AI 竖屏短剧生产流水线：从立项到成片的 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 做竖屏短剧最容易翻车的，不是模型不够强，而是把「从想法到成片」当成一次长生成。工业做法是把链路拆成一串可验收的节点，每一步都有产物、有门禁、能回退。

为什么「一次生成」做不出能上线的短剧

很多团队第一次用 AI 做短剧，路径是这样的：丢一个题材给模型，让它写几十集剧本，再把每集扔进文生视频，最后拼起来。结果通常是三类问题同时出现：角色每集换脸、道具前一集是玉佩后一集变成扳指、第 15 集忘了第 3 集埋的身份伏笔。

根因不在模型，而在流程——把本该分阶段验收的事，压成了一次端到端生成。传统剧组之所以能稳定产出，靠的不是某个天才，而是立项、剧本、定妆、分镜、拍摄、剪辑每一环都有明确的交付物和签字人。AI 短剧要规模化，也得把这套秩序搬进来。

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 个节点，每个节点讲三件事：这一步交什么产物、什么情况下会被卡住、人在这一步做什么判断。

节点 1–3：立项阶段——简报没锁版，不准开拍

节点 1：创意准入打分

入口不是「写个剧本」，而是一份 intake：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。系统会给这份 intake 打 0–100 的完整度分。

• ≥80 分：方向够清楚，跳过大部分引导，直接进简报。
• 40–79 分：只补缺失的维度，不重复问已经说清的事。
• <40 分：走完整的引导流程，把竖屏创作必需的十个维度问全。

这一步的本质是立项会。分数阈值是硬门禁，不是模型「口头说够了」就放行——否则后面所有环节都在替一个模糊的想法擦屁股。

节点 2：创意简报锁版

引导结束后产出一份创意简报，固化这些字段：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。主角字段必须写明人物弧光——开头是什么状态、结尾变成什么人。

简报是后面所有环节的「宪法」。锁版之后才能进入下一阶段；要改，回到这一步改完再往下走，不允许在剧本写到一半偷偷换核心矛盾。

节点 3：故事档案建档

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、伏线的 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。

这一步的关键设计：写作时模型只吃档案切片——本集会用到的人物状态、未结伏线、近几批剧情摘要、本批主线。既防上下文失忆，也防无关噪音干扰。每批写完自动回填，续写前自动调取。

不靠模型记性，靠结构化档案。

节点 4–5：剧本阶段——先规划后正文，写完过质检

节点 4：分批剧本写作（场戏清单先行）

剧本不是一口气写完几十集，而是分批写作，每批数集。每一批开写前，先出场戏清单（Beat Sheet）和集末 cliffhanger，再写正文。从第 2 批起，动笔前先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子——这些被标记为硬约束，和档案冲突时以创作意图为准。

写作铁律是内嵌的，不是靠模型自觉：

1. 黄金 3 秒：第 1 场必须强冲突或强悬念，禁止平淡开场和长篇背景介绍。
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；禁止论文腔和大段旁白解释。

竖屏单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟。写作进度过半后，系统会强制注入结局约束，防止写到一半收不回来。

节点 5：规则质检与档案回填

每批写完过规则质检器，会卡住这些问题：集标题错误、场景数不匹配、缺【人物】行、对白过少、出现「未完待续」之类的占位敷衍。不合格的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。

质检通过后，这一批的剧情纪要、人物状态变化、新开启或已收束的伏线，自动回填进故事档案，供下一批调取。

节点 6–8：美术阶段——先定妆，再开拍

节点 6：选定画风

系统内置 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。

选定之后，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：人物是日漫脸，视频出来变成写实风。

节点 7：角色阵容与定妆出图

角色确认是硬门禁：阵容齐全、姓名合法、视觉字段完整、主角和简报对齐，不过关不能往下走。

立绘走两段式工艺：先用该画风的人物手册加上性别硬规则，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），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。性别是硬规则，不随模型发挥。

视频侧只消费状态已完成、文件可读的立绘，不拿半成品去绑参考。

节点 8：场景与道具立绘

场次从剧本里结构化解析成「内/外 | 地点 | 日夜」，不靠手填表格。场景立绘有一条纪律：场景图严禁出现人物——场景图是空镜，人物归定妆图管，混在一起会污染参考。

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。有一条内容权威规则要记住：用户或剧本的描述压过画风手册的世界观禁令——手册管怎么画，不管拒画什么。

节点 9–10：分场阶段——把剧本切成剪辑台上的 clip 列表

节点 9：切为约 10 秒的场块

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，超过就按动作节拍、空段、句号再拆。群演和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……」，每场有独立的提示词、独立的参考图、独立的成片和历史 takes。这相当于剪辑台上的 clip 列表——哪场坏了重拍哪场，不用整集重来。

节点 10：每场绑定参考图

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。

这里有一条最高优先级约束，值得单独拎出来：

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。

这条规则直接针对 AI 视频的经典翻车：文字描述和参考图打架 → 换装、换脸。

此外支持手动角色绑定（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）、在同类同名下替换为历史版本中的另一张图。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，列出缺失的场景/人物/道具参考，引导先去绘制。允许跳过走纯文字路径——但这是制片助理的提醒，不是静默硬生成；缺参考图通常意味着一致性下降。

节点 11–12：出片阶段——多 take 择优，质量终审在人

节点 11：工程化镜头提示词

提示词不是让模型自由发挥的散文，而是一份分镜表。规范包含八大要素：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。

复杂影视化场景走三段论：总体设定 → 镜头 1/2/3… → 约束包。几条硬规矩：

• 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。
• 动作优先低缓连续，减少高爆发动态崩坏；肢体细化、程度量化。
• 台词用 {}、音效用 <>、BGM 用 （） 标记。
• 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依据。
• 参数偏保守，取稳定可控而非天马行空。

一句话：系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前会剥离具体影视作品/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，会返回明确引导，建议改用平台绘制链路、不加真人参考图后重绘再拍。

节点 12：多模态出片与多 take 择优

默认交付是 9:16 竖屏——这是默认形态，不是事后裁切。时长可选智能时长或固定 5–15 秒，模型档位分标准/高速/轻量，分辨率按模型白名单从 480p 到 4K，音频默认可生成、水印默认关。

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。

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加上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」是同一件事。

专业可控点对应到片场语言是这样的：

生产级的可靠性靠队列保证：视频任务走独立车道，和剧本写作、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；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。

人坐在哪，机器坐在哪

整条链路的人机分工可以一句话讲清：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。

具体来说，人做这些决定：

• intake 填什么、简报怎么锁版、结局走向是什么。
• 每一批开写前的剧情方向、重点人物、钩子怎么设。
• 选哪套画风、定妆图用哪一版、参考图怎么绑。
• 视频提示词要不要改、哪一版 take 能用、哪场要重拍。

机器做这些事：

• 按阈值分流引导深度、强制锁版才放行。
• 维护故事档案、切片投喂、批后回填。
• 按规则写剧本、跑质检、自动重写。
• 解析场次、提取道具、构建参考图映射。
• 按八大要素生成镜头提示词、清洗合规风险。
• 队列调度、失败重试、多 take 归档。

这条链路的诚实边界

在结束前，有七件事需要主动讲清楚——主动划边界，反而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」。

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。

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。

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