AI 竖屏短剧生产流水线拆解：从一句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 做短剧翻车，多半不是模型不行，而是工序错了——没锁 brief 就写剧本，没定妆就出视频，没分场就堆提示词。正确顺序是：先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。

为什么大多数 AI 短剧项目死在「顺序错了」

很多团队第一次用 AI 做竖屏短剧，路径是这样的：想到一个梗 → 直接让模型写全集 → 挑一段扔给视频模型 → 出来发现人物脸在变、衣服在换、上一集埋的伏笔下一集忘了、第三集主角性格和第一集对不上。

问题不在某一个模型，而在把本该串行的工业流程，压成了一次生成。传统剧组再小，也有立项、剧本、定妆、分镜、拍摄、剪辑几道关；AI 只是把执行速度提上去了，并没有把这些关卡变没。

AI 竖屏短剧生产流水线是一条从想法到成片的自动生产链，不是单个文生视频按钮。它把剧组里那些「靠人盯、靠会开、靠场记本」的环节，固化成每一步都有可验收中间产物的工序：剧本可改、档案可查、定妆图可换、场块可重拍、提示词可编辑。

下面按真实生产顺序，拆成 12 道工序。

工序 1–3：立项阶段，Brief 没锁版不许往下走

工序 1：创意准入评分

拿到一个想法，先不写剧本，先做完整度评分（0–100）。评分维度就是竖屏短剧立项必须回答的十个问题：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。

• ≥80 分：想法已经足够具体，可以跳过大部分引导，直接锁简报。
• 40–79 分：只补缺失的维度，不重复问已经清楚的部分。
• <40 分：走完整引导，把十个问题一个一个问清。

这一步的本质是立项会。分数阈值是系统强制的，不是模型「口头说够了」就放行——否则后面所有工序都在给一个模糊的想法打工。

工序 2：创意简报锁版

评分通过后，产出一份锁版的创意简报（Creative Brief），固化这些字段：

锁版后才能进入下一阶段——这是硬门禁，不是建议。想改简报可以，回到这一步改完再往下，不允许边写边改方向。

工序 3：故事档案建档

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、道具视觉描述。它相当于传统编剧室里的 continuity bible（连戏圣经），作用是让第 200 集还记得第 3 集埋了什么。

不靠模型记性，靠结构化档案。

写作时模型只吃档案切片（人物当前状态、未结伏线、近批剧情摘要、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。

工序 4–6：剧本阶段，先规划后正文，写完过质检

工序 4：分批剧本写作

竖屏短剧动辄几十上百集，一次性写完既不现实也不稳。正确做法是分批写作，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固定的：

1. 场戏清单（Beat Sheet）先行：先列这一批每集的场次、每场发生什么、集末 cliffhanger 是什么，再写正文。
2. 正文写作：按场戏清单展开。
3. 规则质检：写完过规则质检器。
4. 档案回填：质检通过后，把这一批新出现的人物状态、伏线变化、道具信息写回故事档案。

从第 2 批起，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，防止系统「自顾自续写」。

写作进度过半后，系统会强制注入结局约束，避免写到最后收不回来。

工序 5：竖屏写作铁律内嵌

短剧不是长剧切竖屏，有自己的节奏规律。这些规则是内嵌在写作环节里的，不是写完再改：

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。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟——这是投放平台的主流规格，不是事后裁切。

工序 6：规则质检与自动重写

写完的剧本必须过规则质检器，卡住这些典型问题：集标题错误、场景数不匹配、缺【人物】行、对白过少、出现「未完待续」之类占位敷衍。

不合格的剧本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。这一步替代了传统流程里「责编通读挑硬伤」的大量重复劳动，但审美判断（好不好看、节奏对不对）仍然在人这边。

工序 7–8：美术阶段，先定妆再开拍

工序 7：选定画风

系统内置 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——避免出现「人物是日漫、视频突然变写实」的断层。

工序 8：人物 / 场景 / 道具定妆出图

立绘走两段式工艺：

1. 文本润色：用所选画风的人物手册 + 性别硬规则，把档案里的人物描述润色成可出图的提示词（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。

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，不过关不能进入下一阶段。

场景与道具的纪律同样重要：

• 场次从剧本自动解析为「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，否则人物参考会被污染。
• 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：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）。

一致性靠资产，不靠运气。

工序 9–10：分场阶段，把剧本切成可拍的场块

工序 9：本集切为约 10 秒场块

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，超过则按动作节拍、空段、句号等规则再拆。

对外类比，这就是剪辑台上的 clip 列表：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……」，每场有独立的提示词、独立的参考图、独立的成片与历史 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。切分不满意可以整集重新切。

工序 10：每场绑定参考图 + 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。

绑定后执行一条最高优先级约束：

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。

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。

在此基础上，还支持：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆，处理称呼不一致与客串指代。
• 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：在同类同名下替换为另一张历史图。
• 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。

镜头提示词本身遵循工程化规范，八大要素齐备：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），一镜一运镜，用镜头序号不用绝对秒数，并强制兜底画质、面部稳定、无水印 Logo 等。

系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前会剥离特定影视作品 / IP 名称，保留技法与美学描述，降低下游版权拦截风险。

工序 11–12：出片阶段，多 take 择优，不重新发明提示词

工序 11：多模态出片（默认竖屏）

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 → 选模型档位 / 比例 / 分辨率 / 时长 → 提交出片 → 队列渲染 → 回看。

输出规格默认是 9:16 竖屏（亦支持其它比例），这是默认交付形态，不是事后裁切。时长支持智能时长或固定 5–15 秒，分辨率按模型白名单，音频默认可生成，水印默认关。

出片时系统不重新发明提示词：提交用的就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。

面向导演 / 美术 / 制片的专业可控点：

工序 12：审片 → 改词 / 换图 → 重拍择优

成片交付后，创作者审片。不满意有三种典型改法，对应三种不同的问题：

• 画面内容不对（动作错、场景错）：改提示词，重拍这一场。
• 人物 / 道具外观不对（换脸、换装）：换参考图或检查角色绑定，重拍。
• 风格跑偏：切画风或检查视频风格标签，重拍。

生产级可靠性在这一步兜底：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。

这套流程不做什么：七条诚实边界

主动划清边界，比含糊宣传更能建立信任。

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」。

谁在跑这条流水线：18 位数字专家

整条链路对标真实剧组编制，由 18 位数字专家（5 位核心专家 + 13 位视频制作专家）按工种分工完成。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。

• 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：

举个例子：道具师会以拍戏视角把这集的道具按剧本原始称呼提出来，全剧合并成 catalog；分镜师负责把场块拆成一镜一运镜的镜头指令；剪辑师 / 选片负责在多个 take 之间做呈现，最终择优仍由创作者拍板。

一句话收口

猫斯卡（Maosika）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。

它的定位是可规模化生产的 AI 竖屏短剧生产操作系统，不是单个文生视频按钮，也不宣称无需人类、零失误出片。一个想法，全程自动；一个人，一天，一部剧——前提是你愿意按工序走。

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