AI 竖屏短剧生产流水线拆解：从一个想法到一集成片，中间到底要过几道关

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧真正难的不是「生成」，是每一步之间的交接：上一环没锁版就进下一环，后面全是返工。一条能跑通的生产链，必须让每个中间产物都可看、可改、可回退。

先把话说在前面：AI 短剧不是一个按钮，是一条流水线

很多团队第一次用 AI 做竖屏短剧，踩的坑都一样：扔一句话进去，期待直接吐出成片，结果拿到手发现角色脸在变、服装在换、剧情前后矛盾、第三集就忘了第一集埋的伏笔。

问题不在模型「不够聪明」，而在流程被跳过去了。传统剧组拍一部戏，要过立项、剧本会、定妆、分镜、拍摄、剪辑，每一步都有签字确认。AI 短剧如果跳过这些中间环节，让模型一次端到端，翻车是必然的。

一条能稳定产出的 AI 短剧生产链，必须满足三件事：

• 每一环都有可验收的中间产物，不是黑箱吐结果
• 人在关键节点拍板，机器负责把拍板的方向落到每一集、每一场
• 上一环没锁版，下一环不启动，靠流程强制而不是靠记性

下面按真实生产顺序，把这条链路拆成 12 道关，每一关讲清楚：交什么东西、谁来确认、最容易出什么问题。

第一道关：创意准入——你的想法够不够格开拍

不是每个想法都值得立刻写剧本。立项前先做一次完整度评估，核心要问清十个维度：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。

创意 Intake 评分是这套流程的入口闸门：

这个分数不是模型「觉得差不多」就放行，而是系统按字段是否齐全强制分流。类比传统剧组，就是立项会没开完，不许进剧本会。

竖屏短剧的单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟。这个约束在准入阶段就要定下来，因为它直接决定后面的剧本节奏和场块切分粒度。

第二道关：创意简报锁版——Brief 不锁，后面全是返工

准入通过后，产出一份创意简报（Creative Brief），这是全剧的「宪法」。它至少包含：

• 一句话故事（logline）
• 核心矛盾
• 故事走向与结局方向
• 爽点与钩子节奏
• 投放平台与受众画像
• 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，不只是外貌和身份）

锁版是硬门禁。简报没确认，不允许进入剧本写作。听起来像常识，但大量 AI 短剧翻车恰恰是因为 Brief 在写作过程中被模型悄悄改了方向——主角性格漂移、核心矛盾被换掉、结局走向变了。锁版的意义就是：后面所有环节都以这份简报为准，偏离就是 bug，不是「创作自由」。

第三道关：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（连续性圣经）。它记录：

• 人物身份与稳定性格特征
• 人物的「当前状态」（伤痕、身份变化、情绪阶段，这些是会随集数变的）
• 人物关系图
• 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

传统剧组靠场记板和编剧室的脑子维持连续性；AI 短剧如果靠模型的上下文窗口「记住」，写到十几集必然失忆。档案的做法是：写作时只给模型喂「档案切片」——本集会出场的人物当前状态、尚未收束的伏线、最近几集的剧情摘要、本批主线。既防失忆，也防无关信息干扰。

每批写完，档案自动回填；续写前，自动调取最新切片。

第四道关：分批剧本写作——先规划后正文，不是一口气写到尾

竖屏短剧剧本不适合「一次写完全剧」。正确做法是分批写作，每批数集，每批内部走四步：

1. 场戏清单（Beat Sheet）先行：每集先列节拍点和集末 cliffhanger，再写正文
2. 正文写作：按清单展开，遵守竖屏写作铁律
3. 规则质检：写完过一遍硬规则检查
4. 档案回填：本批新埋的伏线、变化的人物状态写回档案

从第 2 批起，下笔前先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这四项标记为「用户已确认的硬约束」，与档案冲突时以创作意图为准——这是给编剧留的创作主权，避免系统机械守档案而写死故事。

写作进度过半后，系统强制注入结局约束，防止剧情无限注水、收不回来。

竖屏剧本的四条写作铁律

这几条是内嵌在写作流程里的硬规则，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

规则质检卡什么

写完自动过质检器，卡住的典型问题包括：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」这类占位敷衍。不合格的带错误反馈自动重写，最多 6 次；没过质检的半成品不会交付。

第五道关：角色阵容与视觉确认——人不齐，不进美术

剧本锁了之后，先确认角色阵容。这一关的硬门禁是：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。四个条件任一不满足，不能进入画风选择和定妆环节。

这一步看似琐碎，实则是在防后面最常见的翻车：剧本里出现了一个没建档的角色，到了出图阶段模型只能瞎编长相，一致性从这里开始崩。

第六道关：选定画风——17 套手册，选一套管到底

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。

关键纪律：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风格路径。 这直接解决一个经典翻车：人物是日漫脸，视频出来变成写实风。手册管的是「怎么画」，不是「画不画」——用户或剧本的描述压过画风手册的世界观禁令。

第七道关：人物 / 场景 / 道具定妆出图——先有资产，再谈拍摄

立绘采用两段式工艺：

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（这一步人工可覆盖）
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

性别是出图时的硬规则，不随模型发挥。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。

场景与道具的纪律：

• 场次从剧本自动解析为「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，否则人物参考图会被污染
• 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

开拍前齐套校验

生成视频提示词之前，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，缺图硬拍的质量通常更差。

第八道关：本集切为约 10 秒场块——剪辑台上的 clip 列表

剧本不会直接变成「第 3 集一个大视频」。系统把每集自动切成视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过则按动作节拍、空段、句号等规则再拆。

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。

群演和泛指角色（「路人」「保镖甲」）从可绘制主演名单里剥离，避免挤占定妆槽位。场块可整集重新切分。

需要诚实说明：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；精剪与串场成片仍需后续剪辑环节。

第九道关：每场绑定参考图——一致性靠资产，不靠运气

这是 AI 短剧最核心的一致性机制。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。

有几条硬规则：

• 有图才占槽位，无图标明「仅文字」，不强行编造绑定
• 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
• 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

那条「有图不写外观」的规则，直接针对 AI 视频的经典翻车：文字描述与参考图打架 → 模型在两者之间犹豫 → 换装、换脸、颜色漂移。参考图是视觉权威，文字只负责调度动作。

每场绑定多张参考图，按场景 → 道具 → 人物的顺序占位，有上限。

第十道关：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。一套工程化的镜头提示词规范包含八大要素：

1. 精准主体
2. 动作细节
3. 场景环境
4. 光影色调
5. 镜头运镜
6. 视觉风格
7. 画质
8. 约束条件

提示词的几条硬纪律

• 复杂度分流：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，模型处理不了
• 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 （）
• 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

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。

第十一道关：多模态出片——默认竖屏，不是事后裁切

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。

输出规格：

竖屏是默认交付形态，不是把横屏生成完再裁切——这一点对投放 ReelShort、DramaBox、抖音、快手这类竖屏渠道的团队至关重要。

导演在这一关能控什么

出片时不重新发明提示词：Worker 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。

第十二道关：审片与重拍——质量终审在人，不在系统

成片回来后，进入审片环节。这里必须讲清楚边界：

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。审完不满意，可以改词、换图、换参考、换模型档位，然后重拍——这和传统片场的逻辑完全一致。

生产级可靠性是这一关的底盘：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。

把 12 道关串起来看

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

猫斯卡（Maosika）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。

必须诚实讲清的边界

这套流程能解决大部分问题，但不是万能的。主动划清边界，反而能帮你判断它适不适合你的项目：

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，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」。

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。

如果你正准备启动一个 AI 竖屏短剧项目，建议先把这 12 道关当成一张检查表：你的团队现在卡在哪一关，那就是最该优先补的短板，而不是急着换模型。

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