AI 竖屏短剧生产流水线：从一句话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

AI 做竖屏短剧，翻车几乎都不是模型不行，而是流程顺序错了——没锁 brief 就写剧本、没定妆就拍、没切场就塞长提示词。把顺序钉死，每一步留可回退的中间产物，才是能当生产工具用的做法。

先把话讲清楚：AI 短剧不是「一个按钮出片」

市面上多数 AI 短剧工具的默认路径是：丢一句话 → 生成剧本 → 直接生成视频。结果就是前三集还能看，第五集主角换脸，第八集伏笔忘了，第十集服装和场景打架。

问题不在模型，在流程。传统剧组之所以能稳定产出，靠的是一套被验证过的顺序——立项、锁 brief、建 continuity、定妆、分场、分镜、拍摄、多 take 选片。AI 要当生产工具用，就得把这套顺序固化下来，而不是绕开它。

本文把 AI 竖屏短剧的生产拆成 12 个验收节点。每个节点讲三件事：这一步要交付什么、常见卡点在哪、人应该在哪一步做判断而不是交给模型。

节点 1：创意准入——先打分，再决定要不要引导

不是每个想法都值得直接开拍。一个想法如果只有「霸总爱上我」五个字，直接进剧本，后面一定反复返工。

合理的做法是先对创意做完整度评分（0–100），按分数分流：

• ≥80 分：题材、主角、矛盾、走向、集数、时长、风格、爽点节奏、结局、平台受众十个维度基本齐，可以跳过大部分引导，直接锁 brief。
• 40–79 分：缺哪几项补哪几项，不从头问。
• <40 分：走完整引导流程，把十个维度问清楚再放行。

验收物：一份填齐十个维度的 intake 表。

人在哪判断：分数阈值是系统强制的，但「这个题材值不值得做」「爽点节奏是不是符合投放平台」是制片人的判断，模型替代不了。

节点 2：创意简报锁版——没锁版，不许往下走

创意简报（Creative Brief）是立项会开完之后那份「谁也不许再改方向」的文档。它至少要包含：

硬门禁：简报没锁版，不能进入剧本阶段。这不是模型「口头说够了」就放行，是流程上的强制卡点。

节点 3：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，相当于传统编剧室里的 continuity bible。它记录：

• 人物身份与稳定性格特征
• 可变的当前状态（伤痕、身份揭露阶段、关系变化）
• 人物关系图谱
• 每条伏线的 open / resolved 状态
• 按集出场表
• 每批剧情纪要
• 道具视觉描述

关键机制：模型写剧本时不吃全量上下文，只吃「档案切片」——本批相关人物的当前状态、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，档案自动回填；续写前，自动调取最新切片。一致性靠资产，不靠运气。

节点 4：分批剧本写作——先出 Beat Sheet，再写正文

竖屏短剧单集 1–2 分钟为主，最长收敛到 3–4 分钟。剧本写作不是一上来就写对白，而是分三步走：

1. 场戏清单（Beat Sheet）先行：每集先列出场次、每场的冲突推进点、集末 cliffhanger。
2. 正文写作：在 Beat Sheet 骨架上填对白与动作。
3. 规则质检：写完过规则质检器，不合格自动重写。

竖屏剧本的四条写作铁律

这四条是内嵌在写作流程里的硬约束，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。

批前意图锁定

从第 2 批起，先问定四件事再写：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这四件被标记为「用户已确认的硬约束」，与档案冲突时以创作意图为准——防止模型自顾自把故事带偏。

规则质检器卡什么

• 集标题错误
• 场景数与 Beat Sheet 不匹配
• 缺【人物】行
• 对白过少（全是动作描述）
• 「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交付。

验收物：通过质检的整批剧本 + 自动回填后的故事档案。

节点 5：选定画风——17 套手册，人物场景道具共用一条风格路径

AI 短剧最常见的视觉翻车是「人物是日漫、视频变成写实」。根因是人物立绘、场景立绘、道具立绘、视频提示词走了四套不同的风格设定。

解法是画风选定后，所有下游资产共用同一条风格路径。目前成熟的系统通常内置十几套画风手册，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、多视图一致性）
• 场景 / 道具手册
• 视频风格标签

人在哪判断：画风选哪套、要不要跨手册混搭，是美术指导的决策；系统负责保证选完之后不串味。

节点 6：角色阵容与视觉确认——不齐不许进下一阶段

确认角色时有硬门禁，机器强校验四项：

1. 阵容齐全（剧本里有名有姓的都在）
2. 姓名合法
3. 视觉字段完整
4. 主角与简报对齐

不过关不能进入定妆阶段。这一步看起来机械，但能避免拍到一半发现「第三集出场的反派根本没建过档」。

节点 7：定妆出图——两段式工艺，可人工覆盖

立绘生成走两段式：

1. 文本润色：用选定画风的人物手册 + 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——导演对人物长相有具体想法，直接改润色后的提示词。
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。

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。

场景与道具同理：

• 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，否则拍人物时会和场景里的「假人」打架。
• 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。

节点 8：本集切为约 10 秒场块——剪辑台上的 clip 列表

剧本写完、资产就绪之后，不是「第 3 集生成一个大视频」，而是先把每集切成视频场块，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。这和剪辑台上的 clip 列表是同一个逻辑。

承认边界：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。

节点 9：每场绑定参考图——解决换脸的核心机制

这是 AI 短剧一致性最关键的一步。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。

最高优先级约束（必须遵守）

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。模型看到「红色长裙」四个字和一张蓝裙定妆图，它会随机选一个听——结果就是抽卡。

几个实操细节

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆，解决称呼不一致。
• 道具纳入 / 排除：避免无关道具挤占参考槽位，控制本场视觉焦点。
• 历史版本替换：可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。

开拍前齐套校验

生成提示词前，系统检查缺失的场景 / 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。专业流程应该先定妆再开拍。

节点 10：工程化镜头提示词——教模型用分镜表语言说话

提示词不是写小说，是写分镜表。成熟的镜头提示词规范包含八大要素：

复杂度分流

• 简单场景：一段式写完。
• 复杂影视化场景：三段论——总体设定 → 镜头 1/2/3… → 约束包。

几条硬规则

• 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：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 （）。
• 提示词只给本场素材，禁止串戏；本场剧本正文是最高优先级依据。
• 生成参数偏保守，取稳定可控而非天马行空。

一句话总结：系统在教模型用分镜表语言说话，而不是写小说。

合规清洗

提示词交付前剥离特定影视作品 / 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、不加真人参考图后重绘再拍。

节点 11：多模态出片——默认竖屏，不是事后裁切

输出规格上，竖屏是默认交付形态：

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。

导演 / 美术 / 制片的可控点

出片时不重新发明提示词：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。

节点 12：审片与改词 / 换图 / 重拍——质量终审在人

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。

审片时常见的三类问题与对应解法：

1. 人物外观漂移 → 检查本场是否绑了定妆图、提示词里是否还有服装 / 外貌描写。换图或删词，重拍。
2. 动作崩坏 → 把高爆发动作拆成低缓连续动作，程度量化，重拍。
3. 场景串味 → 检查场景图是否混入人物、画风路径是否一致，换图或切画风，重拍。

生产级可靠性（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，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。

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。
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。 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」。

这套流程背后的思路

猫斯卡（Maosika）是一条从想法到成片的 AI 竖屏短剧自动生产链，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。

18 位数字专家对标真实剧组编制——档案秘书、制片人、编剧、流程监制、场记，加上选角导演、视觉风格指导、美术指导、分镜师、摄影指导、导演、剪辑师等——用户能看到流式工作记录，像监制看日报，不是黑箱。

猫斯卡的定位是可规模化生产的 AI 短剧操作系统——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。

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。好故事从不稀缺，稀缺的是让它落地的那条路。

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