AI 竖屏短剧生产流水线拆解：从一个想法到一集成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧翻车，大多不是模型不行，而是工序乱了——没锁 brief 就写剧本，没定妆就开拍，没切场就塞长提示词。下面把一条能跑通的生产链按片场工序拆开讲。

先把一句话说在前面

AI 竖屏短剧不是一个「文生视频」按钮，而是一条从想法到成片的自动生产链。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，稳定地落到每一集、每一场、每一句台词和每一个镜头上。

下面这套工序，是把传统剧组里已经被验证过的质量控制顺序——先立项、再剧本、再定妆、再分场、再镜头、再多 take 择优——用工程手段固化下来。每一环都有可看、可改、可回退的中间产物。

工序总览：12 道关，一道都不能跳

这 12 道里，2、3、8、10、12 是必须有人签字的节点。其余步骤可以高度自动化，但签字点跳过去，后面一定返工。

第一道关：创意评估，不够完整就不许往下走

很多团队用 AI 写剧本的第一反应是「给我写个霸总短剧」。这种输入，模型只能靠猜。

正规做法是先做一次 Intake 完整度评分，0–100 分，按分数决定要不要继续追问：

• ≥80 分：维度齐全，可以跳过大部分引导，直接锁简报；
• 40–79 分：只补缺失的那几个维度；
• <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、投放平台与受众全部问清。

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。这个参数在引导阶段就要定，它直接决定后面的钩子密度和场块粒度。

立项会没开完，不许开拍。这不是模型「觉得自己懂了」就能放行的，是分数阈值强制的。

第二道关：创意简报锁版

创意简报是整条链路的硬约束。锁版之后，后面所有工种都吃这份简报，不能边写边改核心设定。

一份锁版的简报至少包含：

• 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）

简报没锁，编剧就会在第 5 集给主角加一个前史，美术就会在第 10 集给主角换一件衣服，导演就会在第 30 集突然想改结局。这些都是竖屏短剧最常见的崩盘原因。

第三、四道关：阵容确认 + 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，相当于传统编剧室里的 continuity bible。它记录：

• 人物身份与稳定性格特征
• 可变的当前状态（伤痕、身份变化、情绪阶段）
• 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

写作时模型只吃档案切片——本批相关的人物状态、未结伏线、近批摘要、本批主线——而不是把前 50 集全文塞回上下文。这就是「不靠模型记性，靠结构化档案」。

阵容确认有硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关，美术环节不开工。

第五到第七道关：分批剧本，先规划后正文

竖屏剧本最忌讳一口气写 80 集。正确做法是分批写作，每批数集，一批写完、归档确认，再写下一批。

每一批内部又分三步：

1. 场戏清单先行：每集先出 beat sheet，标好集末 cliffhanger，再写正文；
2. 正文写作：遵守竖屏写作铁律；
3. 规则质检 + 档案回填：不合格自动重写，合格后把新增伏线、人物状态变化写回档案。

竖屏写作的四条铁律

这几条是内嵌在写作规则里的，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。

两道结构保险

• 伏线账本：每条伏笔都记 open / resolved，不允许埋了不收；
• 进度过半强制收束：写作进度过半后，强制注入结局约束，防止写到结尾收不回来。

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。这些被标记为「用户已确认的硬约束」，和档案冲突时，以当下的创作意图为准。

质检卡什么

规则质检器会卡住：集标题错误、场景数不匹配、缺【人物】行、对白过少、「未完待续」这类占位敷衍。不合格带错误反馈自动重写，最多 6 次，没通过质检的半成品不会交付。

第八道关：画风选定与定妆出图

一致性翻车的根源，往往是人物、场景、视频各用各的风格。

正规做法是先从17 套内置画风手册里选一套——覆盖都市写实、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、赛博国风等方向。每套手册包含：

• 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

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。不允许「人物是日漫、视频变成写实」这种断层。

立绘走两段式工艺：先把档案描述按画风手册 + 性别硬规则润色成可出图提示词（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。

有一条纪律必须讲：场景图严禁出现人物。场景是空镜，人物是定妆，混在一起后面必串。

第九道关：切场块，别让一集变成一个大提示词

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。

剧本写完后，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。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。

这相当于剪辑台上的 clip 列表。群演和泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位。切得不满意，可以整集重新切。

输出规格默认 9:16 竖屏——是默认交付形态，不是事后横裁竖；时长走智能时长或固定 5–15 秒；模型档位分标准 / 高速 / 轻量；分辨率按模型白名单走；音频默认可生成，水印默认关。

第十道关：参考图映射 + 工程化镜头提示词

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 视频最经典的翻车——文字描述和参考图打架，结果就是换装、换脸。

除此之外，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：避免无关道具挤占参考槽位；
• 历史版本替换：同类同名下换成另一张图；
• 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，取定妆图时优先匹配对应造型。

开拍前会做齐套校验——缺哪些场景 / 人物 / 道具参考，弹清单引导先去绘制。允许跳过走纯文字路径，但这是制片助理在提醒你，不是静默硬生成。

镜头提示词的八大要素

提示词不是写小说，是写分镜表。一套工程化的镜头提示词包含八大要素：

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

配套的几条硬规矩：

• 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（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；
• 符号规范：台词 {}、音效 <>、BGM （）；
• 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。

提示词交付前还会做合规清洗——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，会返回明确引导，要求改用平台绘制链路、不加真人参考图后重绘再拍。

第十一、十二道关：出片、审片、重拍择优

标准拍摄路径是：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。

几个专业可控点，对应用组里的真实工种：

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，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」是一个逻辑。

生产级的可靠性靠这几条机制撑着：成片做 faststart 处理，以实测时长落库；视频任务走独立队列车道，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。

这 7 件事，系统明确不做

讲完能做什么，必须讲清做不到什么。主动划边界，是对从业者最基本的诚实。

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」。

最后：人坐在哪里

整条链路上，有 18 位数字专家在跑流程——5 位核心专家负责创意与剧本链路（档案秘书、制片人、编剧、流程监制、场记），13 位视频制作专家负责一键拍摄链路，覆盖场次筹备、视觉设定、开拍执行、成片品控四组。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。

但审美判断仍然坐在人这边。系统替你做的，是把重复的、易漂移的、易失控的部分变成可约束的流水线——黄金 3 秒卡不卡、爽点密不密、定妆像不像、运镜对不对、这条 take 选不选，这些决定仍然是创作者下。

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。如果你正在搭一条能持续产出竖屏短剧的生产线，而不是找一个「按一下出片」的玩具，可以到 猫斯卡 看看整条链路是怎么跑的。

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