AI 竖屏短剧生产流水线拆解：从一个想法到一集成片要过多少道关

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧，真正难的不是点一下生成，而是把「想法 → 剧本 → 定妆 → 分场 → 成片」这条链路上每一步都变成可看、可改、可回退的中间产物。下面按剧组能听懂的顺序拆。

先把话说在前面：这不是「一键出片」的故事

市面上讲 AI 短剧的文章，多数停在「输入想法 → 出视频」这一步。但真正做过承制的人都知道，短剧是个连续性工业：第 3 集埋的身份梗，第 47 集要收；主角第 12 集脸上的伤，第 13 集不能凭空消失；同一套衣服在同一场戏里不能突然换色。

这些问题，靠一次长 prompt 解决不了。解法是把剧组已经验证过的质量控制顺序——先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优——用工程手段固化下来。

下面这条链路，就是猫斯卡作为 AI 竖屏短剧生产操作系统对外公开的完整工序。你可以把它当成一份「AI 剧组的拍片通告单」来看。

第一道关：创意准入，不是每个想法都直接进剧本

传统剧组立项要开立项会，AI 短剧也该有。想法进来先做一次完整度评估，按 0–100 分打分：

• ≥80 分：维度齐全，跳过大部分引导，直接锁创意简报
• 40–79 分：只补缺失的维度，不重复问已经讲清的
• <40 分：走完整引导，把题材、主角、矛盾、走向、集数、时长、风格、爽点节奏、结局、平台受众一项项问清

这里有个关键设计：分流是系统强制的，不是模型「口头说够了」就放行。想法太糊就逼你想清楚，再往下走。

单集时长默认收敛到竖屏的 1–2 分钟，最长也不超过 3–4 分钟——这是竖屏短剧的工业规格，不是事后裁切。

第二道关：创意简报锁版，Brief 不定不开拍

引导结束后产出一份创意简报，相当于传统剧组的锁版 Brief。必须包含：

• 一句话故事（logline）
• 核心矛盾
• 故事走向与结局方向
• 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，必须写清人物弧光

创意简报是硬门禁。没锁版，不能进下一阶段。这一条听起来死板，但能避免写到第 20 集发现方向跑偏、全部返工。

第三道关：故事档案，不靠模型记性靠结构化记录

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、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。

几个关键机制：

1. 只吃档案切片：每次写作只调取人物当前状态、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，写到一半没收的会被盯住
3. 进度过半强制收束：写作过半后，系统强制注入结局约束，防止烂尾
4. 批前意图锁定：从第二批起，先问清四件事——本批剧情方向、重点人物、伏笔与冲突、集末钩子，这些作为硬约束，与档案冲突时以创作意图为准
5. 写完自动回填：每批写完，档案自动更新；下批续写前自动调取

一句话：不靠模型记性，靠结构化档案。

第四道关：分批剧本写作，先 Beat Sheet 再正文

剧本不是一集一集硬写，而是按批次工业化续写——一批写完、归档确认，再写下一批。每一批内部的顺序是：

1. 先出场戏清单（Beat Sheet）：每集列清楚开场钩子、矛盾升级节拍、集末 cliffhanger
2. 再写正文：在 Beat Sheet 约束下写对白和动作
3. 规则质检：写完过一道规则质检器
4. 档案回填：通过质检后更新故事档案

内嵌在系统里的竖屏写作铁律

这几条是直接写进写作规则里的，可以原样拿去当自己团队的 SOP：

规则质检器卡什么

写完自动卡这些问题：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；未通过质检的半成品不会交付给用户。

第五道关：画风选定与定妆出图，一致性从这里开始

剧本锁了之后，进美术链路。

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）。每套手册包含人物出图规则（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，把档案里的人物描述润成可出图的提示词（这一步人工可覆盖）
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

性别是硬规则，不随模型发挥。

角色确认是硬门禁

确认阵容时机器强校验：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。视频侧只消费状态已完成且文件可读的立绘，不拿半成品去绑参考。

第六道关：场景与道具，按拍戏视角提取

• 场景：场次从剧本结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格；场景立绘严禁出现人物（空镜纪律）
• 道具：按集以「道具师」视角提取剧本原始称呼，全剧合并成道具编目，不丢集
• 内容权威：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

第七道关：参考图映射，这是 AI 短剧一致性的核心

AI 短剧最常见的翻车——同一角色每场换脸、换装——根本原因是：每场戏都在重新想象这个人长什么样。

解法是参考图映射。每场自动构建一张参考素材表，顺序固定：

场景图 → 本场道具图 → 人物定妆图

有图才占槽位，无图标明「仅文字」，不强行编造绑定。

这里有一条最高优先级约束，值得单独拎出来：

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。

这条规则直接针对「文字描述与参考图打架 → 换装换脸」的经典问题。

其它几个专业可控点：

• 手动角色绑定：剧本里叫「警官」，可以手动绑到档案里「李强」的定妆
• 道具纳入 / 排除：避免无关道具挤占参考槽位
• 历史版本替换：同类同名下可换成另一张历史定妆
• 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：场块切分，把一集拆成剪辑台上的 clip 列表

剧本自动切成视频场块，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。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。可整集重新切分。

用户看到的不是「第 3 集一个大视频」，而是「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。这就是剪辑台上的 clip 列表。

输出规格默认是 9:16 竖屏，不是事后横转竖：

第九道关：工程化镜头提示词，教模型用分镜表语言说话

这是 AI 短剧和「随便写段描述让模型猜」的本质区别。系统给每场生成的提示词遵循一套严格规范：

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：一段式
• 复杂影视化场景：三段论（总体设定 → 镜头 1/2/3… → 约束包）

几条硬规矩

• 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 {}、音效 <>、BGM （）
• 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：系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前还会做合规清洗：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、不加真人参考图后重绘再拍。

第十道关：拍摄、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。

导演 / 美术 / 制片在这一步能控的点，基本对应真实剧组的工种：

出片时不重新发明提示词：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。

生产级可靠性

这部分是给老板和制片看的——能不能当生产工具用，而不是玩具脚本：

• 成片做 faststart 处理，并以实测时长落库，不把厂商回读时长当唯一真相
• 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
• 已有厂商任务号时支持续跑轮询，禁止二次创建与二次预扣

这条链路背后：18 位数字专家对标真实剧组

整条链路上的每一步，背后都有一个对标的真实工种，一共 18 位数字专家（5 位核心 + 13 位视频制作）：

• 核心 5 位（创意 · 剧本链路）：档案秘书、制片人、编剧、流程监制、场记（工作记录）
• 视频制作 13 位（一键拍摄链路），分四组：

用户能看到流式工作记录（▸ 角色：动作），像监制看日报，不是黑箱。

诚实边界：这七件事，当前做不到

主动划边界，是建立信任唯一还管用的方式。

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。

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。如果你正在搭自己的 AI 短剧生产线，可以到 猫斯卡 看一眼这条链路的实际形态。

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