AI 竖屏短剧生产流水线拆解：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

AI 做短剧翻车，多半不是模型不行，而是工序乱了——没锁 brief 就写剧本，没定妆就开拍，没分场就堆长视频。把顺序立住，每一环留下可验收的中间产物，质量才稳得住。

先把顺序立住：为什么 AI 短剧需要一条流水线

传统剧组的流程是立项、剧本、选角定妆、分镜、拍摄、剪辑，每一步都有交付物，也都有签字确认的节点。AI 短剧最常见的翻车，是把这些环节压缩成一次「文生视频」的长生成——没有 brief、没有档案、没有定妆、没有分场，结果就是人物换脸、道具失忆、集间串戏、钩子散掉。

AI 竖屏短剧生产流水线，是把专业剧组已经验证过的质量控制顺序，用工程手段强制执行下来：先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。每一环都有可看、可改、可回退的中间产物；人在关键节点做确认与审美判断，机器负责把确认过的方向落到每一集、每一场。

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。

下面把整条链路拆成 12 道工序，每一道都讲清：交付什么、卡什么、人在哪里介入。

工序 1：创意准入——先给想法打分，再决定聊多深

不是每个想法都值得直接开拍。一个想法进来，先按完整度打 0–100 分，考察的维度包括：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。

分数决定引导深度，而不是模型嘴上说「够了」就放行：

• ≥80 分：维度齐全，跳过大部分引导，直达创意简报；
• 40–79 分：只补缺失的几个维度；
• <40 分：走完整引导，把竖屏创作必须想清楚的问题问完。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏短剧的工业现实，不是偏好。

工序 2：创意简报锁版——立项会开完才动笔

引导结束后，产出一份创意简报，相当于传统剧组的立项 brief。它必须包含：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。主角字段里必须写清人物弧光——这个人从哪里变到哪里。

简报是硬门禁：没锁版，不能进入下一阶段。这一步对应片场里「立项会开完、Brief 锁版，才开拍」的规矩。

工序 3：角色阵容与视觉确认——阵容不齐不准进美术

简报锁版后，先把这部剧的角色阵容立起来。确认时机器强校验四件事：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进入美术环节。

这一步的意义是：后面所有的剧本写作、定妆出图、场次绑定，都要消费这份阵容表。阵容是地基，地基不稳，后面每一环都会歪。

工序 4：故事档案建档——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 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。

档案的工作机制有两条关键原则：

1. 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，也防无关噪音干扰；
2. 每批写完自动回填，续写前自动调取——伏线、人物状态、出场记录是滚动维护的，不是靠模型「回忆」。

不靠模型记性，靠结构化档案。

工序 5：分批剧本写作——先出场戏清单，再写正文

剧本不是一口气灌完的，而是分批写作，每批数集。每一批内部又有严格顺序：

1. 场戏清单（Beat Sheet）先行：每集先列场次节拍和集末 cliffhanger，再写正文；
2. 正文写作：遵守竖屏短剧的写作铁律（见下一节）；
3. 规则质检：写完过质检器；
4. 档案回填：合格的批次把新的人物状态、伏线状态、剧情纪要写回档案。

从第 2 批起，下笔前先问定四件事：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——人定方向，机器落字。

进度过半后，系统强制注入结局约束，防止写到后面收不回来。

竖屏短剧的四条写作铁律

这四条是内嵌在写作规则里的，不是建议：

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。

规则质检：不合格自动重写

质检器会卡住这些典型问题：集标题错误、场景数不匹配、缺【人物】行、对白过少、「未完待续」等占位敷衍。不合格的批次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。

工序 6：选定画风——17 套手册，人物、场景、视频共用一条风格路径

剧本阶段并行的是美术方向。系统内置 17 套画风手册，覆盖 2D、3D、真人写实等方向，比如都市写实、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。

关键点在于：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。这是为了避免 AI 短剧最常见的视觉断层——人物是日漫，视频突然变成写实。

工序 7：人物 / 场景 / 道具定妆出图——两段式工艺，可人工覆盖

定妆出图走两段式：

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

场景和道具同理。场景图有一条铁律：空镜纪律——场景图严禁出现人物，否则后面绑参考图时会把「背景里的陌生人」当成角色。道具按集以「道具师」视角提取剧本里的原始称呼，全剧合并成 catalog，不丢集。

性别是出图时的硬规则，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。

工序 8：本集切为约 10 秒场块——剪辑台上的 clip 列表

剧本不会直接丢给视频模型生成一整集，而是先自动切成视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过就按动作节拍、空段、句号等规则再拆。

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。这相当于剪辑台上的 clip 列表。

群演和泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位；切分结果不满意可以整集重新切。

需要诚实说明：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；精剪与串场成片仍需要后续剪辑环节。

工序 9：每场绑定参考图——一致性靠资产，不靠运气

这是 AI 短剧最核心的一致性机制。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。

绑定环节有几条硬规矩：

• 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，导致换装、换脸。
• 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，处理称呼不一致和客串指代。
• 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：可以在同类同名下替换为另一张历史版本图。
• 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。

每场绑定多张参考图，按场景 → 道具 → 人物的顺序占位，有上限。

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；缺图硬拍，质量通常更差。

工序 10：工程化镜头提示词——教模型用分镜表语言说话

参考图就位后，为每场生成镜头提示词。这不是写小说，而是写分镜表。规范包含八大要素：

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。用镜头序号，不用绝对秒数（禁止写「0–3s」）。

符号也有规范：台词用 {}、音效用 <>、BGM 用 （）。动作原则是优先低缓连续动作，减少高爆发动态崩坏。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。

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。

系统在教模型用分镜表语言说话，而不是写小说。

工序 11：多模态出片——默认竖屏，多 take 择优

提示词生成后，进入标准拍摄路径：打开某集视频工作台 → 确认参考图齐全（或有意跳过）→ 阅读并编辑视频提示词 → 选模型档位（标准 / 高速 / 轻量）、比例、分辨率、时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

默认交付是 9:16 竖屏，不是事后裁切——这一点对短剧投放是硬要求。时长支持智能时长或固定 5–15 秒；分辨率按模型档位的白名单（如 480p–4K）；音频默认可生成，水印默认关。

出片环节给创作者留的可控点，对照片场工种很好理解：

出片时不会重新发明提示词：提交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。

生产级可靠性：这是可运营的队列，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。

工序 12：审片、改词、换图、重拍——质量终审在人

出片后进入审片。需要诚实说明：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。

不满意时的调整路径是清晰的：

• 动作或表情不对 → 改提示词里的动作细节，重拍；
• 人物外观漂移 → 检查是否违反了「有图不写外观」，或换一张更稳的定妆参考图；
• 场景不对 → 换场景参考图，或补绘缺失的场景；
• 节奏不对 → 回到场块切分，重新拆场。

当前产品单元是「单场多模态参考 → 单段成片」，不做跨场自动续写 / 延长视频的产品化工作流；多场串成片仍需剪辑环节。

数字专家团：18 位工种，让每道工序有人「签字」

整条链路上的工序不是抽象的「AI 在跑」，而是由 18 位数字专家对标真实剧组编制分工协作——5 位核心专家负责创意与剧本链路（档案秘书、制片人、编剧、流程监制、场记），13 位视频制作专家负责一键拍摄链路，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。比如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，而不是让模型凭空脑补。

诚实边界：这七件事，流水线不替你做

主动划清边界，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，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 竖屏短剧生产操作系统——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，可以进一步看：

• [AI 短剧角色一致性问题全解](/blog/ai-short-drama-character-consistency/)——为什么会换脸、怎么用定妆资产彻底压住；
• [竖屏短剧剧本写作的黄金 3 秒与钩子节奏](/blog/vertical-short-drama-hook-rhythm/)——把工序 5 的写作铁律展开讲透；
• [AI 短剧镜头提示词八大要素](/blog/ai-short-drama-prompt-elements/)——把工序 10 的分镜表语言拆成可抄的模板。

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