视频广告制作:5 到 10 秒竖版广告的结构
视频广告制作真正的难点不是画面好不好看,是十秒里塞不下三件事。这篇把一支竖版广告拆成五格时间轴:每两秒一格,写清画面放什么、文案几个字、字幕压在哪、这一格要完成什么。附产品图摆位、字幕安全区、CTA 位置,以及一条素材拆成三个尺寸的裁法。

本页目录
# 视频广告制作:5 到 10 秒竖版广告的结构
视频广告制作最容易走偏的地方,是把十秒当成一分钟来用。十秒里塞三个卖点,观众一个都记不住;十秒里只讲一件事,讲清楚了,这条就已经成立。
所以先定结构,再谈画面。下面这条五格时间轴可以直接套,改的只是内容,不是骨架。
一条片子只讲一个卖点
开工前先写一句话:这条片子要让观众记住什么。只能写一句。
写第二句的时候,问自己一个具体的问题——这一句能删掉吗?能删就删。5 秒的片子放不下第二件事;10 秒的片子放得下,但两件事会互相稀释,观众最后两件都记不牢。
常见的三个卖点方向,挑一个:
- 结果先行:先说用了之后会怎样。
- 差异对比:先说不用它会怎样,再说用了之后怎样。
- 细节放大:把产品最经得起看的那一处放大给观众。
0 到 10 秒五格时间轴
| 时间 | 画面 | 文案字数 | 字幕位置 | 这一格的任务 |
|---|---|---|---|---|
| 0–2 秒 | 结果或最反常的一帧 | 不超过 8 字 | 画面中段偏上 | 让人停下来,别划走 |
| 2–4 秒 | 主体出场,产品占三分之一 | 8–10 字 | 同上,跟着主体走 | 让人知道这是什么 |
| 4–6 秒 | 使用场景或关键细节 | 10–12 字 | 中段,避开产品区 | 让人相信它有用 |
| 6–8 秒 | 成品效果、对比结果 | 8–10 字 | 中段偏下 | 把承诺说具体 |
| 8–10 秒 | 定格画面,产品与文字同框 | 不超过 8 字 | 居中,压在安全区内 | 留下一个可执行的下一步 |
5 秒版本把这五格压成三格:0–2 秒钩子、2–4 秒主体、4–5 秒定格。压缩时优先砍掉“使用场景”那一格,它是可替换的;钩子和定格必须留。
10 秒版本也不要填满每一格。留白比塞满更有说服力:一格里的画面只放一个主体,文案只放一句话。

前三帧:钩子只有三种写法
前两秒决定有没有人看完后面八秒。三种开场最稳:
结果前置。直接放最终效果——成品的样子、使用后的状态。观众为了知道“怎么做到的”会看下去。
对比。左半画面是“之前”,右半是“之后”,或者前一秒是问题,后一秒是解决。对比是竖屏里最省字的说服方式。
动作中段。不从准备动作开始,从动作进行到一半开始。倒水从半杯开始,走路从跨出去的第二步开始。观众的眼睛会被“没看到开头”拽住。
三种都别配长句。0–2 秒那一格文案不超过 8 个字,超了就是没读完就切走。
文案:每格 8 到 12 字,别超过
竖屏的阅读时间是一秒一秒抠出来的。每格停留 2 秒,能读完的字数大约是 8 到 12 个——超过这个数,观众要么读不完,要么干脆不看了。
三条具体规矩:
一、一句话只讲一件事。“洗得干净,还不伤手”已经装了两件,观众勉强记得住;换成“深层清洁、温和配方、持久留香、全家适用”,四件一起上,一件都留不下。
二、数字比形容词有用。“3 分钟”比“很快”具体,“两片”比“适量”具体。
三、字幕和画面别抢。产品放在画面下半部,字幕就压在上半部;产品占满中段,字幕就退到最上方或最下方。两者叠在一起,两样都看不清。
字幕安全区:上 12%、下 18%
竖屏的上下两端不是你的画布。平台会把标题、账号名、按钮压在这些位置,字幕放进去就会被盖住。
按 9:16 的画面算:
- 顶部留 12%:大约 230 像素,避开标题区。
- 底部留 18%:大约 350 像素,避开按钮和文案输入区。
- 左右各留 6%:避免贴边被裁。
字幕落在中间这条带子里,字号不小于画面高度的 4%——按 1920 的高度算,差不多 77 像素起步。再小,手机上一晃就看不见了。
产品图怎么摆
产品是主角,但它不需要占满画面。
占三分之一。画面横向三分之一的位置是黄金区——偏左或偏右都行,居中反而呆板。留出的空白放文案,两者互不干扰。
光影方向要一致。产品上的高光从左来,背景的光就别从右来。方向对不上,观众第一反应是“P 的”,而不是“好看”。
底部留接触面。产品悬空会显得假;底下给一点投影、桌面、包装盒,它才“落”在画面里。
一次只放一个产品。多件产品同时入画,观众不知道该看哪个,记忆点直接稀释。
如果是人物出镜的广告,规矩换成另一套:全身入框,脚留在画面内,固定机位(锁定机位)——人一动、镜头一动,观众注意力就散了。
CTA 落在第 6 到 8 秒
行动指令放太早,观众还不知道你要他干什么;放太晚,人已经划走。
第 6 到 8 秒是窗口:这时候卖点已经讲完,观众有了判断依据。8 到 10 秒用来定格——画面停住,文字留在屏幕上,给人一个可以照着做的动作。
CTA 的写法只有一条要求:具体到动作。“了解一下”不如“点左下角看看”;“欢迎咨询”不如“评论区扣 1”。动词越具体,执行率越高。
同一条片子里只放一个 CTA。两个 CTA 等于没有 CTA。
一条素材拆三个尺寸
拍一条、剪三版,比拍三条省事得多。主版按 9:16 做,另外两版从主版改:
9:16 竖版(主版):抖音、视频号、小红书。字幕与产品的位置都按这一版定。
1:1 方形:信息流和封面位。裁切时保住产品和字幕,上下各切掉一部分——所以主版里要提前把关键信息放在中间那一段。
16:9 横版:B 站、网站、演示文稿。横版左右空间大,主版里贴边的内容会被拉进来,所以竖版排版时左右也要留余量。
拆版的时候有个原则:先定主体位置,再定字幕。主体在三个尺寸里都该落在画面中心附近,字幕跟着主体走,而不是跟着画幅走。

5 秒版和 10 秒版怎么互相改
两版不是长短关系,是两种用途。
10 秒做完整版:钩子、主体、场景、结果、CTA 五格齐全,用来把一件事讲清楚。
5 秒做钩子版:只留钩子、主体、定格三格,用来测哪个开场更抓人。同一支产品做三个不同开头的 5 秒版,哪个让人停得久,就把那个开头搬进 10 秒版的第一格。
从 10 秒改 5 秒:砍掉“使用场景”那一格,把结果提前,CTA 从第 6 秒挪到第 4 秒。
从 5 秒改 10 秒:在结果和 CTA 之间插一格“为什么可信”——细节、材质、对比,任选一个,别三个都放。
参数:先定,再生成
- 时长:5 秒是最小可用单元,10 秒是标准版。两档都按上面的时间轴压格,别自己取 7 秒这种中间值——两档的差别不在秒数,在能装几格,中间值两头不靠。
- 分辨率:720p 起草,用来判断节奏和文案位置;定稿出 1080p。广告的字幕在 720p 下会发毛,最终版必须 1080p。
- 画幅:9:16 主版,1:1 与 16:9 由主版派生。
FAQ
5 秒真的够吗?够讲一件事。5 秒的片子适合做“钩子版”,用来测哪个开场更抓人;10 秒适合做完整版。先把 5 秒做对,再加长。
文案一定要配音吗?不一定。竖屏环境下大多数人静音看,字幕承担主要信息。配音是加分项,字幕是必需项。
产品图能直接用手机拍吗?能。关键是光:一个方向的主光、一块反光板补暗部,比换设备有用。
字幕用什么字体?无衬线、笔画粗一点的那种。细体在小屏上糊成一片,花体更难认。一屏只用一种字体。
一条片子能讲两个卖点吗?10 秒版本可以,但第二个卖点必须和第 6 到 8 秒的 CTA 绑在一起,不然它会被当成噪音。
横版素材能转竖版吗?能,但要重新排一次版——主体放大、字幕重排,别直接把横版塞进竖框里,那样上下会留两条黑边。
下一步
想让产品图本身动起来而不是靠剪辑,看免费图片生成视频;人物出镜的动作怎么控制,看ai动作控制;多条素材怎么排成一支长片,看怎么把照片做成视频。
先写下那一句卖点,再打开模板页,按五格时间轴排第一版 10 秒。
本文这些条件,可以拿一张照片在图片转视频工具里当场验:先跑 5 秒一条,看主体和构图撑不撑得住,再决定要不要往下做。


