AI 竖屏短剧生产流水线拆解：从一个想法到可交付成片的 12 个验收节点

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

用 AI 做一部竖屏短剧，真正难的不是「点一下生成」，而是把想法拆成一串可验收的中间产物——每一环都能看、能改、能回退，成片才不会在第 30 集开始换脸、失忆、串戏。

为什么「一键生成」做不出能上线的短剧

市面上多数 AI 短剧工具的默认路径是：丢一句话进去，等它吐剧本，再丢剧本吐视频。听起来顺，实际跑起来问题集中爆发在中段——人物长相漂移、道具前一集是玉佩后一集变成扳指、第 15 集忘了第 2 集埋的伏线、开场拖沓到第 20 秒还没进入冲突。

这些不是模型「不够聪明」，是流程顺序错了。专业剧组的顺序从来不是「先拍再想」，而是先立项、锁 brief、建人物档案、定妆、分场、写分镜、再开拍。AI 工具如果跳过中间任何一步，后面每一集都在重新想象这部剧。

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。

下面把一条真正能跑通量产的 AI 竖屏短剧生产链，拆成 12 个节点。每个节点讲三件事：交付什么、谁拍板、不做会怎样。

节点全景：12 个验收点

第一段：从想法到 Brief 锁版（节点 1–3）

节点 1：创意评估，先打分再说话

不是每个想法都值得立刻写剧本。立项前先过一道完整度评分，维度覆盖题材、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——这 10 项是竖屏短剧的最小完备集。

• ≥80 分：方向已经够清楚，跳过大部分引导，直接锁简报。
• 40–79 分：只补缺失的维度，不重复问已经说清的。
• <40 分：走完整引导流程，把模糊的「我想做个爽剧」逼成可执行的 brief。

这一步的价值在于：分数阈值由系统强制分流，不是模型「觉得差不多」就放行。现实剧组里，立项会没过就开拍到一半推倒重来的事太多了。

节点 2：创意引导，把竖屏维度问清

竖屏短剧和长剧、横屏短剧不是一个物种。单集时长收敛在 1–2 分钟为主，最长 3–4 分钟；黄金 3 秒决定留存；爽点要按集密度铺。引导阶段把这些问透，后面编剧才不会写出「前三分钟铺垫世界观」的自杀式开场。

节点 3：创意简报锁版——没锁版不许进下一阶段

创意简报是立项会的会议纪要，锁版之后就是硬约束。 固化字段包括：

• 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
• 主角字段必须包含人物弧光

锁版的意思不是不能改，而是改要走显式流程，而不是写着写着偷偷换方向。

第二段：人物与连续性（节点 4–5）

节点 4：角色阵容确认，硬门禁

进入美术之前，阵容必须过一道机器强校验：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。任何一项不过关，不许往下走。

这一步拦住的是最常见的一类返工：写到第 5 集才发现主角连年龄、气质、标志性外观都没定，回头改剧本、改定妆、改已经拍完的场。

节点 5：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、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。

关键工艺：

• 写作时只吃档案切片（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，也防噪音。
• 每批写完自动回填，续写前自动调取。
• 伏线账本记录每条线 open / resolved 状态，避免埋了不收。

不靠模型记性，靠结构化档案。

第三段：剧本工业化写作（节点 6）

剧本不是一集一集「凭感觉写」，而是按批次工业化续写。

先规划后正文

每集先出场戏清单（Beat Sheet）+ 集末 cliffhanger，再写正文。这对应编剧室里「先搭骨架再填肉」的基本纪律。

四条内嵌写作铁律

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。

批前意图锁定

从第 2 批起，先问定四件事：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——给创作者留推翻档案的出口，但必须是显式决策，不是模型自己改戏。

进度过半强制收束

写作进度过半后，强制注入结局约束，避免写嗨了收不回来、结局烂尾。

规则质检器

写完自动过质检，卡住以下问题：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。

第四段：美术与一致性（节点 7–8）

节点 7：画风选定，一套语言管到底

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风格路径。这直接避免了「人物是日漫、视频变成写实」的经典断层。

节点 8：定妆出图——两段式工艺

立绘不是直接把档案描述丢给出图模型，而是走两步：

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：

• 性别为硬规则，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。
• 场景图严禁出现人物（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 catalog，不丢集。
• 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。

第五段：场块、镜头与出片（节点 9–11）

节点 9：本集切场块——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。

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。可整集重新切分。

节点 10：参考图映射 + 工程化镜头提示词

这是 AI 短剧一致性最核心的一步。

参考素材表每场自动构建，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：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。

配套的人工可控点：

• 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。
• 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。

镜头提示词遵循工程化规范，核心是八大要素：

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

配套纪律：

• 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 {}、音效 <>、BGM （）。
• 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。

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。

合规侧，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；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。

节点 11：多模态出片——默认竖屏，不是事后裁切

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

竖屏是默认交付形态，不是事后裁切——这一点决定了构图、运镜、人物在画面中的位置都是按竖屏设计的，而不是把横屏画面上下遮黑。

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：Worker 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。

第六段：审片、重拍与可运营性（节点 12）

专业可控点一览

生产级可靠性

能当生产工具用，靠的不是出片效果，而是队列纪律：

• 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。

诚实边界：这套流程做不到什么

主动划清边界，比藏着掖着更能建立信任。

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」。

把人留在关键节点上

整条链路背后是 18 位数字专家（5 位核心 + 13 位视频制作），对标真实剧组编制：核心链路有档案秘书、制片人、编剧、流程监制、场记；视频链路分四组——场次筹备（场记、选角导演、制片 / 统筹）、视觉设定（视觉风格指导、美术指导、造型 / 化妆定妆、道具师）、开拍执行（分镜师、摄影指导、导演、摄影师 / 掌机）、成片品控（剪辑师 / 选片、VFX 技术监修）。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。

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。

---

猫斯卡（Maosika）是 AI 竖屏短剧生产操作系统，主张「一个想法，全程自动 / 一个人，一天，一部剧」。如果你正在搭一条能稳定交付的 AI 短剧生产线，可以到猫斯卡官网看完整链路。

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