AI 竖屏短剧生产流水线：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 29 日

AI 做短剧最容易踩的坑，不是模型不够强，而是把「从想法到成片」当成一次长生成。工业化做法是拆成一道道可验收的工序，每环有中间产物，人在节点拍板，机器负责把方向落到每一场。

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：写一段故事梗概丢给模型，让它直接出剧本，再把剧本丢进视频工具，等一条长视频出来，然后开始手动剪、手动修脸、手动补台词。结果是：第 3 集主角换了张脸，第 8 集忘了第 2 集埋的伏笔，道具在不同集里长得不一样，单集节奏忽快忽慢。

问题不在模型，而在流程。传统剧组之所以能稳定产出，是因为它把创作拆成了立项、剧本、定妆、分镜、拍摄、剪辑六道关，每关有负责人、有交付物、有返工机制。AI 短剧要稳定，也必须有这六道关——只是把关口搬进了系统里。

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。

下面这 12 道工序，是一条已经被验证过的 AI 竖屏短剧生产链。每一道都有明确的输入、输出和验收标准；你可以把它当成一份制片排期表用。

工序总览：12 道关，每道都有交付物

注意一个贯穿原则：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。

第一阶段：立项——简报没锁版，不许开拍

工序 1：创意评估

不是每个想法都值得直接写剧本。系统先对你输入的创意做一次完整度评分（0–100），按分数分流：

• ≥80 分：信息够全，跳过大部分引导，直达简报
• 40–79 分：只补缺失的维度，不重复问已经清楚的
• <40 分：走完整引导，把故事想清楚再往下

这个分流是系统强制的，不是模型「口头说够了」就放行。类比传统剧组，就是立项会没过，不许进编剧室。

工序 2：创意引导

引导阶段会问清 10 个竖屏创作维度：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。

竖屏单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟。这不是建议，是竖屏媒介本身的节奏约束——超过这个时长，完播率会硬掉。

工序 3：简报锁版

引导结束后生成一份创意简报，固化字段包括：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。

锁版后才能进入下一阶段。 这是整条链上最重要的一个门禁：简报没定，后面所有环节都是在流沙上盖楼。

第二阶段：剧本——先规划后正文，靠档案不靠记性

工序 4：角色阵容与视觉确认

在动笔之前先把阵容钉死：谁是主角、谁是配角、每个人的核心视觉特征是什么。系统在你确认时做强校验：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进写作。

工序 5：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、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。它相当于传统编剧室里的 continuity bible，作用是让第 200 集还记得第 3 集埋了什么。

写作时系统只吃档案切片（人物当前状态、未结伏线、近批摘要、本批主线），既防上下文失忆，也防噪音。每批写完自动回填，续写前自动调取。一句话：不靠模型记性，靠结构化档案。

工序 6：分批剧本写作

剧本不是一口气写完的，是分批写作，每批数集。每一批内部走四步：

1. 场戏清单先行：先出 Beat Sheet + 集末 cliffhanger，再写正文
2. 正文写作：遵守竖屏写作铁律（见下）
3. 规则质检：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」等占位敷衍；不合格带错误反馈自动重写
4. 档案回填：本批新埋的伏线、新出场的人物、状态变化写回档案

从第 2 批起，系统会先问定四件事——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。

写作铁律是内嵌在系统里的，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

另外有两条结构保险：一是伏线账本记录每条伏线的 open/resolved 状态，防止挖坑不填；二是进度过半强制收束，写作进度过半后强制注入结局约束，防止结尾收不住。

第三阶段：定妆——一致性靠资产，不靠运气

工序 7：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）。每套手册至少包含：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。这避免了 AI 短剧最常见的断层——人物是日漫脸，视频出来变成写实风。

工序 8：定妆出图

立绘走两段式工艺：

1. 文本润色：用该画风的人物手册 + 性别硬规则，把档案描述润色成可出图提示词（可人工覆盖）
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

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。性别是出图时的硬规则，不随模型发挥。

场景立绘有一条铁律：场景图严禁出现人物（空镜纪律），否则人物参考会被污染。道具则按集以「道具师」视角提取剧本原始称呼，全剧合并成 catalog，不丢集。

一致性靠资产，不靠运气。

第四阶段：拍摄——场块、参考图、镜头提示词

工序 9：本集切场块

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，超过按动作节拍、空段、句号等规则再拆。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。

你看到的不是「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。这相当于剪辑台上的 clip 列表。

画幅默认 9:16 竖屏（亦支持其它比例），是默认交付形态，不是事后裁切。

工序 10：绑定参考 + 镜头提示词

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。有图才占槽位，无图标明「仅文字」，不强行编造绑定。

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。

系统还支持手动角色绑定（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现代/古代，取人物定妆图时优先匹配对应造型。

参考图齐套后，系统为每场生成工程化镜头提示词，遵循八大要素：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），并强制兜底：画质、面部稳定、无水印 Logo；多人场景加双胞胎/分身兜底。

几个硬规矩：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（禁止写「0–3s」）；提示词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。

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。

第五阶段：出片与重拍——多 take 择优，终审在人

工序 11：多模态出片

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 → 选模型档位（标准/高速/轻量）/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：系统用的是你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。

几个面向制片的可靠性设计值得知道：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。

工序 12：审片与重拍

专业流程里，导演在这一环有六个可控点：

诚实边界：这条流水线做不到什么

主动划清边界，比喊「一键出爆款」更能建立信任。以下七条是当前产品的真实边界：

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。

如果你正在搭一条能稳定产出的 AI 竖屏短剧生产线，可以看看猫斯卡（https://www.maosika.com）是怎么把这 12 道工序固化进产品的——它的定位是可规模化生产的 AI 短剧操作系统，而不是一个文生视频按钮。

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