AI 竖屏短剧生产流水线：从一个想法到竖屏成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧，翻车点从来不是模型不够强，而是工序乱了——还没锁 Brief 就写剧本，还没定妆就出片。把流程拆成 12 道有中间产物可验收的工序，质量才可控。

为什么多数 AI 短剧死在流程上，而不是模型上

从业者第一次碰 AI 短剧，常见路径是：写一段梗概 → 丢给模型生剧本 → 直接喂视频模型出片 → 拿到成片发现人物换脸、道具串戏、集与集接不上。问题不在某一步，而在跳过了本该先做的确认环节。

传统剧组有一套被验证过的顺序：立项会定方向、编剧出分集大纲、美术做人物与场景定妆、分镜师拆镜头、现场多 take、剪辑择优。AI 短剧要稳定出片，不是把这套扔掉，而是把它固化成一条机器能强制执行的流水线。

下面这 12 道工序，是把竖屏短剧从「想法」推到「成片」的完整链路。每一道都有可看、可改、可回退的中间产物——这是它和「一键生成」类玩具的根本区别。

工序总览：12 道，每道都有交付物

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。

前段：立项与剧本——先把故事钉死

工序 1–2：创意评估与引导

不是所有想法都值得直接开拍。系统会先对创意做 0–100 的完整度评分：

• ≥80 分：方向已经够清楚，跳过大部分引导，直达简报；
• 40–79 分：只补缺失的维度，不重复问已经答过的；
• <40 分：走完整 10 步引导，把题材、主角、核心矛盾、走向、集数、单集时长、风格基调、爽点与钩子节奏、结局方向、投放平台与受众问清楚。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。阈值由系统强制分流，不是模型「觉得差不多」就放行——这相当于立项会没开完，不许进编剧室。

工序 3：创意简报锁版

简报是后续所有工种的唯一依据，锁版后才能进入下一阶段。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——没有弧光的主角，写 100 集也是纸片人。

工序 4：角色阵容与视觉确认

这是一道硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐，四项全过才能往下走。不过关就回去补，不允许「先拍再说」。

工序 5：故事档案（Continuity Bible）

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、伏线 open/resolved 状态、按集出场表、每批剧情纪要、道具视觉描述。

不靠模型记性，靠结构化档案。 写作时系统只喂给编剧工种一份档案切片：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，也防无关噪音干扰。每批写完自动回填，续写前自动调取——第 200 集还记得第 3 集埋了什么，靠的就是这份账本。

工序 6：分批剧本写作

剧本不是一口气闷完的，是分批写作，每批数集，一批写完、归档确认，再写下一批。每一批内部的顺序是：

1. 场戏清单先行：先出 Beat Sheet + 集末 cliffhanger，再写正文；
2. 正文写作，内嵌四条铁律：

• 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；
• 单集结构：开场钩子（1 场）→ 矛盾升级 → 集末 cliffhanger（最后 1 场）；
• 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；
• 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；

1. 规则质检：写完过质检器，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，未通过的半成品不会交付；
2. 档案回填：本批新出现的人物状态、伏线、道具写回档案；
3. 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，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。

进度过半后，系统会强制注入结局约束，防止写飞了收不回来；写下一集时承接上一集全文，保证集间连贯。

中段：美术与一致性——先定妆，再开拍

工序 7：选定画风

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：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。

关键点：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。这是为了避免最常见的翻车——人物是日漫，视频突然变成写实。

工序 8：定妆出图（人物 / 场景 / 道具）

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。

几条硬纪律：

• 空镜纪律：场景图严禁出现人物；
• 性别硬规则：出图时性别为硬约束，不随模型发挥；
• 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；
• 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。

道具由「道具师」视角按集提取剧本原始称呼，全剧合并成 catalog，不丢集。

后段：分场、镜头、出片——把片场语言教给模型

工序 9：本集切场块

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——和剪辑台上的 clip 列表是一回事。可整集重新切分。

工序 10：绑定参考图 + 工程化镜头提示词

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。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，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。

配套的可控手段：

• 手动角色绑定：剧本里叫「警官」，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：可在同类同名下替换为另一张图；
• 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。

提示词本身按八大要素组织：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。复杂影视化场景走三段论（总体设定 → 镜头 1/2/3… → 约束包），简单场景一段式。

几条工程纪律：

• 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 （）；
• 不串戏：提示词生成时只给本场素材，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。

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。

提示词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、不加真人参考图后重绘再拍。

工序 11：多模态出片

输出规格默认如下：

竖屏是默认交付形态，不是事后裁切。

出片时不重新发明提示词：系统用的是创作者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。

生产级可靠性上，几件事是生产工具和玩具脚本的分水岭：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。

工序 12：审片与重拍

标准路径是：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。

创作者在这一步握有的专业可控点，相当于传统剧组的对应岗位：

整条链路由 18 位数字专家（5 位核心专家 + 13 位视频制作专家）对标真实剧组编制协同完成，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：这条流水线做不到什么

主动划清边界，比喊口号更能建立信任。

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」。

猫斯卡的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。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，可以到 猫斯卡 体验这条从创意评估到多 take 成片的完整工序。

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