AI 竖屏短剧生产流水线：从立项到成片的 12 道工序拆解

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧最容易翻车的，不是模型不够强，而是工序乱了——还没锁 Brief 就写剧本，还没定妆就开拍，还没切场就塞长提示词。把流程按剧组逻辑排好，每步留可回退的中间产物，质量才稳得住。

为什么大多数 AI 短剧项目死在「流程顺序」上

很多团队第一次用 AI 做竖屏短剧，路径是这样的：想到一个梗 → 直接让模型写全集 → 直接丢进视频生成 → 出来一看，主角每集换脸、道具凭空出现、第三集忘了第一集埋的伏笔、集末没有钩子。然后得出结论：AI 做不了短剧。

问题不在模型，在顺序。传统剧组之所以有立项会、有剧本围读、有定妆照、有分镜本、有多条 take，是因为每一步都是下一步的前置约束。AI 生产如果跳过这些约束，等于让模型在每一集、每一场都「重新想象」一次你的故事。

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。

下面把一条可落地的 AI 竖屏短剧生产链拆成 12 道工序。每一道都有明确的交付物，都能回看、能改、能回退——这是「生产工具」和「玩具脚本」的分界线。

工序总览：12 道，每道都有可验收产物

注意最后一列：人只在关键节点拍板，机器负责把确认过的方向落到每一集、每一场。 这不是「一键出片」，是把重复、易漂移、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。

---

阶段一：立项——Brief 没锁，不许开拍

工序 1：创意评估打分

不是所有想法都值得直接写剧本。系统会按 10 个竖屏维度给你的创意打 0–100 分：

• ≥80 分：信息够全，可跳过大部分引导直达简报
• 40–79 分：只补缺失的维度，不重复问已答的
• <40 分：走完整 10 步引导

这一步的意义是强制分流，不是模型嘴上说「我懂了」就放行。立项会没开完就开机，是剧组最忌讳的事。

工序 2：创意引导补全

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。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏短剧的工业规格，不是随便填的。

工序 3：创意简报锁版

简报是整个项目的「宪法」，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。 这听起来死板，但它解决了 AI 写作最常见的灾难：写到第 8 集主角性格变了，因为模型忘了你最初想讲什么。

---

阶段二：剧本——不靠模型记性，靠结构化档案

工序 4：角色阵容与视觉确认

人物不是写到哪算哪。阵容确认时机器强校验四件事：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进下一步。

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、伏线 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。

核心机制：写作时只吃档案切片（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，也防噪音干扰。每批写完自动回填，续写前自动调取。

不靠模型记性，靠结构化档案。

工序 6：分批剧本写作

剧本不是一口气生成全集，而是分批写作，每批数集。每批内部走四步：

1. 场戏清单先行：先出 Beat Sheet + 集末 cliffhanger，再写正文
2. 正文写作：遵守内嵌的竖屏写作铁律
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
4. 档案回填：本批新出现的人物状态、伏线、道具写回档案

不合格的剧本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。

竖屏写作的四条铁律（系统内嵌，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

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。写作进度过半后，强制注入结局约束，防止烂尾。

---

阶段三：美术——一致性靠资产，不靠运气

工序 7：选定画风

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。

关键点：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，避免「人物是日漫、视频变成写实」的断层。

工序 8：人物 / 场景 / 道具定妆

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。

场景与道具的纪律：

• 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
• 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
• 内容权威规则：用户 / 剧本的描述压过画风手册的世界观禁令（手册管画法，不管拒画）

开拍前会做齐套校验：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。

一致性靠资产，不靠运气。

---

阶段四：拍摄——系统教模型用分镜表语言说话

工序 9：本集切为约 10 秒场块

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。

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 / 泛指角色从可绘制主演名单里剥离，避免挤占定妆槽位；不满意可整集重新切分。

工序 10：每场绑定参考图 + 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
• 最高优先级约束：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 → 换装、换脸。

镜头提示词遵循工程化规范，八大要素缺一不可：

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

配套规则：

• 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（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 {}、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撰写依据
• 生成参数偏保守，取稳定可控而非天马行空

系统在教模型用分镜表语言说话，而不是写小说。

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；参考图被识别为疑似真人照片时，返回明确引导，改用平台绘制链路。

工序 11：多模态出片（默认竖屏）

输出规格：

竖屏是默认交付形态，不是事后裁切。

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。

生产级可靠性上，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。

工序 12：审片、改词 / 换图、重拍择优

导演 / 监制在这一步有七个可控点：

---

这套流程做不到什么：七条诚实边界

主动划清边界，比假装全能更能建立信任。

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。

如果你在搭自己的 AI 短剧生产线，这 12 道工序可以直接当作检查清单用——无论你用不用猫斯卡，顺序本身就是质量的前提。

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