AI 竖屏短剧从想法到成片：一条可控的生产流水线怎么走

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧，真正难的不是「生成一段视频」，而是让第 30 集的主角还穿同一件衣服、记得上集埋的伏笔。解法是把创作拆成一条有门禁、有档案、有定妆、有分场的流水线，人在关键节点拍板，机器负责把确认过的方向落到每一场。

先把认知摆正：AI 短剧不是一个按钮，是一条链

很多团队第一次上手 AI 短剧，默认路径是：写个梗概 → 扔给模型写剧本 → 再扔给视频模型出片 → 剪到一起。跑两集就会发现三个老问题：人物脸和衣服在变、上集埋的伏笔下集忘了、某场戏的情绪和前后对不上。

这些不是「模型不够聪明」，是流程错了——你让一个没有记忆、没有美术资产、没有分场表的系统，一次性扛下编剧、美术、摄影、剪辑四个工种的活。

AI 竖屏短剧生产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。 它的核心主张是：每一环都有可验收的中间产物——剧本、故事档案、定妆图、场块、提示词、成片——可看、可改、可回退。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。

下面按真实剧组的开工顺序，把这条链拆成八个阶段。

阶段一：创意准入——立项会开完才进片场

传统剧组不会因为一个人说「我有个霸总题材」就开机，AI 短剧也不该。

准入阶段要做的事是把一个模糊想法，补成可以交给编剧的完整输入。需要问清的维度包括：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。单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。

这里有一个容易被忽略的机制：按输入完整度分流。完整度高的想法（比如已经有 logline、主角弧光、爽点节奏）可以跳过大部分引导，直接锁简报；缺维度的想法只补缺口；只有一句话的想法才走完整引导。这和立项会一个道理——准备充分的项目少开会，准备不足的项目多聊，别一刀切。

创意准入的本质，是防止「边拍边想」。短剧节奏快、集数多，前期少想清楚一件事，后期要在几十集里返工。

阶段二：创意简报锁版——Brief 不动了，才往下走

准入结束后产出的是创意简报，这是全剧的「宪法」，锁版之后才能进入下一阶段。简报里固化的字段包括：

• 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）

锁版不是形式主义。后面所有环节——剧本写作、人物定妆、画风选择、镜头语言——都以简报为最高依据。如果简报没锁，编剧写的是爱情线、美术画的是悬疑风，这种错位到了出片阶段根本救不回来。

阶段三：剧本写作——先规划后正文，有铁律也有质检

剧本是 AI 短剧最容易「看起来写完了，其实没法拍」的环节。常见翻车：开场半集在铺背景、一集下来没有爽点、对白像论文、集末没有钩子、上集的伤这集消失了。

专业流程在这一步会做四件事：

1. 把竖屏写作铁律嵌进去

这些不是「建议」，是要被强制执行的规则：

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。

2. 先出场戏清单，再写正文

每集不是上来就写对白，而是先出 Beat Sheet（场戏清单）+ 集末 cliffhanger，确认节奏对了再填正文。这一步相当于导演先看分场表，再让编剧落笔。

3. 分批写，每批锁意图

剧本不是一百集一次吐完，而是分批写作，每批数集。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。一批写完、归档确认，再写下一批。

4. 写完过规则质检

质检器会卡住典型的半成品问题：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。不合格的带错误反馈自动重写；未通过质检的半成品不应该交付给你。

阶段四：故事档案——不靠模型记性，靠结构化档案

长篇短剧最大的隐形杀手是「上下文失忆」：第 3 集说主角左肩有伤，第 27 集变成右肩；第 8 集埋了身世伏笔，到结局忘了收。

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。它相当于传统编剧室里的 continuity bible。

关键机制有三个：

• 只吃档案切片：写下一批时，不是把前几十集全文塞给模型，而是只取相关的人物状态、未结伏线、近批摘要、本批主线——既防失忆，也防噪音。
• 伏线账本：每条伏笔都有 open / resolved 状态，没收的不会凭空消失。
• 进度过半强制收束：写作进度过半后，强制注入结局约束，防止剧情跑飞收不回来。
• 每批写完自动回填：新出场的人物、新埋的伏笔、新出现的道具，写完一批就更新进档案，续写前自动调取。

一句话：不靠模型记性，靠结构化档案。

阶段五：画风与定妆——一致性靠资产，不靠运气

剧本定稿之后，别急着出视频。先解决「这个剧长什么样」和「这个人长什么样」。

选画风

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）。每套手册包含人物出图规则（面容锚点、材质、气质、视图一致性）、场景 / 道具规则、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、视频变成写实」的断层。

出定妆

立绘走两段式工艺：先用该画风的人物手册把档案描述润色成可出图的提示词（这一步人可以覆盖），再拼最终提示词出图，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。出图时性别是硬规则，不随模型发挥。

场景与道具

• 场次从剧本结构化解析为「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。
• 一个重要的内容权威规则：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。

阶段六：分场与参考图映射——AI 短剧最核心的一致性机制

这是整条链里最容易被跳过、但最决定成片质量的一步。

先切成场块

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。你看到的不是「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——哪场坏了重拍哪场，不用整集返工。

再绑参考图

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，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）：

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。

此外还有几个专业可控点：

• 支持手动角色绑定：剧本里叫「警官」，可以绑到档案里「李强」的定妆，处理称呼不一致和客串指代。
• 支持道具手动纳入 / 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。

开拍前会做齐套校验，提示缺失的场景 / 人物 / 道具参考，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。

阶段七：镜头提示词——教模型用分镜表语言说话

参考图绑好之后，不是直接点「生成」，而是为每场生成工程化的镜头提示词。

专业提示词遵循八大要素：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。复杂度高的场景走三段论（总体设定 → 镜头 1/2/3… → 约束包），简单场景一段式。

几条硬规范值得单独拎出来：

• 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（不写「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。
• 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；参考图被识别为疑似真人照片时，返回明确引导，建议改用平台绘制链路、不加真人参考图后重绘再拍。

一句话：系统在教模型用分镜表语言说话，而不是写小说。

输出规格默认是 9:16 竖屏（这是默认交付形态，不是事后裁切），亦支持其它比例；时长支持智能时长或固定 5–15 秒；提供标准 / 高速 / 轻量几档模型档位；分辨率按模型白名单覆盖 480p–4K；默认可生成音频，水印默认关。

阶段八：拍摄、重拍与成片交付——像片场一样多 take 择优

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 / 比例 / 分辨率 / 时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

专业团队在这一步真正关心的「可控点」，可以对照成一张片场映射表：

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。

生产级可靠性上，有几个机制是「能不能当生产工具用」的分水岭：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；已有厂商任务号时支持续跑轮询，不二次创建与二次预扣。

诚实边界：这条链做不到什么

主动划清边界，比夸大能力更能建立信任。以下七点是这套流程目前的真实限制：

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」。

把重复的交给流水线，把审美的留给人

回头看整条链，你会发现它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。

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。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）做的就是把这条链路固化成产品——一个 AI 竖屏短剧生产操作系统，支持从创意评估、创意引导、简报锁版、角色阵容与视觉确认、故事档案建档、分批剧本写作、画风选择与定妆出图、场块切分、参考图绑定、工程化镜头提示词，到多模态出片、改词换图重拍择优的全流程。它的定位是可规模化生产的 AI 短剧操作系统，而不是宣称无需人类、零失误出片。

如果你正准备开第一部 AI 竖屏短剧，建议从 [竖屏短剧剧本工艺里的黄金 3 秒与爽点密度](/blog/vertical-short-drama-hook-pacing/) 开始对齐编剧侧节奏，再读 [AI 视频角色一致性的核心机制](/blog/ai-short-drama-character-consistency/) 解决定妆与参考图问题，最后用 [AI 短剧镜头提示词的八大要素](/blog/ai-short-drama-prompt-eight-elements/) 校准出片语言。

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