AI 竖屏短剧生产流水线拆解：从一个想法到能上线的成片，中间到底要过多少关

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧最大的坑不是模型不够强，而是流程没上锁——剧本没锁就开拍、定妆没出就出片、上一集埋的线下一集忘了。真正能跑量的做法，是把剧组那套验收顺序搬进流水线。

先把结论放这：AI 短剧不是一次生成，是一条有门禁的流水线

很多团队第一次上 AI，是这么干的：丢一句话给模型 → 让它写 80 集 → 直接喂进视频模型 → 拿到一堆脸不一样、衣服在换、剧情前后对不上的素材 → 然后得出「AI 还不能用」的结论。

问题不在模型，在于跳过了剧组本来就有的那几道门禁。真人剧组不会在剧本没定稿时开机，不会演员没定妆就拍第一场，不会场记不记连戏就往下走。AI 生产只是把这些环节搬到了数字侧，门禁一道都不能少。

高质量短剧从来不是一条长生成硬剪出来的，而是一条条可控单元堆起来的。

下面把整条链路按「每一步交什么产物、卡什么条件、人在哪一步拍板」拆一遍。

第一关：创意准入——先给想法打分，不够就补

不是所有一句话想法都值得直接写剧本。成熟的做法是先做一次 intake 评分，按完整度 0–100 分流：

• 80 分以上：核心要素齐了，可以直接进简报
• 40–79 分：缺哪几项补哪几项，不从头问
• 40 分以下：走完整引导，把竖屏短剧必须想清楚的维度问透

竖屏创作必须在这一关问清的维度包括：题材、主角、核心矛盾、故事走向、集数、单集时长、风格基调、爽点与钩子节奏、结局方向、投放平台与受众。主角字段里必须包含人物弧光——不然 80 集写完主角还是第一集那个人。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。这不是审美偏好，是平台规格和完播率共同压出来的工程约束。

第二关：创意简报锁版——立项会开完才开拍

准入之后出一份创意简报，这是后面所有环节的硬约束。锁版后才能进入下一阶段，没锁版就往下走，等于没签合同就开机。

简报固化这些字段：

第三关：故事档案建档——不靠模型记性，靠结构化档案

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、每批剧情纪要、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：每次写新一批剧本，模型拿到的是「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，也防无关噪音
2. 伏线账本：每条伏笔标 open / resolved，写完一批自动回填
3. 进度过半强制收束：写作过半后，系统强制注入结局约束，避免越写越散

不靠模型记性，靠结构化档案。

第四关：分批剧本写作——先规划后正文，写完过质检

剧本不是一口气 80 集闷头写，是分批写作，每批数集。每一批的流程是：

1. 场戏清单先行：先出 Beat Sheet 和集末 cliffhanger，再写正文
2. 批前意图锁定：从第 2 批起，先问定本批剧情方向、重点人物、伏笔与冲突、集末钩子——这些是用户已确认的硬约束，与档案冲突时以创作意图为准
3. 正文写作：遵守竖屏短剧的写作铁律
4. 规则质检：不合格自动重写
5. 档案回填：这批写完，人物状态、伏线变化、新出场道具写回档案

竖屏剧本的四条写作铁律

这几条是内嵌在写作流程里的硬规则，不是「建议」：

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

质检器会卡的典型问题：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；没通过质检的半成品不交付。

第五关：选定画风——17 套手册，人物、场景、视频共用一条风格路径

剧本锁版后选画风。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）。

每套手册至少包含三块：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。

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

第六关：人物 / 场景 / 道具定妆——先出资产再开拍

这一步对应剧组的造型、美术、道具三个部门。

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。

立绘走两段式工艺：

1. 文本润色：用该画风的人物手册 + 性别硬规则，把档案描述润色成可出图提示词（可人工覆盖）
2. 图像生成：拼最终提示词出图，支持参考图，落库为可回看的历史版本

性别在出图时是硬规则，不随模型发挥。

场景与道具有两条纪律：

• 场次从剧本结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格
• 空镜纪律：场景图严禁出现人物
• 道具按集以拍戏视角提取剧本原始称呼，全剧合并成 catalog，不丢集

内容权威规则要讲清楚：用户 / 剧本的描述压过画风手册的世界观禁令——手册管画法，不管拒画。

第七关：本集切为约 10 秒场块——剪辑台上的 clip 列表

剧本不会直接变成「第 3 集一个大视频」，而是自动切成视频场块，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。群演 / 泛指角色从可绘制主演名单里剥离，避免挤占定妆槽位。

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。

第八关：每场绑定参考图——一致性靠资产，不靠运气

这是 AI 短剧最核心的一致性机制。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。

几条硬规则：

• 有图才占槽位，无图标明「仅文字」，不强行编造绑定
• 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
• 支持手动角色绑定（剧本里叫「警官」，绑到档案里「李强」的定妆）
• 支持道具手动纳入 / 排除，避免无关道具挤占参考槽位
• 可在同类同名下替换为历史版本中的另一张图
• 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

有参考图的人物，禁止再用文字描写服装外观——文字只写动作、表情、伤情。

开拍前会做齐套校验，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；缺图拍出来质量通常更差。

第九关：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，是写分镜表。规范包含八大要素：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。

几个关键工艺：

• 复杂度分流：简单场景一段式；复杂影视化场景走三段论（总体设定 → 镜头 1/2/3… → 约束包）
• 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 （）
• 提示词生成时只给本场素材，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

系统在教模型用分镜表语言说话，而不是写小说。

交付前会做合规清洗：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。

第十关：多模态出片——默认竖屏，可运营的生产队列

输出规格默认 9:16 竖屏（亦支持其它比例），不是事后裁切。可选智能时长或固定 5–15 秒，模型档位分标准 / 高速 / 轻量，分辨率按模型白名单（如 480p–4K），音频默认可生成，水印默认关。

标准拍摄路径：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。

导演 / 美术 / 制片在这一步能控的点：

出片时不重新发明提示词：用的是用户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。

生产级可靠性这一层不能省：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；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。

第十一关：审片与重拍——质量终审在人，不在机器

这一关必须把边界讲清楚，不讲就是在骗人：

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。 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」。

整条链路的底层逻辑

把上面 11 关压缩成一句话：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。

人在关键节点做确认与审美判断（简报锁版、角色确认、提示词审阅、成片终审），机器负责把确认过的方向落到每一集、每一场。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。

猫斯卡是一条从想法到成片的自动生产链，定位是可规模化生产的 AI 短剧操作系统——把专业流程固化进产品，而不是宣称无需人类、零失误出片。如果你正在评估 AI 短剧生产工具，可以看看这条链路里的每一道门禁，是否和你真实剧组的验收顺序对得上。

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