不会拍、不想露脸、没时间布光,图文视频是最被低估的形式。
它不需要摄像机,只需要六张图和一个顺序。视频号里这类内容不少,做得糙的很多,做对的很少。
一、图文视频到底长什么样
六到九张竖图,每张停 2 到 4 秒,配一行字幕,总长 15 到 30 秒,可以挂商品。
它比纯图片多了一个东西:时间。图片是让人看,图文视频是让人跟着走。顺序对了,观众会被推着看到最后一张。
二、六张图的分工
| 第几张 | 放什么 | 停留 | 字幕写什么 |
|---|---|---|---|
| 1 | 痛点场景,越具体越好 | 2 秒 | 一句话点人群 |
| 2 | 产品全景加包装 | 3 秒 | 这是什么,多少钱档 |
| 3 | 细节特写 | 3 秒 | 一个参数或工艺 |
| 4 | 对比图(并排或前后) | 4 秒 | 差在哪,差多少 |
| 5 | 使用中的真实画面 | 4 秒 | 谁在用,怎么用 |
| 6 | 产品加一句结论 | 3 秒 | 下一步做什么 |
前两张决定完播。第一张如果是一张干净的产品白底图,多数人直接划走,因为看不出跟自己有什么关系。
三、第一张图怎么选
三个方向,选一个:
- 麻烦现场:堵住的下水道、起球的毛衣、裂开的鞋底
- 人群画面:一双手、一个背影、一桌没收拾的饭
- 反常识的一句大字:图可以很普通,字要够狠
第一张的字不要超过 12 个,字号占画面高度六分之一以上。中年用户手机拿得远,小字等于没写。
四、做图:手机就够
拍图用后置主摄,白天靠窗,阴天加一盏灯。六张图不必同一场景,但亮度和色温要统一,一张冷一张暖会很廉价。
统一的方法:全部过一遍同一个滤镜,强度 50% 左右。修图不要修到失真,视频号用户对「图太假」很敏感,尤其是食品和服装。
五、合成:三种做法
- 剪映的图文成片,导入图片自动加转场,最省事
- 相册的「回忆」功能,选图后调时长,最粗糙
- 手动排:每张图设 2 到 4 秒,加字幕和一首轻音乐,最可控
推荐第三种。转场只用「无」或者「叠化」,别用翻页、旋转、百叶窗,那些特效会让片子掉一个档次。
六、字幕的三条规矩
- 一行不超过 12 个字,超过就换行
- 位置在画面下方三分之一,别压住产品
- 关键词单独一行,加粗或换色,一条片子不超过 5 处
字幕是图文视频的主声道。没有口播,观众全靠读,读着累他就会走。
七、这种形式的边界
适合:食品、日用、服饰搭配、家居小件、图书、农产品。
不适合:需要演示效果的(清洁剂去污、工具省力)、需要建立人设的高客单、需要现场讲解的复杂功能。
不适合的类目硬做图文,转化会很难看。因为它只能证明「东西长这样」,证明不了「用起来怎么样」。
八、一条能批量做的方法
一次拍 60 张图,按品分文件夹,每个品 8 到 10 张。之后一周出 6 条,换顺序、换第一张、换字幕,就是 6 条不同的片子。
这是图文视频最大的优势:一次拍摄,能撑半个月。
九、六句字幕怎么写
字幕不是配文,是旁白。每张图一句话,六句话讲完一个完整的逻辑:
第一句说人:「家里有老人、小孩的」。第二句说是什么:「这个 39 块的收纳箱」。第三句给一个参数:「装 12 件毛衣」。第四句给对比:「比同尺寸的深 8 厘米」。第五句说场景:「塞床底下刚好」。第六句给动作:「链接放下面了」。
写的时候把形容词全删掉,只留名词、数字、动作。形容词是图文视频里最没有说服力的东西。
十、封面选第几张
图文的封面默认是第一张,但可以单独设。三个选择:
- 选第一张:封面即开头,逻辑最顺,但第一张必须够狠
- 选第五张:用使用场景做封面,真实感最强,适合家居、食品
- 自定义:单独拍一张带大字的封面图,点击率通常最高,但要多做一张图
无论选哪张,封面图上都要有字。纯图的封面在信息流里几乎看不出主题。
十一、发布时的三个设置
标题写人群加品类,比如「给爸妈买的保暖内衣,别只看厚度」。话题带两到三个,一个品类词、一个场景词,别堆。
音乐用平台曲库里的轻音乐,音量压到 20% 左右,只做背景,不要抢字幕。
十二、什么时候该升级成实拍
图文做到 20 条左右会遇到天花板:完播率稳定但上不去,评论区开始问「有没有实拍」。
这时候升级,成本很低:原来的六张图当分镜,一张图拍成一段 3 秒的视频,加一段口播,就是一条实拍片。图文阶段的脚本能力,一点不浪费。
图文视频不是偷懒,是把「说清楚」这件事拆成六步。

评论(0)