AI 竖屏短剧生产流水线：从一个想法到成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

用 AI 做竖屏短剧，翻车往往不是模型不行，而是工序乱了：没锁 brief 就写剧本、没定妆就出片、没切场就堆长视频。解法是把剧组那套质量顺序，用工程手段强制执行。

先把话说在前面：这不是「一键出片」指南

市面上讲 AI 短剧的文章，多半在比谁的模型更新、谁的提示词更长。但真正在批量交付的团队都知道：成片质量的下限，不取决于模型上限，而取决于工序顺序。

顺序错了，再强的模型也救不回来——剧本写到第 30 集忘了第 3 集埋的伏笔、角色每集换一张脸、道具上一集是玉佩这一集变扳指、视频里人物服装和定妆图打架。这些都不是「提示词写得不够好」，是流程里根本没有那道关卡。

本文把 AI 竖屏短剧的生产拆成 12 道工序，每一道都讲三件事：交付什么、卡住什么、人在哪一步拍板。

---

工序总览：12 道，一道都不能跳

注意这张表的顺序。先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优——这是传统剧组跑了几十年验证过的质量顺序，AI 时代没有变，只是被固化进了产品。

---

第一道关：创意准入，不够格就别开机

很多团队一上来就写剧本，结果写到一半发现题材没想清、受众没定、结局方向模糊，整批作废。

专业做法是先打分。把一个想法按 10 个维度喂进去，系统给一个 0–100 的完整度评分：

• ≥ 80 分：可以跳过大部分引导，直接锁简报进剧本
• 40–79 分：只补缺失的维度，不重走全流程
• < 40 分：必须走完 10 步引导，把题材、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、投放平台与受众全部问清

这里的关键是：分数阈值由系统强制改写推荐路径，不是模型「口头说够了」就放行。类比传统剧组——立项会没开完、brief 没锁版，就不能开机。

单集时长这里要特别说一下：竖屏短剧以 1–2 分钟为主，最长收敛到 3–4 分钟。这不是平台偏好，是观看场景决定的——再长完播率会断崖。

第二道关：简报锁版，锁了才能往下走

创意简报是全剧的「宪法」。固化字段包括：

• 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——主角从哪里开始、到哪里结束、中间被什么改变。没有弧光的主角，写到 50 集一定会塌。

锁版是硬门禁。简报没确认，剧本链路不启动。这听起来像废话，但你见过多少项目是「边写边改方向」最后烂尾的？

第三道关：故事档案——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、每条伏线的开启与收束状态、按集出场表、分批剧情纪要和道具视觉描述。 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。

这里有个反直觉的设计：写作时模型只吃档案切片——当前人物状态、未结伏线、近几批摘要、本批主线。既防上下文失忆，也防无关噪音干扰。每批写完自动回填，续写前自动调取。

伏线有专门的账本记录 open / resolved 状态。这意味着你在第 5 集埋的「半块玉佩」，系统会一直记着它没回收，不会写到第 80 集凭空消失。

第四道关：分批剧本，先规划后正文

剧本不是一口气吐完的，是分批写作，每批数集。每一批内部走四步：

1. 场戏清单先行：每集先出 beat sheet，标好集末 cliffhanger，再写正文
2. 正文写作：遵守四条内嵌铁律
3. 规则质检：不合格带反馈自动重写，最多 6 次
4. 档案回填：这批新埋的伏线、新出场的人物、新出现的道具，写回档案

四条铁律是竖屏短剧的硬规矩，系统直接写进写作约束里：

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，系统会先问定四件事再动笔：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这些被标记为「用户已确认的硬约束」，与档案冲突时以创作意图为准——人定方向，机器负责落地到每一场。

质检环节卡住的典型问题：集标题错误、场景数不匹配、缺【人物】行、对白过少、用「未完待续」占位敷衍。未通过质检的半成品不会交付。

还有一条容易被忽略的结构保障：写作进度过半后，强制注入结局约束。防止写到后半段放飞、烂尾。

---

第五道关：选画风——17 套手册，人物场景道具共用一条风格路径

画风不是「选个滤镜」。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。

关键设计：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风格路径。这直接堵死了一个经典翻车——人物是日漫、视频变成写实。

第六道关：定妆——有图才开拍

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

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（这一步可人工覆盖）
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

性别是硬规则，不随模型发挥。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。

场景立绘有一条铁律：场景图严禁出现人物——空镜就是空镜，人物归人物槽位。道具则按集以「道具师」视角提取剧本原始称呼，全剧合并成 catalog，不丢集。

第七道关：参考图映射——AI 短剧一致性的核心机制

这是整条链路里最值得讲清楚的一段。

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。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，值得单独成段：

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。

这条直接针对 AI 视频的经典翻车：文字描述与参考图打架 → 换装、换脸。你给了定妆图，又在提示词里写「身穿红色长裙」，模型就会在「图里的蓝裙子」和「文字里的红裙子」之间随机选一个——结果就是每帧衣服都不一样。

参考图映射还支持几件实用的事：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆
• 道具手动纳入 / 排除：避免无关道具挤占参考槽位
• 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

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——不是一集一个大视频

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。

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。这和剪辑台上的 clip 列表是一个逻辑。

为什么要切？因为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。10 秒以内的场块，模型的一致性、动作连贯性、画面稳定性都显著好于长片段。

第九道关：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，是写分镜表。规范要求八大要素齐全：

1. 精准主体
2. 动作细节
3. 场景环境
4. 光影色调
5. 镜头运镜
6. 视觉风格
7. 画质
8. 约束条件

复杂度分流：简单场景一段式写完；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

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

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。

第十道关：出片——默认就是竖屏，不是事后裁切

输出规格：

竖屏是默认交付形态，不是事后裁切——这一点对从业者很关键。横屏素材裁成竖屏，构图全毁；原生 9:16 出片，人物站位、景别、留白都是为竖屏设计的。

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。

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。

第十一道关：生产级队列——这不是玩具脚本

面向老板和制片，讲几个「能不能当生产工具用」的细节：

• 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

这不是玩具脚本，是可运营的生产队列。

第十二道关：审片与重拍——质量终审在人

专业可控点一览，每一项都对应传统剧组的一个动作：

---

诚实边界：这七件事，系统不做

主动划边界，是建立信任的唯一方式。

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。

---

*本文描述的生产链路，固化在猫斯卡（Maosika）—— AI 竖屏短剧生产操作系统中。它不是单个文生视频按钮，而是一条从想法到成片的自动生产链，每一环都有可验收的中间产物，可看、可改、可回退。*

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