的、成本为零的注视机会。理解了这一点，你就知道这类视频的内容内核是什么了——不是参数，是叙事。

1.2 三类车型，对应三种完全不同的用途

我把自己的选题池分成三块，每一块承担的任务不一样，混着排期效果最好。

第一类是高端车型。 这类内容的作用是拉新，画面本身自带停留价值，前三秒的完播率通常最高。缺点也很明显：观众和这类车距离太远，评论区互动会偏冷，很多人看完就划走了，不留言也不点赞。所以它适合做"引流位"，但不能占满整个内容池。

第二类是经典老车型。 桑塔纳、老款捷达、五菱之光、三菱系的一些老车、初代高尔夫这类。它们的画面并不高级，但话题密度极高——因为它们跟一代人的具体生活捆在一起。有人的爸爸开过，有人的驾校教练车就是它，有人第一辆车就是它。这类选题的互动率是三类里最好的，评论区会自己长出内容来。我自己做下来的体感是，同样的播放规模，老车型的评论量能到高端车型的两三倍。

第三类是主流家用车型。 十几万这个价位段的常见车型。这类内容的价值在于搜索——很多人是带着明确疑问来的，比如某台车的历史沿革、某个配置的由来。它的即时播放通常不如前两类，但长尾很稳，发出去两三个月还在缓慢涨播放。

1.3 选题池要一次建够，不然第七条就断粮

这是新手最容易低估的地方。凭灵感做内容，前三条很爽，第五条开始卡壳，第七条就开始硬凑。我的做法是一次性把选题排到六十条以上，按"高端引流—经典共鸣—家用长尾"的比例大致按 3∶4∶3 混编，再按周排期。

建池的时候有一个筛选动作我一直在做：这台车有没有"一句话能讲清的记忆点"。比如某个车型是某个细分市场的开创者，某个车型因为一次工程妥协留下了持续多年的争议，某个车型在某个特定年代承担了特殊的社会角色。如果一台车找不出这样一句话，那它就不适合做故事型内容，硬做出来只会变成参数朗读，完播率一定很难看。这个筛选标准是我（莫潇羽@无忆研习社）在废掉了七八条选题之后才总结出来的，它比任何模板都管用。

选题池长这样，字段不用多，够用就行：

"事实核对状态"这一列千万别省。后面我会专门讲为什么。

二、开工之前必须先过的一关：AI 标识与汽车领域的特殊监管

我知道很多人看教程只想直接跳到"怎么做"，但这一节如果跳过去，前面所有工夫都可能白费。我把它放在第二章，就是因为它不是补充说明，而是这条流水线的前置条件。

2.1 显式标识和隐式标识，分别指什么

《人工智能生成合成内容标识办法》由国家网信办、工业和信息化部、公安部、国家广播电视总局四部门联合发布，2025 年 9 月 1 日起正式施行，配套的强制性国家标准《网络安全技术 人工智能生成合成内容标识方法》同步实施。核心要求可以拆成两个概念：

显式标识，指的是用文字、声音、图形等方式呈现、用户能明显感知到的提示。比如视频画面角落的"AI 生成"角标、简介里的一行说明、开头的一段提示文字。隐式标识，指的是写进文件元数据里、用户平时看不见的信息，包含生成合成内容的属性信息、服务提供者名称或编码、内容编号等制作要素。

对创作者来说，这里有两句话必须记牢。第一，规定明确禁止任何组织和个人恶意删除、篡改、伪造、隐匿这类标识，也禁止为他人实施上述行为提供工具或服务。市面上那些号称"一键去除 AI 痕迹"的工具，性质是很清楚的，别碰。第二，服务提供者在提供下载、复制、导出功能时要确保文件里含有符合要求的显式标识——也就是说，你从生成工具里导出的素材，本身很可能已经带标识和元数据了，你在剪辑时把角标裁掉，这个动作是有问题的。

2.2 各平台的落地不一样，得分别记

新规施行后，主流平台都更新了用户协议并上线了功能，但细节有差别，我做一个横向对照：

有媒体做过实测：主动标注后，各平台的展示位置和显眼程度不一样，而对没有主动标注的内容，平台的自动识别能力目前还谈不上百分之百准确。但这里我要说句实在话——识别不准不是你可以不标的理由。部分平台对未主动标识 AI 生成内容的行为，处理手段包括限流、下架内容、封号，抖音还有取消营利资格、抹除粉丝这类措施。用一个可能存在的漏洞去赌一个明确的账号风险，这笔账怎么算都不划算。

我自己的做法是三层冗余：发布时打开声明开关；简介里写一句"本视频画面含 AI 生成内容"；如果整条片子的主要画面都由 AI 生成，开头三秒再叠一个静态提示条。做完这三层，我心里才踏实。

2.3 汽车这个领域，还有一层额外的红线

一般的 AI 内容合规之外，汽车赛道有它自己的高压线，这是很多做泛内容的人不知道的。

2025 年 9 月，工业和信息化部、中央社会工作部、中央网信办、国家发展改革委、公安部、市场监管总局六部门联合部署了汽车行业网络乱象专项整治，集中整治非法牟利、夸大和虚假宣传、恶意诋毁攻击等问题。同年 11 月和 12 月，国家网信办两次公开通报典型案例，被处置的账号涉及五类行为：发布贬损性信息侵害企业商誉、散布虚假不实信息恶意诋毁攻击、发布不实测评信息侵犯企业名誉、歪曲解读涉企公开信息恶意唱衰、以及发布同质化信息扰乱正常市场秩序。涉及的账号里不乏行业知名的大号，处置措施包括关闭账号。到 2026 年，相关整治仍在延续，中央网信办又启动了"清朗·优化营商网络环境 整治恶意炒作涉企信息"专项行动，虚假不实测评、恶意集纳负面信息仍然在重点清单上。

翻译成做内容时的具体动作，我总结成四条：

• 不做横向拉踩。 "某某品牌就是不行""买这个的都是冤大头"这类表达，一句都不要有。你可以讲某台车在工程上做了什么取舍，但不能把取舍说成缺陷，更不能延伸攻击企业和企业家。
• 不做未经实测的测评结论。 你没跑过场地、没有测试设备，就不要给出加速、制动、能耗的具体结论。故事型内容本来也不需要这些。
• 不做同质化搬运式刷屏。 注意通报里那条"发布同质化信息扰乱正常市场秩序"——这条经常被忽略，但它直指用同一套模板批量灌内容的做法。这也是我后面反复强调"每条要有信息增量"的现实原因，不只是为了数据好看。
• 不碰智能驾驶的宣传口径。 涉及辅助驾驶功能时，用官方口径的名称和等级描述，不要自己发挥，也不要暗示脱手可用。这一块的监管口径这两年一直在收紧。

2.4 发布前自查表

我把上面这些整理成了一张表，贴在剪辑软件旁边，每条片子导出前过一遍，大概花一分钟：

这张表是我（莫潇羽@无忆研习社）在被限流过两次之后才补齐的，前面那两次的教训后面会讲。

三、文案是整条流水线的天花板：怎么把大模型调成一个车评撰稿人

画面能靠工具堆出来，节奏能靠模板套出来，唯独文案不行。同样一台车，一段好文案和一段平庸文案的完播率差距，我实测下来能差出一倍以上。这一章我讲得细一点。

3.1 为什么直接让大模型"写一篇某车型解说"出来的稿子是废稿

你可以现在就去试。打开任意一个大模型，输入"写一段某某车型的短视频解说文案，60 秒"，它一定会给你一段结构工整、辞藻齐全、读起来毫无问题的稿子。但你把它做成视频发出去，数据大概率很难看。

问题出在三个地方。

第一，它写的是说明书，不是故事。 模型的默认输出习惯是罗列——先介绍品牌，再介绍定位，再介绍动力，再介绍内饰，最后总结。这个结构在文字阅读里勉强能忍，在短视频里是灾难，因为它没有悬念，观众在第八秒就知道后面五十秒会讲什么了。

第二，它会编。 这是最危险的一点。汽车领域的具体事实密度极高——上市年份、平台代号、动力形式、代际划分、市场定位，模型在这些点上的幻觉率不低，而且编得非常自信。我遇到过模型把某车型的换代年份说早了两年，也遇到过把一台后驱车说成前驱。这类错误在汽车内容的评论区是零容忍的，一条视频翻车，账号的专业感就没了，后面很难挽回。

第三，它没有立场。 好的汽车故事文案一定有一个"我怎么看"的角度，哪怕只有一句。而模型的默认输出是四平八稳的中立叙述，看完记不住任何东西。

3.2 事实层和叙述层，必须拆成两步

这是我最想推荐给新手的一个做法，也是我自己走过弯路之后定下来的铁律：不要让模型一次性同时负责"查事实"和"讲故事"。

正确的顺序是先立事实，再写故事。

第一步，把事实层单独列成一张表，并且逐条核对。 我会先让模型输出一个纯事实清单，格式固定为条目式，然后我拿着这张清单去官方渠道核对——车企官网的车型页、官方发布的产品资料、公开的年份信息。核对完的条目才允许进入下一步，核不到的条目直接删掉，绝不带着"大概是"往下走。

事实清单长这样：

【事实层核对清单 · 车型 X】
1. 所属品牌与国内引入方式：______（来源：______ ／ 状态：已核 ／ 待核）
2. 该代车型的推出年份区间：______（来源：______ ／ 状态：______）
3. 车身形式与级别定位：______（来源：______ ／ 状态：______）
4. 主要动力形式（燃油／混动／纯电）：______（来源：______ ／ 状态：______）
5. 在品牌产品序列中的位置：______（来源：______ ／ 状态：______）
6. 一个可公开查证的产品特征：______（来源：______ ／ 状态：______）
7. 禁止写入：具体加速成绩、制动距离、能耗实测值（无实测资质）

第二步，把核对完的清单喂给模型，只让它负责叙述。 这时候模型不需要"知道"任何东西，它只需要把你给的事实组织成有节奏的口语。幻觉的空间被压到极小，输出质量反而更稳。

这一拆，写稿时间大概会多花五到八分钟，但翻车概率下降的幅度是数量级的。我认为非常值。

3.3 智能体怎么搭：人设、知识库、约束三件套

如果每天都要出稿，把上面这套流程固化成一个智能体是值得的。国内可以直接用的智能体搭建平台不少，字节的扣子（Coze）是比较典型的一个，支持可视化配置人设、挂知识库、设置行为禁令，也支持发布到多个渠道；豆包等应用内也提供了轻量的智能体创建入口。用哪个平台不是重点，重点是这三件套怎么配。

人设部分要写得具体。不要写"你是一个汽车博主"，这句话对模型几乎没有约束力。要写清楚语气、句长偏好、叙述人称、禁止的表达习惯。

知识库部分放两类东西：一是你自己整理的事实核对模板，二是你已经确定的风格样例（自己写的，不要放别人的成稿）。

约束部分是最容易被忽略、也最关键的一块，它决定了这个智能体是帮你省事还是给你埋雷。

下面是我自己在用的提示词框架，可以直接改：

【角色】
你是一名长期做汽车故事类短视频的撰稿人，为口播旁白写稿，不出镜。

【输入】
我会提供一张【事实层核对清单】。清单内的信息全部已核实，
清单外的任何汽车事实，你一律不得补充、不得推测、不得举例。

【输出结构】（总时长 60 到 90 秒，约 260 到 380 字）
1. 钩子（约 3 秒，20 字内）：抛出一个具体疑问或反差，不要问"你知道吗"。
2. 定位（约 10 秒）：这台车在当时是个什么角色。
3. 转折（约 25 秒）：一个工程取舍、一次市场判断或一段时代背景。
4. 争议或余味（约 20 秒）：呈现两种看法，不下定论。
5. 落点（约 10 秒）：回到观众自身的生活经验，抛一个开放问题。

【语言要求】
- 口语，短句为主，允许出现口头语。
- 每 15 字左右换一次气口，便于配音断句。
- 全文禁止书面连接词：首先、其次、综上所述、值得注意的是。
- 人称用"我"和"你"，不要用"我们"。

【硬性禁令】
- 不得出现加速、制动、能耗、油耗的具体数值。
- 不得使用国家级、最佳、第一、顶级等绝对化表述。
- 不得对任何品牌、车型、企业负责人作贬损性评价。
- 不得进行品牌间的优劣比较。
- 不得暗示辅助驾驶可以脱手或替代驾驶员。
- 不得出现价格承诺、保值承诺、任何形式的效果保证。

【输出格式】
先输出正文，再单独输出一行【事实引用检查】，
逐条列出正文用到了清单里的第几条。

最后那个"事实引用检查"是我加的一个小机关，作用是让模型自己把用到的事实标出来。只要它列出的条目在清单里找不到，说明它又开始自由发挥了，这一稿直接作废重跑。这个小动作帮我拦下过好几次幻觉。

3.4 参考同行，边界在哪

原始资料里有一种做法流传很广：把同行的视频链接丢进提取工具，把文案扒下来当范例喂给模型。这件事我必须说清楚，因为它的风险被严重低估了。

法律上，别人的解说文案是受著作权保护的文字表达。法院在处理短视频二次创作纠纷时的思路很明确：对已有素材进行选择、组合、设计、评论，形成体现创作者个性化表达、与原作品存在实质性差别的新视频，才被认定为有独创性的视听作品；反过来，直接搬运或者只做表面改动的，不受这个逻辑保护。把别人的成稿作为"参考文案"批量投喂给模型，生成物在表达层面跟原稿的相似度是不可控的，你不知道它会在哪一