AI 竖屏短剧生产流水线：从一个想法到可交付成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧真正难的不是「生成」，是把生成塞进一条可验收的流水线。下面把从想法到成片拆成 12 道工序，每道都有明确的交付物、责任人与回退点。

为什么多数 AI 短剧死在「流程」而不是「模型」

很多团队第一次试 AI 短剧，路径都差不多：写个大纲 → 直接让模型写剧本 → 丢进视频生成 → 出来一看，人物换脸、道具串戏、第三集忘了第一集埋的伏笔。问题不在模型不够强，而在跳过了剧组里本来就该有的几道关。

传统竖屏短剧剧组的顺序是：立项 → 剧本 → 定妆 → 分场 → 分镜 → 拍摄 → 多 take 选片 → 剪辑。AI 只是把「拍摄」这一步换成了多模态生成，前面的工序一道都省不了。省了，模型就会在每一场重新想象人物、场景和道具，一致性自然崩盘。

下面这套 12 道工序，是把剧组流程翻译成 AI 时代的生产链。每一道都有可看、可改、可回退的中间产物，而不是一个黑箱按钮。

工序总览：12 道关，每道都有交付物

核心原则只有一句：每一环都有可验收的中间产物。剧本、故事档案、定妆图、场块、提示词、成片，每一样都能打开看、能改、能回退到上一步重来。

第一道关：创意准入，不够格就别开机

不是每个想法都值得立刻写剧本。创意准入阶段会给你的 intake 打一个 0–100 的分数，按分数决定走哪条路：

• ≥80 分：信息已经够齐，跳过大部分引导，直接锁简报
• 40–79 分：只补缺失的维度，不重复问你已经说清的事
• <40 分：走完整的 10 步引导，把题材、主角、矛盾、走向、集数、单集时长、风格、爽点节奏、结局方向、投放平台与受众一项项问清楚

这个分数阈值是系统强制的，不是模型「口头说够了」就放行。类比传统剧组，就是立项会没开完、Brief 没锁版，不许开机。

单集时长这里有个收敛规则：以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。再长，竖屏用户的留存曲线会直接告诉你答案。

第二道关：创意简报锁版，锁了才能往下走

简报是全剧的「宪法」。锁版后这些字段就固定下来，后面所有工序都以它为准：

• 一句话故事（logline）
• 核心矛盾
• 故事走向
• 结局方向
• 爽点与钩子节奏
• 投放平台与受众
• 分段分集梗概
• 给编剧的注意事项

主角字段必须包含人物弧光——主角从什么样变成什么样，这是区别「能追下去的剧」和「一堆段子拼盘」的底线。

锁版不是形式主义。后面如果编剧写飞了、画风选偏了、定妆和主角对不上，都是回到简报这一版来对齐。

第三道关：故事档案，不靠模型记性

故事档案是一份贯穿全剧的结构化设定记录，包含人物身份、稳定性格特征、可变的当前状态（伤痕、身份变化等）、人物关系、每条伏线的 open / resolved 状态、按集出场表、分批剧情纪要、道具视觉描述。它相当于传统编剧室里的 continuity bible，作用是让第 200 集还记得第 3 集埋了什么。

关键机制有三条：

1. 只吃档案切片：写作时不把全档案塞给模型，只给人物当前状态、未结伏线、近批摘要、本批主线，既防上下文失忆，也防噪音干扰
2. 伏线账本：每条伏笔标 open 还是 resolved，写到一半忘了收，系统看得见
3. 每批写完自动回填：这一批新出场的人物、新埋的伏线、新出现的道具，写完就写回档案；写下一批前自动调取

一句话：不靠模型记性，靠结构化档案。

第四道关：分批剧本，先规划再写正文

剧本不是一口气吐完 100 集，而是分批写作，每批数集。一批写完、归档确认，再写下一批。每一批内部有四道硬工序：

1. 场戏清单先行：每集先出 Beat Sheet + 集末 cliffhanger，结构定了再写正文
2. 正文写作：遵循内嵌的写作铁律
3. 规则质检：卡住集标题错误、场景数不匹配、缺【人物】行、对白过少、「未完待续」等占位敷衍；不合格带错误反馈自动重写，最多 6 次
4. 档案回填：把这一批的新信息写回故事档案

竖屏剧本的四条写作铁律

这四条是内嵌在写作规则里的，不是建议，是硬约束：

1. 黄金 3 秒：第 1 场必须强冲突或强悬念，禁止平淡开场与长篇背景介绍
2. 单集结构：开场钩子（1 场）→ 矛盾升级 → 集末 cliffhanger（最后 1 场）
3. 爽点密度：每集至少 1 次小爽点（打脸 / 反转 / 身份暗示 / 证据到手）；每 3–5 集 1 次大爽点
4. 台词：短句为主，单句一般不超过 20 字；禁止论文腔与大段旁白解释

从第 2 批起还有一道「批前意图锁定」：先问定本批剧情方向、重点人物、伏笔与冲突、集末钩子。这四件事被标记为「用户已确认的硬约束」，和档案冲突时以创作意图为准——也就是人在关键节点拍板，机器负责把方向落到每一场。

写作进度过半后，系统会强制注入结局约束，防止写到一半收不回来。

第五道关：定妆，一致性靠资产不靠运气

画风选定后，人物、场景、道具三条线并行出立绘。内置 17 套画风手册，覆盖 2D、3D、真人写实等方向（都市写实、古装写实、成熟都市言情动画、九十年代日漫、国风工笔、仙侠古风、3D 国漫、黏土定格、赛博国风等）。每套手册至少包含人物出图手册（面容锚点、材质、气质、视图一致性）、场景 / 道具手册、视频风格标签。

关键是：选定画风后，人物立绘、场景立绘、道具立绘、视频提示词共用同一条风格路径，避免「人物是日漫、视频变成写实」的断层。

立绘走两段式工艺：先用该画风的人物手册加性别硬规则把档案描述润色成可出图提示词（这一步可人工覆盖），再拼最终提示词出图，支持参考图，落库为可回看的历史版本。性别是硬规则，不随模型发挥。

角色确认有硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐，不过关不能进下一阶段。

空镜纪律值得单独提一句：场景图严禁出现人物。场景是场景，人物是人物，混在一起后面绑参考图必乱。

第六道关：场块切分，把一集拆成剪辑台上的 clip

剧本不会直接变成「第 3 集一个大视频」。系统会把每集自动切成视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过就按动作节拍、空段、句号等规则再拆。

用户看到的是：第 3 集 → 场 1、场 2、场 3……每场独立提示词、独立参考图、独立成片与历史 takes。

这一步的类比就是剪辑台上的 clip 列表。群演和泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位；切得不满意可以整集重新切。

输出规格上，默认 9:16 竖屏，不是事后裁切——这是默认交付形态。时长支持智能时长或固定 5–15 秒，模型分标准 / 高速 / 轻量三档，分辨率按模型白名单走，音频默认可生成，水印默认关。

第七道关：参考图映射，解决换脸的核心机制

AI 短剧最经典的翻车：同一场戏里人物突然换了套衣服、换了张脸。根因是文字描述和参考图打架——模型同时收到「穿红裙」的文字和「蓝裙定妆照」的参考，不知道听谁的。

解法是一套参考素材表的硬规则：

1. 每场自动构建参考素材表，顺序固定：场景图 → 本场道具图 → 人物定妆图
2. 有图才占槽位，无图标明「仅文字」，不强行编造绑定
3. 最高优先级约束：有参考图的人物，禁止再用文字描写服装 / 外观；以参考图为准，文字只写动作、表情、伤情

第三条是核心。只要人物有定妆图，提示词里就不再出现对这个人长相、穿着的文字描述，模型就不会在参考图之外「再创作」一张脸。

除此之外还有几个专业可控点：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆，处理称呼不一致和客串指代
• 道具纳入 / 排除：控制本场视觉焦点，避免无关道具挤占参考槽位
• 历史版本替换：同类同名下可以换成另一张历史版本的图
• 时代造型路由：穿越 / 闪回题材按场景地点关键词判定现代 / 古代，取人物定妆图时优先匹配对应造型

开拍前还有一道齐套校验：生成提示词前检查缺失的场景 / 人物 / 道具参考，弹出清单引导先去绘制。允许跳过走纯文字路径——但这是提醒式的制片助理，不是静默硬生成。

第八道关：工程化镜头提示词，教模型用分镜表语言说话

提示词不是写小说，是写给模型的分镜表。一套规范的镜头提示词包含八大要素：精准主体、动作细节、场景环境、光影色调、镜头运镜、视觉风格、画质、约束条件。

复杂度分流：

• 简单场景走一段式
• 复杂影视化场景走三段论：总体设定 → 镜头 1/2/3… → 约束包

几条硬规则值得记：

• 一镜一运镜：禁止单镜内推拉摇移叠加
• 用镜头序号，不用绝对秒数（禁止写「0–3s」）
• 强制兜底包：画质、面部稳定、无水印 Logo；多人场景加双胞胎 / 分身兜底；非写实必须风格锚定
• 动作原则：肢体细化 + 程度量化；优先低缓连续动作，减少高爆发动态崩坏
• 符号规范：台词用 {}、音效用 <>、BGM 用 （）
• 只给本场素材，禁止串戏；本场剧本正文是最高优先级撰写依据

生成参数偏保守，取稳定可控而非天马行空。一句话总结：系统在教模型用分镜表语言说话，而不是写小说。

交付前还有一道合规清洗：剥离特定影视作品 / IP 名称，保留技法与美学描述，降低下游版权拦截风险；参考图被识别为疑似真人照片时，返回明确引导，改用平台绘制链路、不加真人参考图后重绘再拍。

第九道关：出片、重拍与可运营性

标准拍摄路径是：打开某集视频工作台 → 确认参考图齐全（或有意跳过）→ 生成视频提示词 → 人工阅读并编辑 → 选模型 / 比例 / 分辨率 / 时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

出片时不重新发明提示词：系统用的是你已确认或已编辑的提示词 + 当时锁定的参考图映射。改了词再点生成，才是新的 take——和片场「改分镜说明再拍」一致。

几个面向制片的可控点，对应剧组里的真实动作：

生产级可靠性上，成片做 faststart 处理并以实测时长落库；视频任务走独立队列车道，与剧本写作、立绘任务隔离并发槽位；同一场块进行中禁止并行提交，避免重复扣费与状态混乱；积分预扣与结算，失败自动释放；僵死任务超时回收，失败可感知、可重试。这不是玩具脚本，是可运营的生产队列。

诚实边界：这套流程做不到什么

主动划清边界，比假装全能更能建立信任。以下七点是当前的真实限制：

1. 没有成片自动打分或自动择优重拍引擎。 质量终审在创作者和监制手里，系统提供的是多 take 与改词重拍的工具
2. 参考图不是强制门禁。 缺图会提醒，但允许跳过走纯文字路径——质量通常更差，所以专业流程应该先定妆再开拍
3. 提示词里的参考代号靠规范引导，不做二次硬拼。 创作者审词时仍应确认参考代号齐全
4. 视频分镜语法以平台内置的镜头规范为准，画风只注入视频风格标签；完整美术手册用在立绘侧
5. 约 10 秒的场块是工程启发式，不是时间码精剪。 超长场会再拆，但仍可能出现偏长的块；精剪与串场成片需要后续剪辑环节
6. 当前不做跨场自动续写 / 延长视频的产品化工作流。 产品单元是「单场多模态参考 → 单段成片」
7. 角色一致性依赖定妆资产链路，不是人脸嵌入校验。 时代造型靠规则选图，最终观感仍取决于立绘质量，以及提示词是否遵守「有图不写外观」

猫斯卡没有试图用一次生成替代剧组；它用工程手段强制执行了短剧工业里已经被验证的质量控制顺序——先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。把重复的、易漂移的、易失控的部分变成可约束的流水线，审美判断仍然坐在人这边。

如果你正在搭自己的 AI 短剧生产线，这套 12 道工序可以直接当检查清单用。猫斯卡（https://www.maosika.com）把这条链路固化成了一套 AI 竖屏短剧生产操作系统——一个想法，全程自动；一个人，一天，一部剧。

关于猫斯卡 ｜ 猫斯卡 · 专业AI视频自动生产系统。把创意评估、剧本写作、人物场景道具定妆、镜头提示词与出片串成一条可审、可改、可回退的生产链。官网：www.maosika.com