AI 竖屏短剧生产全流程：立项、剧本、定妆、分场、出片的工业顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 26 日

AI 做竖屏短剧最容易踩的坑，是把它当成一次长生成。专业做法是把流程拆成可验收的环节：先锁 brief，再建档案，再定妆，再分场写镜头，最后多 take 择优。

为什么 AI 短剧不能靠「一次性生成」

很多团队第一次做 AI 竖屏短剧，会把一个故事梗概直接丢给模型，期待它吐出可发布的成片。结果通常是：主角每集换脸、道具前后不一致、第三集忘了第一集的伏笔、开场没有钩子、结尾没有 cliffhanger，最后只能靠人工大量返工。

问题不在模型不够强，而在生产顺序错了。

竖屏短剧是强节奏、强连续性、强视觉一致性的内容形态。单集通常 1–2 分钟，前 3 秒就要抓人，每集要有小爽点，每 3–5 集要有一次大爽点，结尾还要留钩子。这些要求靠一次长提示词很难稳定满足。

AI 竖屏短剧生产流程，是把传统剧组里已经验证过的工业顺序，搬进 AI 工具链：立项会、剧本室、美术定妆、分场分镜、拍摄、审片、重拍。每一环都有可看、可改、可回退的中间产物，而不是把所有决策压给最后一次生成。

完整流程总览：从想法到成片的 10 个节点

下面这条链路，是把「一个想法」变成「一部可连载竖屏短剧」的完整顺序。它不是功能清单，而是生产顺序：前一步没锁定，后一步不应该开始。

这条顺序背后的原则很简单：先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。

第一阶段：把想法变成可立项的 brief

创意评估：先判断想法够不够开拍

一个短剧想法如果只有「霸总追妻」「重生复仇」几个字，是不能直接进剧本的。它缺少主角是谁、核心矛盾是什么、故事往哪走、爽点怎么排、投哪个平台、给谁看这些关键维度。

专业流程会先做一次创意完整度评估。可以把它理解成立项会上的第一问：这个项目现在能不能开？

• 完整度高：核心维度齐全，可以直接锁 brief。
• 完整度中等：只补缺失的部分，不重复问已经清楚的内容。
• 完整度低：需要走完整引导，把题材、主角、矛盾、走向、集数、时长、风格、爽点节奏、结局、平台受众逐项问清。

这里的关键不是「多问问题」，而是用分数强制分流。不是模型嘴上说「我懂了」就放行，而是缺哪个维度就补哪个维度。

创意引导：竖屏短剧必须问清的 10 个维度

竖屏短剧和长剧不同，它的节奏、时长、钩子密度都有明确约束。引导阶段至少要覆盖这些维度：

1. 题材：都市、古装、仙侠、重生、复仇、甜宠等。
2. 主角：身份、性格、欲望、人物弧光。
3. 核心矛盾：主角想要什么，谁在阻止。
4. 故事走向：主线推进路径。
5. 集数：连载规模。
6. 单集时长：以 1–2 分钟为主，最长收敛到 3–4 分钟。
7. 风格基调：爽感、虐感、悬疑、喜剧等。
8. 爽点与钩子节奏：每集小爽点，每数集大爽点。
9. 结局方向： HE、BE、反转、开放式。
10. 投放平台与受众：决定节奏、台词密度、价值取向。

其中「人物弧光」很容易被忽略。很多短剧只写主角身份，不写她从哪里变到哪里。没有弧光，角色会变成打脸机器，观众追到中段会疲劳。

创意简报锁版：brief 没锁，不要开拍

引导完成后，要形成一份可锁版的创意简报。它至少包括：

• 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，含人物弧光

锁版的意义不是不能改，而是后续所有环节都以这份 brief 为硬约束。 如果写到第 20 集又想改主角身份，那不是「润色」，而是重新立项。

第二阶段：剧本不是写出来的，是分批控出来的

先建故事档案，不靠模型记性

长篇短剧最常见的事故，是写到后面忘了前面：第 2 集说主角母亲去世，第 30 集又让母亲出场；第 5 集埋的玉佩，到结局没人提；角色上一集刚受伤，下一集活蹦乱跳。

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、人物关系、每条伏线的开启与收束状态、按集出场表、分批剧情纪要和道具视觉描述。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。

写剧本时，不应该把所有历史对话都塞给模型，而是只给档案切片：本集相关人物状态、未结伏线、最近几批剧情摘要、本批主线。这样既防上下文失忆，也防无关信息干扰。

分批写作：每批先锁意图，再出场戏清单

短剧剧本不适合一口气写几十集。专业做法是分批写作，每批数集。每批开始前，先锁定四件事：

1. 本批剧情方向。
2. 本批重点人物。
3. 本批要推进的伏笔与冲突。
4. 本批集末钩子。

这些是用户已确认的硬约束。如果它们和已有档案冲突，以本批创作意图为准——因为这代表主创主动调整了方向，而不是模型记错。

每集正文之前，要先写场戏清单（Beat Sheet）：这一集有几场戏，每场干什么，集末 cliffhanger 是什么。清单确认后再写正文，能避免写着写着跑题，也能保证每集结构完整。

竖屏剧本的四条铁律

不管用什么工具，竖屏短剧剧本都应该遵守这些节奏规则：

1. 黄金 3 秒：第 1 场必须强冲突或强悬念，禁止平淡开场和长篇背景介绍。
2. 单集结构：开场钩子 → 矛盾升级 → 集末 cliffhanger。
3. 爽点密度：每集至少 1 次小爽点；每 3–5 集 1 次大爽点。
4. 台词纪律：短句为主，单句一般不超过 20 字；避免论文腔和大段旁白解释。

这些不是风格偏好，而是投放环境决定的。观众在信息流里划到你，前 3 秒没抓住就划走了；台词太长，竖屏字幕放不下，也没人听。

规则质检：不合格自动重写，不交付半成品

剧本写完后，要过规则质检。常见要卡的问题包括：

• 集标题错误。
• 场景数和清单不匹配。
• 缺人物出场标注。
• 对白过少，全靠旁白。
• 用「未完待续」之类占位敷衍。

不合格的批次应该带着错误反馈自动重写，而不是把半成品丢给用户手动改。未通过质检的内容，不应该进入下一阶段。

每批写完后，还要把新出现的人物状态、伏线变化、道具信息回填进故事档案。下一批开写前，再自动调取最新档案。这就是「不靠模型记性，靠结构化档案」。

第三阶段：定妆先于拍摄，一致性靠资产不靠运气

选画风：人物、场景、道具、视频必须走同一条风格路径

AI 短剧常见的视觉翻车，是人物立绘是一种风格，场景是另一种，视频生成时又变成第三种。观众一眼就出戏。

解法是先选一套完整画风，再让所有视觉产物共用同一风格路径。成熟的系统会内置多套画风手册，覆盖 2D、3D、真人写实等方向，比如都市写实、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。

每套画风手册至少包括：

• 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：环境、材质、物件风格。
• 视频风格标签：给视频生成环节的风格约束。

选定后，人物立绘、场景立绘、道具立绘、视频提示词都走这套路径，避免风格断层。

角色确认：阵容不齐不能开拍

进入定妆前，要做一次角色确认硬门禁：

• 阵容齐全：本集出场人物都在档案里。
• 姓名合法：没有重名、乱码、占位名。
• 视觉字段完整：外貌、服装、气质等描述够用。
• 主角与简报对齐：没有写着写着换主角。

不过关，不能进入下一阶段。这听起来像废话，但很多 AI 工具会在角色字段不全时默默生成，结果就是每张脸都随机。

立绘两段式：先润色提示词，再出图

人物立绘不应该直接拿档案原文去生成。专业流程分两步：

1. 文本润色：用选定画风的人物手册，结合性别硬规则，把档案描述润色成可出图提示词。这一步允许人工覆盖，因为美术判断仍然在人。
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。

性别在这里是硬规则，不能交给模型自由发挥。视频侧也只消费状态已完成、文件可读的立绘，不拿半成品去绑定参考。

场景与道具：空镜不能有人，道具按剧本原始称呼提取

场景从剧本里结构化解析为「内 / 外 | 地点 | 日夜」，而不是靠人再填一张表。场景图有一条硬纪律：空镜严禁出现人物。否则人物位置、服装、人数都会污染后续视频生成。

道具应该以拍戏视角按集提取：道具师从剧本里把这集出现的物件按原始称呼提出来，全剧合并成道具编目，不丢集。比如剧本写「她攥紧那枚玉佩」，道具 catalog 里就应该有「玉佩」，而不是等模型自己猜。

有一条内容权威规则必须明确：用户和剧本的描述，压过画风手册的世界观禁令。 画风手册管画法，不管拒画。剧本里出现了现代道具，古装画风也得想办法画，而不是拒绝生成。

第四阶段：分场、参考图与镜头提示词

把每集切成约 10 秒的场块

竖屏短剧不应该整集生成一个大视频。正确做法是把剧本切成视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字。超过的话，按动作节拍、空段、句号等规则再拆。

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……」。每场都有独立提示词、独立参考图、独立成片和历史 takes。这就像剪辑台上的 clip 列表：哪场坏了重拍哪场，不用整集重来。

需要说明边界：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；精剪与串场成片仍需要后续剪辑环节。

参考图映射：有图就别再用文字描写外观

这是 AI 短剧一致性最核心的机制。

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，没有图标明「仅文字」，不能强行编造绑定。

最高优先级约束是：

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 视频的经典翻车：提示词里写「穿红色长裙」，参考图里是蓝色，模型就会在两者之间摇摆，最后出现换装、换脸、颜色闪烁。

参考图映射还需要几个专业控制点：

• 手动角色绑定：剧本里叫「警官」，要能绑到档案里「李强」的定妆。
• 道具纳入 / 排除：避免无关道具挤占参考槽位，分散视觉焦点。
• 历史版本替换：同类同名下，可以换成另一张更合适的立绘。
• 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，优先取对应造型。

开拍前还要做齐套校验：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——缺图通常质量更差，专业流程应该先定妆再开拍。

工程化镜头提示词：教模型用分镜表语言说话

很多人写视频提示词像写小说：「夕阳下，她悲伤地转过身，风吹起她的长发，镜头缓缓推进，回忆涌上心头……」这种写法对 AI 视频很不友好，因为它混合了情绪、动作、运镜、光影，模型不知道先执行哪个。

工程化镜头提示词应该包含八大要素：

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。

复杂影视化场景可以走三段论：总体设定 → 镜头 1 / 2 / 3…… → 约束包。简单场景一段式即可。

还有几条硬规范：

• 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：不要写「0–3s 做什么」。
• 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 （）。
• 不串戏：生成提示词时只给本场素材，本场剧本正文是最高优先级依据。

一句话总结：系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前还需要合规清洗：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。如果参考图被识别为疑似真人照片，应明确引导改用平台绘制链路，不加真人参考图后重绘再拍。

第五阶段：出片、审片与重拍

标准拍摄路径

进入视频工作台后，标准路径是：

1. 打开某集视频工作台。
2. 确认参考图齐全，或明确决定跳过。
3. 生成视频提示词。
4. 人工阅读并编辑提示词。
5. 选择模型档位、比例、分辨率、时长。
6. 提交出片。
7. 队列渲染。
8. 回看历史 takes，择优使用。

默认交付形态是 9:16 竖屏，不是事后从横屏裁切。这对短剧投放很关键：竖屏原生构图、字幕安全区、人物近景距离都要在生成时就考虑。也支持其他比例，但竖屏是默认。

输出规格上，可以选择智能时长或固定 5–15 秒；模型档位通常分标准 / 高速 / 轻量，对应质量、成本、速度的不同权衡；分辨率按模型白名单提供；音频默认可生成，水印默认关闭。

专业团队真正需要的可控点

AI 出片不是「点一下等结果」。专业流程需要这些控制点：

出片时不应该重新发明提示词。系统使用的是用户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——这和片场「改分镜说明再拍」是同一个逻辑。

生产级可靠性：能不能当工具天天用

从 demo 到生产工具，差别在于可靠性。真正能跑连载的系统需要处理这些问题：

• 成片做 faststart 处理，并以实测时长落库，不只信厂商回读时长。
• 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。
• 已有厂商任务号时支持续跑轮询，不二次创建、不二次预扣。

这些东西观众看不到，但制片方每天都要面对。没有队列、没有重试、没有状态管理的脚本，跑一两集可以，跑一部连载剧会崩。

诚实边界：AI 短剧流程目前做不到什么

讲流程不能只讲能做什么。对从业者来说，知道边界比知道功能更重要。

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。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。

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。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。

如果你正在搭建自己的 AI 短剧流程，可以进一步看竖屏剧本工艺、角色一致性和镜头提示词规范这几个关键环节：它们决定了你的剧是「能看」还是「能追」。

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