AI动画地名科普短视频全流程实操：史料考证、口播文案、分镜提示词、视频模型出片与AI标识合规（2026版）

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

做 AI 动画形式的地名、历史类科普短视频，真正的门槛早就不在画面上了。2026 年主流视频模型已经能稳定产出单条 4 到 15 秒的动画镜头，画面这件事正在变得“人人可得”；拉开差距的，是三件 AI 替你做不了的事：一是把地名由来考证准确，官方志书、学术研究、民间传说分层标注，绝不让 AI 胡编；二是把史料写成有人物、有年份、有动作的口播故事，前两秒用一个反常识问题留住人；三是发布前老老实实加上“AI 生成”标识，历史人物和典故不魔改。推荐的整体顺序是：选题考证 → 口播文案 → 先做配音定时间轴 → 用智能体把文案拆成分镜和提示词 → 视频模型逐镜出片（长镜头拆段、用上一段尾帧做下一段首帧来保证衔接） → 剪映里用文稿匹配上字幕、变速对齐 → 加 AI 标识后发布。国内创作者优先选择已完成备案的国产视频模型，境外模型使用需遵守国内网络与内容管理相关规定。

这篇文章我按“新手最容易卡在哪、每一步怎么动手、发布前怎么查”的顺序写，里面有我自己的流程表、提示词模板、文件命名规范、变速换算方法，还有一张发布前的合规自查表。

想看完整拆解，往下翻。

一、先把账算清楚：这类视频的难点到底在哪

1.1 画面已经不稀缺了

两年前做一条历史动画短片，要么会画、要么花钱找人画，门槛主要卡在“画面从哪来”。现在情况完全反过来了。Google 在 Flow 里放了 Veo 3.1 和 Gemini Omni Flash，国内有即梦、可灵、海螺、Vidu、通义万相这一批模型，输入一段文字描述，几十秒到几分钟就能拿到一条带运镜、带环境音的动画镜头。去刷一下抖音、视频号上的历史、地理、人文类账号，满屏都是这种 AI 动画。

画面变便宜以后，观众的眼睛也跟着变挑了。同样是一段“古代工匠在江边造船”的动画，十个账号能做出九个差不多的效果，观众凭什么停在你这里？我自己折腾了一段时间以后，得出的结论很朴素：画面只是入场券，内容才是座位号。 这里说的内容，具体就是两样东西，讲得准，讲得有人味。

1.2 一条三分钟视频，时间都花在哪

我把自己做一条三分钟左右的地名科普视频的耗时粗略记了一下，大概是这样一个分布（每个人熟练度不同，仅供参考）：

看这张表就明白了：后面四个环节，工具越来越好用，时间会一路往下压；前两个环节，工具只能帮你找资料、出草稿，真正要靠人的判断力。很多新手把力气全花在研究“哪个模型画得更好看”上，结果文案是 AI 一键生成的，满篇“据说”“相传”“因此得名”，画面再漂亮也留不住人。

1.3 整条流水线长什么样

先给一张全景图，后面每一章就是把其中一个方框拆开讲：

flowchart LR
    A[选题] --> B[三层史料考证]
    B --> C[口播文案]
    C --> D[配音 定时间轴]
    D --> E[智能体拆分镜 写提示词]
    E --> F[人工审核历史细节]
    F --> G[视频模型逐镜出片]
    G --> H[剪映合成 字幕 变速 调音]
    H --> I[添加AI标识 发布]
    B -. 发现新钩子 .-> C
    F -. 不合格退回 .-> E

这张图里有两条虚线，是我踩过坑以后特意加上去的。第一条是“考证的过程中会冒出钩子”，好开头很少是坐在那里硬想出来的，往往是翻资料翻到一个意外的细节，才发现“这个能当开头”。第二条是“分镜审核不合格要退回”，智能体写的提示词经常在服饰、建筑上出年代错误，这一步不能偷懒。

还有一个顺序问题要先讲清楚：先配音，再做画面。 很多人习惯先把画面生成出来再配音，结果画面长度和口播长短对不上，只能硬拉硬剪。声音是整条视频的时间轴，时间轴定了，每个镜头要几秒才有依据。这一点第四章会展开。

1.4 需要准备的工具清单

我按“国内可直接使用、合规优先”的原则整理了一份工具清单：

表里没有境外视频模型，不是因为它们不好用，而是因为它们目前没有面向中国大陆正式提供服务，国内创作者使用会面临网络访问、账号、数据出境等一系列合规问题。第六章我会用科普的方式介绍一下 Google Flow 的技术特点，方便大家理解行业现状，但实操部分全部以国产模型为主。

另外要提醒一句：网上有不少人在卖“代充值的境外账号”“来路不明的接口代充服务”，价格看起来很便宜。这类服务的来源、稳定性、数据安全都没有保障，还可能涉及违规，我自己不用，也不建议新手碰。

二、选题与考证：地名科普的地基

2.1 地名题材的特点：下限高，天花板也清楚

先说说我为什么觉得地名、历史沿革这类题材适合新手起步。

它的好处在于“天然有人关心”。每个人都有家乡，都在某座城市生活，看到“你家那个地方为什么叫这个名字”，几乎没人能忍住不点开。更关键的是，本地观众看完以后特别爱在评论区“认亲”：有人补充当地老人的说法，有人纠正你的读音，有人说“我们村的来历你也讲讲”。这种评论区的互动，是很多泛知识类内容求而不得的。

但它的限制也非常明确：受众天然带有地域性。 你讲一个地级市的区县地名，关心的主要是当地人和在外的老乡，很难像“一个全国人都有共鸣的话题”那样铺开。所以这类账号的播放数据通常比较稳定，但想做出现象级的爆款相对难一些。

如果你想把选题范围拉宽，可以往这几个方向延伸，它们和地名科普的方法论是相通的：

• 姓氏源流：某个姓氏最早出自哪里、历史上有哪些著名的郡望，天然和每个人有关。
• 成语、俗语的出处：“破釜沉舟”发生在哪条河边、“东道主”最早指的是谁，都是可以用动画讲清楚的故事。
• 老街、老地名背后的行业记忆：很多城市的“xx 巷”“xx 市”都和古代的行业分布有关。
• 物产与地名：一个地方的特产如何反过来影响了它的名字。

不管往哪个方向延伸，有一条原则不变：别人讲烂了的题目，你要么不碰，要么换一个别人没想到的切入角度。 同一个“长江为什么叫长江”，一百个人讲过了，但“长江在不同朝代分别被叫作什么”，可能就没几个人认真做过。

2.2 为什么考证是整条流水线的地基

地名由来这件事有一个特别麻烦的地方：同一个地名，往往同时流传着好几种说法。 有的来自正史和地方志，有的来自当代学者的研究，有的来自民间传说，还有一些干脆就是近些年网上以讹传讹编出来的。

而现在用大模型查资料，最大的风险恰恰就在这里。大模型的工作方式是根据训练数据“预测最像答案的一段话”，它并不会主动告诉你某个说法来自哪本书、可信度有多高。更麻烦的是，当它找不到确切答案时，会非常流畅地编出一个“看起来很像真的”故事，连年份、人名都给你配齐。这种现象业内一般叫“幻觉”，也就是模型一本正经地输出不存在的内容。

对地名科普账号来说，这是致命的。你讲错一个历史细节，评论区马上就会有本地的老师、文史爱好者出来指正，一次两次还好，多了账号的可信度就塌了。更严重的是，2026 年 4 月中央网信办部署开展的“清朗·整治AI应用乱象”专项行动，把“歪曲解构优秀传统文化、历史人物或历史典故”明确列为整治重点。拿 AI 编造历史故事，已经不只是“内容质量差”的问题了，而是实打实的合规风险。

所以我给自己定了一个死规矩：文案里的每一个年份、人名、事件，都要能说出它出自哪里。 说不出来的，要么删掉，要么明确标注“相传”“民间有一种说法”。

2.3 我的三层资料法

为了把考证这件事做得有章法，我把资料来源分成三层，可信度从高到低：

第一层里最值得推荐的是民政部的 中国·国家地名信息库（网址 dmfw.mca.gov.cn），它收录了全国大量标准地名，很多条目带有“地名来历”“地名含义”“历史沿革”字段，是做地名科普最权威的起点之一。另外，几乎每个地级市都有自己的地方志办公室或党史方志办公室，官网上常常有“地名由来”“历史沿革”这样的专栏，信息质量普遍比网上的自媒体文章高得多。

第三层的民间传说并不是不能用，恰恰相反，传说往往是最有画面感、最适合做动画的部分。关键在于讲清楚它是传说。观众其实很宽容，你说“相传当年这里有一位老人……”，大家听得津津有味；可你要是把传说当成史实言之凿凿地讲，懂行的人一眼就能看出问题。

2.4 一个示范：无锡的名字，到底和锡有没有关系

光讲方法有点空，我拿江苏无锡做个示范，演示一下三层资料法怎么落地。之所以选它，是因为无锡的地名说法特别多，很适合拿来练手。

先看第一层。无锡市的党史方志办公室网站上专门有一篇讲无锡地名由来的文章，梳理了两种主要说法。一种是流传最广的“锡矿说”：周秦时期城西的锡山出产锡，到了汉代锡被采完了，所以叫“无锡”；新莽时期据说因为又发现了锡，一度改名“有锡”，到东汉初年又改回“无锡”。这个说法可以追溯到唐代陆羽的《惠山寺记》，历代地方志大多沿用。不过同一篇文章也提到，清代光绪年间编地方志的人就已经对这个说法表示怀疑，认为“因为产锡而改名”的逻辑站不住脚。

再看第二层。当代学者从江浙地区地名的整体规律入手，提出了“古越语说”：“无锡”其实是古越语地名的汉字记音，“无”是发语词，没有实际意义，“锡”的本义因为古越语失传已经无从考证。支持这个观点的一个佐证是，江浙一带还有一批结构类似的古老地名，比如余杭、句容等，它们的第一个字同样很难用汉语字面意思解释。另外还有公开资料提到，二十世纪六十年代的地质调查发现锡山岩石中锡的含量极少，达不到开采价值，考古上也没有找到古代大规模采矿的遗迹，这进一步动摇了“锡矿说”。

最后是第三层。民间流传着一句很有名的话：“有锡兵，天下争；无锡宁，天下清。”传说是古人在锡山脚下挖出一块石碑，上面刻着这十二个字。这个故事画面感极强，但它显然属于传说范畴。

三层资料摆在一起，我会这样安排文案：

你看，同样是讲无锡，把几种说法按可信度排好，本身就构成了一个有反转的故事：大家以为的答案是“锡采完了”，结果学者说“可能跟锡压根没关系”。这种“你以为 A，其实可能是 B”的结构，天然就是一个好钩子。这就是我前面说的，钩子往往是在考证过程中冒出来的。

2.5 用大模型查资料的正确姿势

说了这么多大模型的风险，并不是说不能用它查资料。我自己每天都在用国产大模型帮忙检索，只是用法和“让它直接写文案”完全不同。我的原则是：把大模型当成一个手快但爱吹牛的实习生，它负责帮你找线索，你负责核实。

具体来说，我会分三轮来问。第一轮是“摸底”，让它把某个地名的主要说法都列出来，并且要求标注每种说法的出处：

请列出【某地名】由来的所有主要说法。要求：
1. 每种说法单独列出，注明它最早见于哪部文献或哪类资料；
2. 区分“正史或地方志记载”“当代学者观点”“民间传说”三类；
3. 如果你不确定出处，请直接写“出处不明”，不要编造书名和年份；
4. 不要写成文章，只要条目。

第二轮是“深挖细节”。摸底之后你会发现，某一种说法里藏着一个值得展开的故事，比如某个朝代在这里设了一个机构、某一批移民从哪里迁过来。这时候针对这个点继续追问：

关于【上一轮中的某条说法】，请补充更具体的细节：
涉及的人物、具体年份或年号、事件经过、当时的地理环境。
每一条细节都注明依据；没有依据的请明确说明。

第三轮是“回到原始资料核实”。大模型给出的每一个关键细节，我都会拿去国家地名信息库、当地方志网站或者学术数据库里再查一遍。能查到原文的，保留；查不到或者对不上的，一律删掉或降级为“相传”。

这里有一个很实用的小技巧：同一个问题换两三个不同的大模型分别问一遍。 如果几个模型给出的关键信息一致，而且都能在原始资料里找到依据，可信度就比较高；如果它们说法各不相同，那基本可以断定这个细节存疑，需要花更多时间去查证，或者干脆不用。

我还给自己做了一张考证自查表，每写完一个地名的资料就过一遍：

这张表看着繁琐，真正养成习惯以后，每个地名花不了几分钟。而它换来的，是评论区里“讲得真准”“这个细节我都不知道”这样的反馈，这比什么流量技巧都管用。

写到这里，地基算是打好了。下一章讲怎么把这些考证过的资料，写成观众愿意听完的口播故事。

三、口播文案：把史料写成有人味的故事

3.1 AI 初稿为什么“没有人味”

我做过一个小实验：把同一个地名的考证资料丢给大模型，让它直接写一段口播文案。出来的东西大概是这种感觉：

清朝中期，一批移民来到此地定居，他们为村庄取了一个吉祥的名字，
寓意美好的生活，这就是该地地名的由来。

挑不出错，但也记不住。问题出在哪？我总结下来有三个：

第一，没有具体的人。“一批移民”是谁？从哪来？几户人家？观众脑子里浮现不出任何画面。

第二，没有具体的动作。“来到此地定居”是一个概括，而不是一个场景。人是怎么来的？来了以后第一件事干了什么？

第三，没有情绪。一个吉祥的名字背后，藏着的是离乡背井的人对新生活的期盼，可 AI 初稿把这层情绪完全抹平了。

大模型擅长的是“概括”，而短视频口播需要的恰恰是“展开”。所以我的做法是：AI 初稿只用来帮我确认“这个地名大概是怎么来的”，真正的文案必须在考证出的细节基础上自己重写。

3.2 细节颗粒度：把“一批人”写成“几户人”

我用一个虚构的例子演示一下细节怎么往下挖（为避免误导，这里的村名和人物都是编的，只用来说明写法）。

假设考证资料里只有一句话：“清代中期，有移民迁入此地，建村取名柳湾。”这时候回到第二章的第二轮追问，继续挖：是哪一年？从哪个省迁来？领头的是谁？为什么选这里？假设地方志里查到了“某年，有王、赵等数户人家自外省迁来，于河湾处垦荒，见岸边多柳，遂以柳湾名村”。

有了这些细节，文案就可以这样写：

【干瘪版】
清代中期，移民来到这里，看到河边柳树多，就取名柳湾。

【展开版】
清朝某年，王家、赵家几户人家，拖家带口走了上千里路，
在一处河湾边停了下来。地是荒的，冬天冷得能冻裂瓦罐，
可河边那一排柳树长得正旺。领头的老人说：柳树能活，人就能活。
这个村子，就叫柳湾。

两个版本讲的是同一件事，区别在于展开版给了观众“能看见的东西”：几户人家、上千里路、冻裂的瓦罐、一排柳树。这些细节不是凭空编的，每一个都要能在资料里找到依据；像“领头的老人说”这种带有演绎色彩的句子，如果资料里没有记载，就要改成叙述句，或者明确说“后人传说”。

这里还有一个很现实的好处：具体的姓氏会引发共鸣。 当地同姓的观众听到自己的姓氏出现在家乡的地名故事里，停留时间和评论意愿都会明显提高。这也是地名题材独有的优势。

3.3 每一句话都要有“谁”

写地名文案时，我特别在意一件事：句子要有主语，让观众知道是谁做了这件事。 这不是什么独门秘诀，而是讲故事的基本功，但在地名文案里特别容易被忽略。

对比一下就清楚了：

右边一栏的写法有两个好处：一是观众听得懂因果，二是做分镜的时候有东西可画。左边“后改名为某某县”，画面上画什么？什么都画不出来。右边“当地政府嫌重名改了名字”，至少可以画一群官员在地图前商议的场景。文案有没有主语，直接决定了后面分镜好不好做。

3.4 开头两秒：用一个反常识的问题留住人

短视频的开头有多重要，不用我多说。平台推荐系统会看观众有没有在最开始几秒划走，这几秒的留存直接影响后面能不能进入更大的流量池。虽然业内有观点认为 2026 年平台越来越看重收藏、评论、搜索等综合指标，完播率的权重不像过去那么绝对，但开头留不住人，后面的一切都无从谈起，这一点从来没变过。

地名题材最好用的开头，是