★ FEATURED ARTICLE 1. 播客剧本这活儿跟写公众号完全是两码事第一次接播客剧本的单子我把一篇公众号长文改成了对话体自信满满交给客户结果对方听了样音直接打回来一句“念起来像新闻联播。”那次之后我才明白播客剧本写作和写阅读型文案底层逻辑根本不是一回事。阅读型文案靠眼睛消费读者可以回看、可以跳读、可以停下来查词播客靠耳朵消费听众在开车、在做饭、在跑步注意力是碎片的、线性的、不可回退的。你用写文章的节奏去写耳朵听的内容出来的东西一定是灾难。我做大模型辅助内容生产这几年播客剧本是其中性价比被严重低估的一块。原因很实在一期30分钟的播客纯人工从选题、搭骨架、写稿、改口语、加备注到交付熟练的人也要两到三天而把 ChatGPT 放进流程里做“结构搭架 初稿生成 局部返修”同样质量能压到半天以内。这不是噱头是我自己跑了几十期节目之后摸出来的稳定区间。这篇东西写给谁看三类人。第一类是内容行业的独立从业者接播客代运营、企业内刊音频化、知识付费音频课的单子想提效第二类是自己想做播客但每次对着录音键卡壳的创作者需要一套能复用的稿子生成方法第三类是已经会用大模型写文案、但发现“写出来的稿子念不顺”的人。如果你属于第三类那说明你缺的不是模型能力是把书面语翻译成口腔肌肉记忆的那套工序。先说清楚一个前提模型不会替你决定这期节目讲什么也不会替你判断嘉宾哪句话能剪成金句。它擅长的是在三件事上提速——把散乱的想法整理成有递进的主线、把书面表达批量改写成能读出声的口语、按固定格套生成配套的过渡句和备注层。想明白这个边界后面所有操作才不会跑偏。2. 一期能听的播客稿子里必须站着这六根柱子拿到任何选题我现在的第一动作不是打开对话框而是先在纸上画六个格子。这六个格子对应一期节目的六种零件缺一个都会在成片里露怯。模型可以帮你填每个格子但格子本身必须你先定否则它会给你一篇四平八稳、听完什么都不记得的“标准稿”。2.1 钩子前九十字决定听众走不走播客平台的数据后台普遍有个规律开头的流失率最陡。听众点进来前几十秒如果听不到“这跟我有关”的信号手指一划就走了。所以钩子不能是自我介绍不能是“欢迎收听某某节目”也不能是宏观背景铺陈。我常用的三种钩子实测下来留存最稳反常识断言先抛一个跟大众认知相反的结论比如“做播客最不该先买麦克风”然后立刻说“这期我们聊聊为什么”。具体场景代入描述一个听众正在经历的具体画面比如“你有没有过那种录了四十分钟回听发现自己一句话都没记住的经历”。代价提问把不解决问题的时间成本具体化比如“一个季度做八期节目稿子占了你多少小时”。这三种钩子的共同点是不铺垫、不客套、第一句就给出信息。让模型生成钩子时我会明确要求“写三个版本每个不超过六十个字不许出现‘大家好’‘欢迎收听’‘今天我们来聊聊’”。不加这条约束它百分之百给你端上一段标准的开场白。2.2 主线一张问题链表比大纲好用十倍很多人用模型写播客稿第一步就让它“生成一期关于XX的播客大纲”。这个指令太模糊模型会给你一个漂亮的层级结构看起来很专业但你照着讲会发现每个点之间没有咬合讲完第一个点就不知道该往哪儿拐。我现在改用问题链。所谓问题链是把这一期要回答的问题按“听众会自然追问的顺序”排成一条线上一个问题的答案里必须埋着下一个问题的钩子。比如一期讲“如何给播客选设备”的节目问题链是这样的顺序听众心里的问题这个问题存在的理由1手机自带的录音能不能用这是绝大多数人的真实起点不解决它没法往下聊2什么时候必须换设备划出升级临界点避免新手一上来就乱花钱3第一个该升级的是哪个环节把有限预算投到收益最大的位置4花多少钱算是“够用”给出可执行的价格锚点5哪些参数其实是营销话术破除焦虑建立信任这张表的每一行都可以直接变成节目里的一段。更要紧的是表格的“理由”那一列其实就是模型生成内容时最好的上下文。我把整张表喂进去让它按顺序展开出来的东西逻辑咬合度远高于单纯丢一个大纲。2.3 过渡句书面转场的毛病在耳朵里会被放大“接下来我们聊第二个方面”“与此同时”“综上所述”——这些词在文章里毫无问题念出来就是灾难。听众听到“接下来我们聊第二个方面”脑子里会立刻响起“这是稿子”的警报注意力瞬间滑走。真人说话的转场长什么样一般是用上一个话题的尾巴勾住下一个话题。比如讲完手机录音的局限不要直接说“下面讲设备选择”而要说“所以你大概猜到了问题不在手机在于手机解决不了的那个场景——这就得聊聊设备了”。这种转场句模型自己写不出来因为它是“结构感”而不是“句式”。我的做法是让模型在每一段的结尾单独生成两到三句“引出下一段”的自然衔接人工挑一句改一改比让它一次性写完整篇再回头修要省力得多。2.4 访谈提纲双栏设计一半给主持人一半留白访谈类节目最容易翻车的不是问题问得不好是问题把嘉宾的回答空间堵死了。模型生成访谈提纲时有个顽固习惯喜欢写“您认为XX的原因是什么”“您如何看待XX”这种封闭式提问嘉宾只能回答“是的”“对”“我觉得主要有三点”然后整段垮掉。我现在的做法是双栏。左边是“必须问到的问题”右边是“如果嘉宾回答了A就追问B”。右边那栏是节目质量的来源因为好内容往往藏在追问里。给模型的指令会写成这样请为每个主问题生成两个追问方向追问必须基于“嘉宾可能给出的回答”来设计不要写开放式感慨。面试过嘉宾的人都懂一期节目最出彩的三十秒八成来自一个临时冒出来的追问。双栏设计的价值不是让模型替你追问而是提前把可能的回答分支想一遍让你在现场有余裕去听、去抓。这一点我在下面第三章还会展开讲。2.5 独白稿口语化不是加“呢”“吧”是改句长新手对“口语化”最常见的误解是以为多加点语气词、多来几个“其实”“就是说”就够了。真念一遍会发现加了语气词的稿子更难读因为语气词需要气息支撑密度一高说话的人自己先喘不上气。口语化的真正核心是句子长度和断句位置。书面语可以写四十个字的长句因为眼睛能自动切分口播的长句必须切成十五到二十字一段每段一个落点。我给模型的改写指令里有一条硬约束“每个自然段不超过三句每句不超过二十五个字超过就拆。”这条约束看着粗暴但效果极好尤其是你自己要念的稿子——句子短了换气点自然就出现了。2.6 备注层给剪辑师的那一半稿子这是最容易被忽略、但对交付质量影响最大的一层。给客户的稿子如果只有正文剪辑师拿到音频后要自己猜哪里是重点、哪里要重录、哪里准备加音效。我现在的做法是在正文之外单独加一层备注用方括号标出三类信息重录标记某句读音不稳或语速过快、剪辑提示此处可剪一段呼吸间隙、素材位此处建议插入一段数据或引语。模型生成备注层的价值在于它能对照正文做一致性检查。比如让它“逐段检查正文标出所有涉及具体数字、具体人名、具体时间的位置列成清单”。这类纯机械的核对工作人工做二十页稿子会疯模型几秒钟给你一张表。看着不起眼但它能救掉好几次因为说错数字而返工的录制。3. 把提示词写对模型才会写“能读出声”的稿前面说的六根柱子是骨架提示词是把骨架填成肉的工具。我见过太多人抱怨“模型写的稿子一眼AI味”其实问题八成出在提示词上——指令太笼统模型只能按训练数据里最常见的那种“内容营销腔”来写出来的自然就是那种四平八稳的调调。3.1 系统提示的三段式搭法我现在固定用三段式结构写系统提示身份 硬约束 反面清单。身份告诉模型它在扮演谁硬约束划定输出边界反面清单列出绝对不许出现的东西。缺了第三段质量会明显下滑因为模型不知道哪些习惯需要压制。你是一位有八年经验的播客内容策划服务的客户多为中小型知识类节目。 你的输出必须满足 1. 所有句子控制在25字以内超过必须拆分 2. 每段之间必须有一个自然的衔接句不许用接下来下面与此同时 3. 涉及数字、时间、专有名词必须标注[待核实] 4. 全文禁止出现总而言之综上所述值得注意的是不难发现 5. 禁止使用排比句连续三句以上。 输出格式分段落每段前标序号段后单起一行给一句衔接提示。这段提示里我最看重的是第4条和第5条。模型有很强的排比倾向因为它训练数据里的“金句”大量是排比结构。但排比在口播里是灾难——三句连排说话的人气息断了听众的注意力也散了。明确禁止之后稿子的“念感”会立刻改善。3.2 时长和字数的换算得有一张自己的表播客客户最常问的一句话是“这期大概多长”。模型不知道你的语速所以你必须自己维护一张换算表然后把它写进提示词里。我的经验值是节目形态每分钟字数口播30分钟所需正文字数单人独白语速偏慢200-2206000-6600单人独白语速正常240-2607200-7800双人对谈凭稿两人合计 320-3609600-10800访谈半即兴主持人稿 120-1503600-4500这张表要写进提示词比如“本期为单人独白时长目标28分钟语速按每分钟240字计正文字数控制在6600字上下允许上下浮动10%”。很多人不给这个约束模型按“一篇文章”的直觉给你写两千字然后你还得自己扩写白白费一遍工。3.3 局部返修比整体重写划算得多模型的输出有个特点整体重写往往越改越平庸局部返修才是正路。我现在的习惯是第一遍生成之后先自己通读一遍标出“念起来卡”的位置然后把卡住的段落单独拎出来配上具体指令返修。返修指令要具体到病症比如“第二段第三句四十个字太长拆成两句保留原意”“这段连续用了三个‘其实’删掉两个”“这个例子太抽象换成一个具体场景二十字以内”“结尾这句像总结陈词改成抛一个问题给下一段”这种返修方式的好处是可控。你每改一处都知道改了什么不会出现“改完一遍反而更差”的情况。整体重写还有个隐性成本模型每次重写都会重新分配结构你前面调好的节奏全乱。3.4 让模型做“听众”而不是做“作者”这一招是我用得最顺的。稿子改到第三轮自己已经失去判断力的时候我会把稿子丢回给模型换一个角色指令你现在是一个开车通勤的听众只听过一遍不能回看听完之后告诉我哪三处你走神了哪一处你没听懂哪一处你想按暂停去查东西。这个指令的威力在于它绕开了“写作质量”这种主观判断直接问“听觉体验”。模型给出的回答经常一针见血比如“第七段出现了三个没解释的缩写我在开车没法查直接跳过了”。这类反馈你问真人朋友未必问得出来因为人家不好意思说你写得烂。4. 那些让我返工的坑一个个说清楚工具再顺落到具体稿子上还是会翻车。下面这五个坑是我踩得最频繁的写出来省你不少返工时间。4.1 排比三连看着漂亮念着断气模型特别爱写“它让内容更高效让创作更自由让表达更从容”这种三连排比。单看文字挺顺你一开口念就发现问题三个短句节奏一模一样气息没有起伏听感像在背书。更麻烦的是这种句式在稿子里一旦出现一次模型会顺着往下再写好几处整篇稿子的“念感”全毁。我的处理方式是在提示词阶段就封死同时在返修阶段专门扫一遍。判断标准很简单连续三句结构相似、字数相近就拆掉其中一句改成不同长度的表达。有时候把三个短句合成一个长句再拆成两句节奏立刻就活了。4.2 术语密度超载专业感变成了收听门槛给行业客户写稿时特别容易犯这个错。模型会根据你给的资料大量使用行业术语因为资料里就是那么写的。稿子交给客户客户觉得专业你自己念一遍发现根本念不顺听众更是听不懂。我的经验阈值是每三分钟口播内容未解释的专业术语不超过两个。超了就挑最影响理解的那个做一次口语化解释其余的换成日常说法。比如“用户留存”可以说成“听众下次还愿不愿意点进来”“转化路径”可以说成“从听到点的那几步”。这个换算不是降低专业度是让专业度能被听见。4.3 数字和引用模型编得比谁都像真的这是最危险的一类问题也是我后来强制加[待核实]标记的原因。模型生成数据时有极强的“合理化”倾向会给出一个看起来非常合理的百分比、一个听起来很像存在的机构名、一个格式完全正确的年份。你不去核它就一直待在那儿最后念出去就是事故。我的流程改成了两步生成阶段强制标记所有数字、时间、专有名词交付前单独跑一遍核对凡是标记过的要么找到出处要么删掉改成模糊表述。宁可说“大部分”也不说一个编出来的“73%”。4.4 转折词滥用听感上的“堵车”“然而”“但是”“不过”“可是”——模型喜欢用这些词来制造逻辑转折因为在书面语里它们是清晰的信号。但口播里转折词密度一高听感会非常堵。真实说话的时候转折往往靠语气和停顿完成词本身可以省掉。我现在的处理是在提示词里限定“每千字转折词不超过五个”超了就改成直接陈述。比如“然而这个方案的成本很高”改成“这个方案的问题在成本”字数还少了听感反而更利落。4.5 嘉宾回答被“预判”访谈稿最大的隐形坑写访谈提纲时模型会不自觉地按照“嘉宾应该怎么回答”来设计追问导致现场的追问全是无效的——嘉宾回答的方向跟模型预判的不一样准备好的追问一句用不上。这个坑我自己踩过两次第二次之后彻底改了方法。改法是追问设计必须以“嘉宾可能给的三种回答”为分支每种回答配一条追问。这样现场不管嘉宾往哪个方向走你手里都有牌。代价是提纲会变长但访谈类节目的提纲本来就该比实际用到的多一倍这是常识。4.6 一次完整排查链的复盘说个具体的。有一期讲“知识类内容如何做选题”的节目样音交上去客户反馈是“听着累”。我当时的排查顺序是这样的先自己不看稿听一遍标记走神点——发现走到第四分钟开始频繁看手机说明第四分钟前后的内容出了问题。翻稿子对照第四分钟发现那一段连续出现了五个并列的分点每个分点句式相同。判断是排比堆砌导致节奏单调把五个分点合并成三个每个分点加一个具体例子。再听一遍走神点后移到第九分钟。翻第九分钟发现那里有个没解释的术语改成日常说法。第三遍听走神点消失。整个排查用了不到一小时比我重新写一遍稿子省太多。这套“听—定位—改—再听”的循环比任何理论都管用。关键是第一遍听的时候不能看稿看了稿你就听不出问题。5. 稿子之外录制、剪辑、交付怎么衔接写稿只是链条的一环稿子写得再好录制和剪辑环节没接上交付质量还是要打折。这部分我吃过亏后来专门做了流程化。5.1 录音前的稿子标注约定稿子交给主播之前我会加三种标注换气点用竖线标出建议停顿的位置、重音词用下划线标出该重读的词、语速提示在段首标注“此处放慢”或“此处加快”。这三样人工标不现实我会让模型按规则批量生成——比如“在每个句号后标一个停顿符号在每段的关键名词下标重音”模型几分钟能标完一版人工再微调。标注的价值在于让主播在录之前就进入节奏而不是录到一半才发现某段根本没法念。我自己念稿的时候标过换气点的稿子一遍过的概率能高出一倍。5.2 和剪辑师的交接单我和剪辑配合多年现在固定用一张交接单正文之外单独一页列出时间轴对照、重点段落、素材位、待删段。时间轴对照不是精确到秒是“大意段落对应第几页第几段”。剪辑师拿到这张单子不需要通读全稿就知道该在哪儿使劲。这里有个小心得交接单里一定要有一个“可删段”清单。录制时难免有冗余、跑题、重复提前标出来让剪辑师有裁量权成片会紧凑很多。让模型生成这份清单的指令是“找出正文中信息密度最低的三个段落说明为什么可以删”。5.3 客户验收要对着耳朵不是对着眼睛交付给客户时我习惯附一份“收听指引”不是解释稿子怎么写的是列出三件事这期节目的核心结论在哪一分钟、哪一段适合单独切成短视频、哪个问题留给下一期。客户拿到这个验收时的判断标准就从“文字好不好”变成了“听起来有没有用”返工率会明显下降。这个小心得是被逼出来的。早期交付只给稿子客户拿着稿子当文章读挑的都是文字问题改到崩溃。后来把重心挪到“收听体验”沟通成本降了一大截。6. 把播客剧本做成能重复交付的产品写单期稿子是手艺把稿子写成能复用的服务是生意。这一块我摸索了一段时间有些经验值得说。6.1 定价逻辑按脑力分档不按字数按字数定价是新手最容易掉进去的坑。8000字的稿子可能是纯独白也可能是十几个追问分支的访谈稿工作量差三倍。我现在的分档逻辑是按“决策次数”算需要做多少次结构判断、多少次内容取舍、多少次返修循环。大致的三档是通稿型客户给资料你出初稿一次返修主打效率联创型从选题开始介入和客户一起定问题链两次到三次返修主打质量栏目型长期服务维护选题库、模板库、风格库按期交付主打稳定性。这三档的工作重心差别很大用同一套提示词是不行的。栏目型需要单独维护一套“风格指令”把往期稿子里的高频句式、常用比喻、固定梗都沉淀进去让模型的输出带上一眼能认出的味道。6.2 模板沉淀把好稿子的结构变成资产这是我今年做的最值的一件事。每做完一期自己满意的稿子我会抽出三样东西存档问题链模板、钩子句式、过渡句样本。积累到一定量之后这些存档本身就是提示词的一部分。具体操作是把它们整理成一份“风格参考集”每次生成新稿时附在前文指令写“参考以下样本的句式节奏和转折方式不要照抄内容”。这一步对稳定输出质量的作用远大于调提示词本身。因为模型对“样本”的模仿能力远强于对“描述”的理解能力。6.3 一次生产多次分发播客剧本的隐性价值在于它可以被切成多种形态。一期30分钟的节目稿子里的每个问题链分支都能切出一条短视频脚本每个核心结论都能扩成一篇短文每个案例都能变成一张图。我在写稿阶段就会让模型同步产出一份“分发清单”列出哪些段落适合切哪种形态。这一步的边际成本极低但对客户的感知价值极大。而且它反向优化了写稿——知道每段后续要被切出来单独用写稿时自然会注意每段的完整性不再是流水账式的线性推进。6.4 关于“AI味”的最后一层判断有人问我AI辅助写出来的稿子听众真的听得出来吗。我的观察是听众听不出“AI味”但听得出“不用心”。一期节目如果从头到尾平铺直叙、每个观点都点到为止、没有任何具体细节听众会下意识觉得“这个人没认真准备”。这跟用不用模型没关系跟你有没有在稿子里放进真实的判断、具体的场景、可验证的细节有关系。模型能替你做的是把结构搭好、把书面语改口语、把机械活儿干完替不了你的是决定这期节目到底要说什么、哪个判断是你自己的。把这两件事分清楚工具就只是工具用起来会很顺。我自己现在的做法是模型出骨架和初稿我花时间在“哪一段是我真正想说的”上。一段稿子里如果有那么两三处能让人听出“这是他自己的话”整期的价值就立住了。剩下的部分交给流程和工具去跑就好。
阅读完成 · 觉得有帮助？
