同样一条 3 分钟的视频，有人 3 小时出片，有人磨 3 天。差距不在手速，在环节顺序——这一章把那条「线」拆成九个环节，逐个看清楚。
第 2 章你选了流派。但流派只回答"用什么方式生产"，没回答"先做什么后做什么"。真正决定出片速度的，是环节的排列方式：慢的人不是每个环节都慢，而是顺序错了——先录了画面，回头改稿，全部重来；快的人也不是有三头六臂，而是每个环节的产出恰好是下一个环节需要的输入。
所以本章做两件事：先把一条流水线拆成九个环节，每个一句话讲清；再讲透其中最重要的一个原则——音频优先，它是快慢两条路线的分水岭。
分镜表是视频的施工图：先有图再施工，改图比改楼便宜。在分镜表里删掉一段只要两秒；等录完素材、剪到一半再删，就是半天。本章后面的演示就是让你亲手当一次「改图的人」。
九个环节里，顺序弹性最大的争议点是：先做画面还是先做声音？答案是坚定的：先定口播，再配画面。
原因是一笔改稿账。画面跟着音频走时，改一句话只需重配这一句的音频，换掉对应几秒画面，其余不动；反过来画面先做好、音频后配，改一分钟音频意味着整条时间轴重排——所有画面点位、字幕、BGM 节拍全部错位。前者改的是"一句话"，后者改的是"整条片"。
TTS 普及之后，这条原则变得更强了：音频可以精确到句生成，每句多长一清二楚，时长完全可控。口播稿从"参考"升级成了"时钟"——整条流水线以它为节拍器运转。
把封面标题留到发布后随手补。它是独立工序，值得专门的一小时：第 1 章说过，封面标题决定有多少人点进来，你花三天做的内容，可能被三秒钟做的封面埋葬。正确做法是把它排进流水线，和配音、合成并列，而不是当作发布的附属动作。
九个环节之间是「串行依赖、并行准备」：合成必须等配音完成，这是串行；但配音没录完时，你完全可以先去做封面、写简介、想标题——这些是并行。出片快的人不是把单环节做到了极致，而是让等待时间为零：主线上任何一环卡住，手就切到并行任务上。
下面是一条工具分享视频的分镜表，初始七个分镜。每个色块是一个分镜，宽度按时长比例渲染，颜色按类型区分。你可以给任意分镜 ±5 秒、删掉它、或者加一个新分镜——右边三个读数会实时告诉你这条片子的"体型"是否健康。
这个演示用的是教学简化模型，不是任何平台的真实算法。但它传达的经验量级是创作者社群里反复出现的：90 秒到 4 分钟是知识类视频的甜点区——短了装不下价值，长了每分钟都得用信息密度硬撑。而钩子的账最简单：它占用的是观众耐心最薄的时段，每多 5 秒都在烧完播率。
一条流水线九个环节：选题 → 口播稿 → 分镜 → 素材 → 配音 → 合成 → 封面标题 → 发布 → 复盘。分水岭原则是音频优先：先定口播再配画面，改稿只动一句话而不是整条时间轴。环节清楚了，下一个问题自然浮现：每个环节用什么工具最顺手？第 4 章给每个环节配上具体的工具。