AI 竖屏短剧生产全流程：从一个想法到可交付成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

AI 做短剧不是按一下「生成」，而是把剧组的立项、编剧、定妆、分场、拍摄、重拍，变成一条每一步都有中间产物可验收的流水线。人在关键节点拍板，机器负责把确认过的方向落到每一集、每一场。

先把误解拆掉：AI 短剧不是一条长视频，是一堆可控单元

很多团队第一次上手 AI 短剧，路径是错的：写个大纲，丢给模型出剧本，再把整集剧本塞进视频模型，等一条几分钟的成片出来，然后在剪辑软件里和换脸、串戏、道具失忆搏斗。

这条路的问题不在模型，在工序。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。

AI 竖屏短剧生产，是把传统剧组的工种顺序固化进系统：先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。 每一环都交得出东西，看得见，改得动，回得去。

下面把整条链路拆成 12 道工序。你可以把它当成一份 AI 时代的制片排期表。

工序 1：创意准入——先给想法打个分，不够就补

不是每个想法都值得直接开写。传统剧组要开立项会，AI 流程里这一步叫创意准入。

系统会按一组固定维度评估你的初始想法完整度，打 0–100 分：

• ≥80 分：方向、人物、冲突、平台、节奏都齐了，跳过大部分引导，直接锁简报
• 40–79 分：缺哪几项补哪几项，不绕路
• <40 分：走完整引导，把题材、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、投放平台与受众一项项问清

这一步的关键不是「AI 多聪明」，而是分数阈值由系统强制分流，不是模型嘴上说「够了」就放行。对竖屏短剧来说，单集时长默认收敛到 1–2 分钟，最长 3–4 分钟，这个规格在准入阶段就要定死。

工序 2：创意简报锁版——Brief 不锁，后面全漂

准入之后产出的第一份可验收文件是创意简报。它相当于立项会纪要，锁版之后才能进下一阶段。

简报里必须有的字段：

锁版这两个字是重点。简报没定，剧本不写；后面要改，走正式改单，而不是模型「自由发挥」。

工序 3：角色阵容与视觉确认——先把「谁演谁」定下来

简报锁版后，先建阵容，不直接写剧本。每个角色要有姓名、身份、性格、视觉描述，主角还要有人物弧光。

这一步有硬门禁：阵容不齐、姓名不合法、视觉字段缺、主角和简报对不上，就不让往下走。

原因很现实：AI 短剧最常见的翻车——「这个人第三集和第一集长得不一样」——病根往往在这一步就埋下了。阵容没定死，后面定妆和参考图就无从谈起。

工序 4：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，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、每条伏线的开启与收束状态、按集出场表、分批剧情纪要、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。

档案的工作机制有三条，缺一不可：

1. 写作时只吃档案切片：当下人物状态、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
2. 每批写完自动回填：新出场人物、新开的伏线、状态变化，写回档案
3. 续写前自动调取：写下一批时，先把上一批和当前档案状态喂进来

一句话：不靠模型记性，靠结构化档案。

工序 5：分批剧本写作——先出 Beat Sheet，再写正文

剧本不是一鼓作气写到底，而是分批写作，每批数集。每一批内部有严格顺序：

1. 先出场戏清单（Beat Sheet），把这一批每集的开场钩子、矛盾升级节拍、集末 cliffhanger 列清楚
2. 用户确认 Beat Sheet 后，再写正文
3. 正文写完过规则质检
4. 质检通过后回填故事档案

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。这四件被标记为「用户已确认的硬约束」，和档案冲突时以创作意图为准——这保证了编剧主导权在人，不在模型。

写作铁律是内嵌在系统里的，不是靠提示词「提醒一下」：

• 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

另外两条结构保险值得单独说：

• 伏线账本：档案里每条伏线标 open / resolved，写到一半忘埋或忘收，系统能看见
• 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

工序 6：规则质检——不合格的半成品不交付

每批剧本写完，先过规则质检器，卡住这些典型问题：

• 集标题错误
• 场景数和 Beat Sheet 不匹配
• 缺【人物】行
• 对白过少（全是旁白和动作）
• 出现「未完待续」之类占位敷衍

不合格的批次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给用户。 这一步是把「写完自己都不想看」的东西挡在门外。

工序 7：选定画风——17 套手册，人物、场景、道具、视频共用一条风格路径

剧本过了，再选画风。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。

每套手册至少包含三块：

• 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

关键设计是：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条风格路径。 这直接避免了「人物是日漫、视频变成写实」的断层——这是多模型拼装流程里最常见的视觉割裂。

工序 8：人物 / 场景 / 道具定妆出图——有图才有一致性

画风定了，开始出定妆资产。这一步是两段式工艺：

1. 文本润色：用该画风的人物手册 + 性别硬规则（性别不随模型发挥），把档案里的文字描述润成可出图的提示词。这一步可人工覆盖——导演对造型有想法，直接改
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

场景和道具同步出：

• 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，否则人物参考会被污染
• 道具按集以「道具师」视角提取剧本原始称呼，全剧合并成 catalog，不丢集

出完之后有开拍前齐套校验：生成提示词前检查缺失的场景 / 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。

工序 9：本集切为约 10 秒场块——剪辑台上的 clip 列表

定妆资产齐了，不直接出整集视频。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、句号再拆。

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
• 每场独立参考图
• 每场独立成片
• 每场独立的历史 takes

这就是片场剪辑台上的 clip 列表。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；整集可重新切分。

诚实边界：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。

工序 10：每场绑定参考图 + 工程化镜头提示词——教模型用分镜表语言说话

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。

最高优先级约束是这一条，值得单独加粗：

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。

参考图绑定支持几件专业操作：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆
• 道具纳入 / 排除：控制本场视觉焦点，避免无关道具挤占参考槽位
• 替换为历史版本中的另一张图：同角色同名下选最合适的一版
• 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

参考图就位后，生成工程化镜头提示词。它不是一段散文，而是按八大要素组织：

复杂影视化场景走三段论：总体设定 → 镜头 1/2/3… → 约束包。用镜头序号，不用绝对秒数（禁止写「0–3s」）。台词用 {}、音效用 <>、BGM 用 （） 标注。

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。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。

交付前还有一道合规清洗：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。

工序 11：多模态出片——默认竖屏，可多 take 择优

提示词确认后进入拍摄。默认交付是 9:16 竖屏，不是事后横转竖；时长支持智能时长或固定 5–15 秒；模型分标准 / 高速 / 轻量档位；分辨率按模型白名单走；音频默认可生成，水印默认关。

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。

专业创作者在这一步可控的点，对应剧组的真实动作：

背后是生产级队列：视频任务走独立车道，与剧本、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；成片做 faststart 处理，并以实测时长落库。

工序 12：审片 → 改词 / 换图 → 重拍择优——质量终审在人

最后一步是审片循环：

1. 回看本场 takes
2. 不满意就改——改词、换参考图、换模型档位、调整时长
3. 再拍新 take
4. 择优入库

这里必须说清边界：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，不替你判断「这条好不好」。

另外两条当前边界也要提前知道：

• 产品单元是「单场多模态参考 → 单段成片」，当前不做跨场自动续写 / 延长视频的产品化工作流
• 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 道工序串起来看

整条链路的顺序是被强制执行的，不能跳：

`` 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（Beat Sheet → 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 ``

这套顺序不是凭空设计的，它就是线下剧组被验证过的顺序：立项 → 剧本 → 定妆 → 分场 → 分镜 → 拍摄 → 多 take 择优。 AI 做的事，是把这条顺序里重复的、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。

这套流程不适合谁

诚实讲，有几种情况它不是最优解：

• 只想快速出一条 demo 试试水：完整工序的价值在多集连续性与一致性，单条 demo 走纯文字路径或其他轻量工具更省事
• 追求极致单镜头视觉实验：工程化提示词偏保守稳定，强风格化的艺术探索需要大量手动改词
• 完全不愿在中间节点做确认：这套流程的核心就是「人在关键节点拍板」，跳过确认等于放弃质量闸门

猫斯卡固化了哪几步

猫斯卡是 AI 竖屏短剧生产操作系统，把上面这 12 道工序固化进了产品：创意准入分流、简报锁版、故事档案自动回填、分批剧本与规则质检、17 套画风手册、两段式定妆出图、约 10 秒场块切分、参考图映射与「有图不写外观」硬约束、八大要素镜头提示词、生产级拍摄队列、多 take 重拍。

全流程由 18 位数字专家（5 位核心专家 + 13 位视频制作专家）按真实剧组编制分工，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。

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。

它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