AI 竖屏短剧生产流水线拆解：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 29 日

AI 做短剧翻车，几乎都不是模型不行，而是流程顺序错了——没锁简报就写剧本、没定妆就开拍、没切场块就硬塞长提示词。解法是把整条链路拆成 12 个有中间产物、可回退的验收节点。

为什么多数 AI 短剧项目死在「顺序」上

行业里常见的翻车路径是这样的：拿到一个题材想法，直接让模型写 80 集剧本，写完扔给文生视频工具，发现第 3 集主角换了脸、第 17 集道具失忆、第 40 集伏线忘了收。回头改，成本比重做还高。

问题不在某一个模型，而在把本该串行的工序并行了。真人剧组不会在剧本没定稿时就开镜，不会在演员没定妆时就拍正片，不会在没分镜时就让摄影师自由发挥。AI 短剧也一样。

下面把一条可工业化的 AI 竖屏短剧生产链，拆成 12 个节点。每个节点只讲三件事：产出什么、什么情况不能往下走、人在这里要做什么判断。

---

节点 1：创意准入打分

不是每个想法都值得立刻写剧本。立项前先把创意按一组竖屏维度填齐：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。

系统会给出一个 0–100 的完整度评分：

验收产物：一份填齐的创意 intake 表。 不能往下走的信号：核心矛盾模糊、主角没有人物弧光、爽点节奏说不清楚。 人的判断：这个题材在目标平台有没有受众基础，是创作者要拍板的，模型不替你判断市场。

节点 2：创意简报锁版

简报是全剧的「宪法」。锁版后才能进入下一阶段，这是硬门禁。

简报必须固化的字段：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。主角字段必须包含人物弧光——从什么状态变到什么状态。

创意简报是一份对全剧所有后续环节有约束力的文档，规定了故事讲什么、给谁看、怎么爽、怎么收。它相当于立项会决议，锁版之后所有工种都按它走。

验收产物：锁版的创意简报。 不能往下走的信号：梗概里出现「中间部分待定」「结局再议」这类占位。

节点 3：角色阵容与视觉确认

在写正文之前，先把「谁在这部剧里」定下来。每个角色要有姓名、身份、稳定性格、视觉描述。

确认时机器会强校验四件事：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进入下一阶段。

验收产物：角色阵容表。 人的判断：主角脸的气质、反派的辨识度，是审美判断，必须人来点头。

节点 4：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、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。它不靠模型记性，靠结构化档案。

档案的核心作用是防两件事：一是「上下文失忆」——第 50 集忘了第 5 集埋的身份伏笔；二是「状态漂移」——主角上一集刚受伤，下一集活蹦乱跳。

写作时模型只吃档案切片：人物当前状态、未结伏线、近批摘要、本批主线。每批写完自动回填，续写前自动调取。

验收产物：初版故事档案。

节点 5：分批剧本写作

不要一次写 80 集。分批写，每批数集，一批写完、归档确认，再写下一批。

每批内部的顺序是固定的：

1. 场戏清单先行：每集先出 Beat Sheet，明确这集有几场、每场的戏剧功能、集末 cliffhanger 是什么；
2. 再写正文：按清单展开；
3. 规则质检：写完过规则质检器；
4. 档案回填：通过后把本批新增的人物状态、伏线变化写回档案。

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。

写作铁律是内嵌的，不是事后检查：

• 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；
• 单集结构：开场钩子（1 场）→ 矛盾升级 → 集末 cliffhanger（最后 1 场）；
• 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；
• 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。

进度过半后，系统会强制注入结局约束，防止写到后面收不回来。

验收产物：本批剧本 + 质检报告 + 更新后的故事档案。 不能往下走的信号：集标题错误、场景数与清单不匹配、缺【人物】行、对白过少、出现「未完待续」等占位敷衍——这些会被质检器卡住，带错误反馈自动重写，最多 6 次。

节点 6：选定画风

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。

关键是选定后共用同一条风格路径——人物立绘、场景立绘、道具立绘、视频提示词都走它，避免「人物是日漫、视频变成写实」的断层。

验收产物：选定的画风手册。 人的判断：画风与题材、受众是否匹配，是审美决策。

节点 7：人物 / 场景 / 道具定妆出图

立绘走两段式工艺：先用该画风的人物手册加性别硬规则，把档案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。

几个硬规则值得记住：

• 性别是硬规则，不随模型发挥；
• 场景图严禁出现人物（空镜纪律）；
• 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；
• 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。

验收产物：状态已完成且文件可读的立绘资产。视频侧只消费这种资产，不拿半成品去绑参考。

节点 8：本集切为约 10 秒场块

场块是把一集剧本按动作节拍切成的视频生产单元，目标粒度约 10 秒，正文软上限约 200 字，超过再按动作节拍、空段、句号等规则拆。它相当于剪辑台上的 clip 列表——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。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。

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。

节点 9：每场绑定参考图 + 镜头提示词

这是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。

最高优先级的约束可以直接当纪律用：

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。

同时支持：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；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时代造型，取对应定妆。

开拍前会做齐套校验，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。

验收产物：每场的参考素材表 + 镜头提示词。

节点 10：工程化镜头提示词

提示词不是写小说，是写分镜表。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。

几个工艺要点：

• 简单场景一段式；复杂影视化场景走三段论（总体设定 → 镜头 1/2/3… → 约束包）；
• 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（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：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 （）；
• 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。

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，会返回明确引导：改用平台绘制链路、不加真人参考图后重绘再拍。

验收产物：可人工阅读、编辑的镜头提示词。 人的判断：提示词允许人工改，这相当于导演改分镜说明——专业流程里这一步不应被跳过。

节点 11：多模态出片

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。其他规格：

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。

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。

生产级可靠性上，有几个机制值得提：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。

验收产物：每场一个或多个 take。

节点 12：审片 → 改词 / 换图 → 重拍择优

最后一个节点，也是最容易被宣传话术忽略的节点。

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。

专业可控点对应到片场语言：

不满意时，优先改词或换图再重拍，而不是反复点「再来一次」赌运气。

诚实边界（另外几条一并说清）：

• 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；
• 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；
• 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」；
• 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 12 个节点串起来看

整条链路的顺序是：

创意评估 → 创意引导 → 创意简报锁版 → 角色阵容与视觉确认 → 故事档案建档 → 分批剧本写作（场戏清单先行 → 正文 → 规则质检 → 档案回填）→ 选定画风 → 人物 / 场景 / 道具定妆出图 → 本集切为约 10 秒场块 → 每场绑定参考图 + 工程化镜头提示词 → 多模态出片（默认竖屏）→ 审片 → 改词 / 换图 → 重拍择优。

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。

猫斯卡把这条链路固化成了产品：18 位数字专家（5 位核心 + 13 位视频制作）对标真实剧组编制，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。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。

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。

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