AI 竖屏短剧生产全流程拆解：立项、剧本、定妆、分场到出片的工业顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 竖屏短剧做崩，通常不是模型不行，而是跳过了剧组里最关键的几道门禁：Brief 没锁就写剧本，人物没定妆就开拍，整场一条长提示词硬出。真正能落地的流程，是把工业顺序固化下来。

先把顺序搞对：AI 短剧不是「文生视频」，是一条生产链

很多团队第一次用 AI 做竖屏短剧，会把它理解成「给模型一段话，吐出一整集」。结果往往是：第一集主角长这样，第三集换了张脸；上一场穿黑西装，下一场变夹克；台词像论文，钩子没钩住，集末也没有 cliffhanger。

问题不在模型，在顺序。

AI 竖屏短剧生产的核心不是一次生成，而是把已经被真人剧组验证过的工序，按顺序搬到 AI 链路上。 每一环都要有可验收的中间产物，能看、能改、能回退；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。

一条能跑通的链路，顺序大致是这样：

1. 创意评估与引导
2. 创意简报锁版
3. 角色阵容与视觉确认
4. 故事档案建档
5. 分批剧本写作（场戏清单先行，再正文，再过规则质检）
6. 选定画风，人物 / 场景 / 道具定妆出图
7. 本集切为约 10 秒的场块
8. 每场绑定参考图 + 工程化镜头提示词
9. 多模态出片（默认竖屏 9:16）
10. 审片、改词、换图、重拍，多 take 择优

下面按片场的真实工种，把这十步拆开讲。

立项阶段：Brief 没锁，不许开拍

传统剧组开拍前要开立项会。AI 短剧也一样——想法只是一句话，离能拍还差一份锁版的 Brief。

创意准入：先判断想法够不够「能拍」

不是所有点子都能直接进剧本。一个成熟的系统会先对创意做完整度评估，按 0–100 分分流：

这套分流的意义很朴素：别让一个还没想清楚的点子直接进剧本。 立项会没开完就开机，后面一定返工。

竖屏创作要问清的十个维度

竖屏短剧和长剧、横屏短剧不是一个物种。引导阶段必须把这些维度钉死：

• 题材
• 主角（含人物弧光）
• 核心矛盾
• 故事走向
• 集数
• 单集时长（以 1–2 分钟为主，最长收敛到 3–4 分钟）
• 风格基调
• 爽点与钩子节奏
• 结局方向
• 投放平台与受众

创意简报：锁版后才能进下一阶段

Brief 不是写给人看的 PPT，是后续所有环节的硬约束。一份锁版的简报至少要包含：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。主角字段里必须写清人物弧光。

简报没锁版，剧本就不能开写。 这是第一条门禁。

剧本阶段：先规划，再正文，再过质检

竖屏短剧的剧本有自己的铁律，和长剧写法完全不同。

四条写作铁律

这四条是竖屏短剧的生存线，不是风格建议：

1. 黄金 3 秒：第 1 场必须是强冲突或强悬念，禁止平淡开场，禁止长篇背景介绍。
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，禁止大段旁白解释。

先出场戏清单，再写正文

直接让模型写整集，最容易出的问题是节奏塌、钩子丢、人物飘。工业做法是先规划后正文：

• 每集先出一份场戏清单（Beat Sheet）
• 明确这一集的集末 cliffhanger
• 清单确认后，再展开写正文

写作是分批进行的，每批数集。从第 2 批起，先要问定四件事：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「已确认的硬约束」，与档案冲突时以创作意图为准——相当于编剧室开批前会。

故事档案：不靠模型记性，靠结构化档案

长篇短剧最大的敌人是上下文失忆：第 30 集忘了第 5 集埋的刀，主角的伤左右来回换。

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、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。

• 写作时只吃档案切片（人物状态 / 未结伏线 / 近批摘要 / 本批主线），既防失忆，也防噪音
• 每批写完自动回填
• 续写前自动调取
• 进度过半后，强制注入结局约束，防止摊子铺太大收不回来

一句话：不靠模型记性，靠结构化档案。

规则质检：不合格的半成品不交付

剧本写完不是终点，要过一道规则质检器，卡住这些常见问题：集标题错误、场景数不匹配、缺【人物】行、对白过少、用「未完待续」之类占位敷衍。

不合格的批次会带错误反馈自动重写。没通过质检的半成品，不应该流到下一环节。

美术阶段：先定妆，再开拍

AI 视频最经典的翻车——同一角色两场戏两张脸、人物是日漫风视频却变成写实——根源都在这一步偷懒。

画风是全链路共用的，不是每环节各选各的

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（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。

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。 这样才能避免「人是一个味、景是另一个味、视频又是第三个味」的断层。

角色确认是硬门禁

角色阵容没齐、姓名不合法、视觉字段不完整、主角和简报对不上——任何一项不过关，都不能进入下一阶段。这不是体验问题，是质量门禁。

立绘两段式：先润色文本，再出图

定妆不是把档案描述直接扔给出图模型。工业做法分两步：

1. 文本润色：用选定画风的人物手册 + 性别硬规则，把档案里的人物描述润成可出图的提示词（这一步允许人工覆盖）。
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。

性别是出图时的硬规则，不随模型发挥。视频侧只消费状态已完成、文件可读的立绘，不拿半成品去绑参考。

场景与道具：按拍戏视角提取

• 场次从剧本里结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格。
• 空镜纪律：场景图里严禁出现人物。
• 道具按集以「道具师」视角提取剧本里的原始称呼，全剧合并成编目，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——手册管怎么画，不管拒画什么。

拍摄准备：切场块、绑参考、写镜头提示词

这一步是从「剧本 + 美术资产」过渡到「能拍」的关键。很多团队翻车，就因为把整集当一块去出视频。

场块切分：约 10 秒一个可控单元

剧本要自动切成视频场块，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。

用户看到的不应该是「第 3 集一个大视频」，而是「第 3 集 → 场 1、场 2、场 3……」，每场有独立的提示词、独立的参考图、独立的成片与历史 takes。这相当于剪辑台上的 clip 列表。

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。

参考图映射：一致性靠资产，不靠运气

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的约束，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 视频的经典翻车：文字描述和参考图打架，模型不知道听谁的，于是换装、换脸。

除此之外，参考图环节还需要这些专业可控点：

穿越 / 闪回题材还要做时代造型路由：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。

开拍前要做齐套校验：缺场景、缺人物、缺道具参考，就弹出清单引导先去绘制。允许跳过走纯文字路径——但这是制片助理的提醒，不是静默硬生成；缺图硬拍，质量通常更差。

工程化镜头提示词：教模型用分镜表语言说话

给视频模型的提示词，不能是小说描写，必须是分镜表语言。一套成熟的规范至少包含八大要素：

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。

几条硬规矩：

• 一镜一运镜，禁止单镜内推拉摇移叠在一起
• 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 （）
• 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。

提示词交付前还要做合规清洗：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，要返回明确引导——改用平台绘制链路，不加真人参考图后重绘再拍。

出片阶段：多 take 择优，终审在人

标准拍摄路径很像真实片场：

1. 打开某集视频工作台
2. 确认参考图齐全（或有意跳过）
3. 生成视频提示词
4. 人工阅读并编辑
5. 选模型 / 比例 / 分辨率 / 时长（默认 9:16 竖屏）
6. 提交出片，队列渲染
7. 回看历史 takes，择优

出片时不重新发明提示词：用的是你已经确认或编辑过的提示词，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。

竖屏是默认交付形态，不是事后裁切。输出规格上，画幅默认 9:16（也支持其它比例），时长可选智能时长或固定 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。

生产级工具还要处理这些「片场后勤」：

• 成片做 faststart 处理，以实测时长落库，不盲信厂商回读时长
• 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

这不是玩具脚本，是可运营的生产队列。

边界：这七件事，AI 短剧流程目前做不到

诚实划边界，比喊口号更能建立信任。以下是必须主动讲清楚的限制：

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」。

把工业顺序固化进产品

猫斯卡（Maosika）是一条从想法到成片的 AI 竖屏短剧自动生产链，不是单个文生视频按钮。它由 18 位数字专家（5 位核心专家 + 13 位视频制作专家）对标真实剧组编制协同工作，用户能看到流式工作记录，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。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。

它的定位是可规模化生产的 AI 短剧操作系统，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 AI 生产线，可以在 https://www.maosika.com 了解完整链路。

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