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 25 日

用 AI 做竖屏短剧，真正的难点从来不是「点一下生成」，而是把剧组里那些靠人盯的工序，变成一道道有输入、有产物、可回退的关卡。下面按真实片场的顺序拆给你看。

先讲结论：这是一条流水线，不是一个按钮

很多人以为 AI 短剧 = 写一句话 → 点生成 → 出片。实际跑过项目的团队都知道，中间任何一环没卡住，后面就会连环翻车：第 5 集主角换脸、第 12 集忘了第 3 集埋的伏笔、道具在不同集里长得不一样、开场 10 秒没人看下去。

工业级的做法是把流程拆成每一步都有可验收中间产物的工序。产物不合格，不往下走。这跟真人剧组的逻辑一模一样：立项会没开完不开机，定妆没确认不进棚，分镜没签字不掌机。

下面这 12 道工序，是目前跑得通的一条 AI 竖屏短剧生产链。

工序 1：创意准入——先打分，再决定聊多深

不是每个想法都值得立刻写剧本。一个想法扔进来，先按完整度打 0–100 分，看你在这 10 个维度上说清了多少：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：方向已经够清楚，跳过大部分引导，直接锁简报。
• 40–79 分：只补缺的那几个维度，不重复问你已经说过的。
• <40 分：走完整引导，把上面 10 个维度逐项问清。

这一步的本质是立项会。很多团队翻车，就是因为「想法还在脑子里飘着就开始写」，写到第 8 集发现主角动机立不住，回头改成本极高。

工序 2：创意简报锁版——没签字不开机

引导完之后，产出一份创意简报（Creative Brief），必须锁版才能进下一阶段。里面固化这些字段：

简报是硬门禁，不是参考意见。锁版之后再改，要走改单流程，而不是写到哪儿算哪儿。

工序 3：角色阵容与视觉确认

在写剧本之前，先把「谁在这部剧里」定下来。每个角色要有姓名、身份、性格特征、视觉描述。这一步机器会做强校验：阵容齐不齐、姓名合不合法、视觉字段完不完整、主角跟简报里对不对得上。

不过关，不往下走。

原因很现实：剧本写了一半发现「这个角色其实应该是女的」或者「主角年龄设定反了」，后面所有定妆、所有镜头提示词都要重来。

工序 4：故事档案建档——不靠记性，靠账本

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、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。

档案的工作机制是：

• 每批剧本开写前，只调取相关切片（本批出场人物状态、未结伏线、近批剧情摘要、本批主线），既防上下文失忆，也防无关信息干扰。
• 每批写完自动回填：谁受了伤、哪条伏线收了、哪个人关系变了，全部记进去。
• 写作进度过半之后，强制注入结局约束，防止最后几集收不住。

一句话：不靠模型记性，靠结构化档案。

工序 5：分批剧本写作——先出清单，再写正文

竖屏短剧剧本不是一口气写完几十集，而是分批写作，每批数集。每一批内部有严格顺序：

1. 场戏清单（Beat Sheet）先行：这集有几场戏、每场的冲突点是什么、集末钩子（cliffhanger）是什么，先列出来。
2. 再写正文：按清单展开。
3. 规则质检：写完过一遍质检器，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」之类占位敷衍。不合格带反馈自动重写。
4. 档案回填：通过质检的剧本，把新的人物状态、伏线变化回填进故事档案。

从第 2 批起，开写前先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这些被标记为硬约束，跟档案冲突时以创作意图为准——相当于编剧室开批前会。

竖屏剧本的四条铁律

这几条是内嵌在写作规则里的，值得单独拎出来：

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。

工序 6：选定画风——17 套手册，人物场景道具共用一条路径

画风不是「选个滤镜」，而是整套美术语言。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。这是为了避免一种经典翻车——人物画出来是日漫，视频生成出来变写实，观众一秒出戏。

工序 7：人物 / 场景 / 道具定妆出图

定妆是两段式工艺：

1. 文本润色：用该画风的人物手册 + 性别硬规则（性别不随模型发挥），把档案里的文字描述润成可出图的提示词。这一步人工可以覆盖。
2. 图像生成：拼最终提示词出图，支持喂参考图，落库为可回看的历史版本。

场景与道具同理：

• 场次从剧本自动解析成「内 / 外 | 地点 | 日夜」，不用手填表格。
• 空镜纪律：场景图严禁出现人物，否则拍的时候人物会叠影。
• 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。

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

剧本写完、定妆做完，不是直接「生成第 3 集」。而是先把每集切成一个个视频场块，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。这跟剪辑台上的 clip 列表是同一个逻辑。

诚实边界：约 10 秒是工程启发式，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。

工序 9：每场绑定参考图 + 工程化镜头提示词

这是一致性最核心的一道关卡。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。

有一条最高优先级约束值得单独写出来：

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 → 当场换装、换脸。

除此之外还有几个可控点：

• 支持手动角色绑定（剧本里叫「警官」，绑到档案里「李强」的定妆）。
• 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：缺场景 / 人物 / 道具参考就弹清单，引导先去绘制。允许跳过走纯文字路径——但这是制片助理式的提醒，不是静默硬生成；缺图硬拍，质量通常更差。

镜头提示词的八大要素

提示词不是写小说，是写分镜表。每场的提示词必须覆盖这八块：

复杂场景走三段论（总体设定 → 镜头 1/2/3… → 约束包）；用镜头序号不用绝对秒数；台词用 {}、音效用 <>、BGM 用 （） 标注。

一句话：系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前还会做合规清洗：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。

工序 10：多模态出片（默认竖屏）

输出规格默认是 9:16 竖屏，不是事后横转竖裁切——这一点对投放端很关键。其他规格参数：

出片时不重新发明提示词：用的是你已确认或已编辑过的提示词 + 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」是同一个逻辑。

工序 11：审片与改词 / 换图 / 重拍

出片之后，你手里有几个可控点，对应真实剧组的工种：

诚实边界：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。

工序 12：生产级可靠性——这是队列，不是玩具脚本

真正要当生产工具用，背后的队列机制必须稳：

• 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。

数字专家团：18 个工种，不是 18 个按钮

整条链路上的每一步，背后是对标真实剧组编制的 18 位数字专家（5 位核心 + 13 位视频制作）。你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 位负责创意与剧本链路：档案秘书、制片人、编剧、流程监制、场记（工作记录）。

视频制作 13 位分四组：

用工种名来理解比记名字有用得多——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」，这才是它在流程里的真实作用。

必须讲清楚的边界

这套流程不是万能的。有几条边界建议你在立项前就知道：

1. 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。
2. 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。
3. 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。
4. 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」。
5. 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。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。

---

如果你正在搭自己的 AI 短剧生产线，可以看看猫斯卡（https://www.maosika.com）是怎么把这 12 道工序固化成产品的——一个想法，全程自动；一个人，一天，一部剧。

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