AI 竖屏短剧生产全流程拆解：立项、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 29 日

AI 竖屏短剧做不好，通常不是模型不够强，而是流程顺序错了：没锁 brief 就写剧本，没定妆就开拍，没切场就硬生成。把顺序立住，质量才可控。

先讲结论：AI 短剧是一条生产链，不是一个按钮

很多团队第一次用 AI 做竖屏短剧，会把它当成「文生视频工具」：扔一句话进去，等它吐成片。结果往往是第 3 集主角换脸、第 8 集道具失忆、第 15 集伏笔对不上，最后只能整段重剪。

AI 竖屏短剧生产，是一条从想法到成片的自动生产链。它的核心不是「一键」，而是每一环都有可验收的中间产物——剧本、故事档案、定妆图、场块、提示词、成片——可看、可改、可回退。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落到每一集、每一场。

下面按真实剧组的推进顺序，把整条链路拆开讲。

第一阶段：创意准入与简报锁版——立项会开完才开拍

传统剧组开拍前要开立项会，AI 短剧也一样。问题是，很多人给 AI 的「想法」只有一句话：「一个霸总爱上灰姑娘的故事」。这种输入，模型只能靠猜。

创意完整度评分：不够就补，别硬上

一个成熟的流程会先对创意做完整度评分（0–100），按分数分流：

引导阶段要问清的竖屏创作维度包括：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。

创意简报：锁版后才能进下一阶段

引导完成后产出的创意简报，是全剧的「立项书」。它固化这些字段：

• 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——他/她从什么状态变成什么状态。没有弧光的主角，写到 30 集一定塌。

创意简报是锁版的。锁版之后才进入剧本写作，这不是流程繁琐，而是防止写到一半方向漂移。

第二阶段：剧本写作——先规划，后正文，有铁律

竖屏短剧的剧本有自己的节奏规律，这些规律不是「建议」，而是内嵌在写作流程里的硬约束。

四条写作铁律

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

结构保障机制

光靠铁律不够，长剧最怕的是上下文失忆。工业化流程用三层机制防漂移：

• 先规划后正文：每集先出场戏清单（Beat Sheet）+ 集末 cliffhanger，再写正文
• 伏线账本：故事档案记录每条伏线的 open / resolved 状态，写到哪都知道哪些坑没填
• 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
• 批前意图锁定：从第二批起，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；这些是硬约束，与档案冲突时以创作意图为准

剧本是分批写作的，每批数集。一批写完、归档确认，再写下一批。

规则质检：不合格自动重写

每批剧本写完后过规则质检器，卡住这些问题：

• 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

不合格的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。

第三阶段：故事档案——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、伏线 open/resolved、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。

写作时模型只吃档案切片（人物状态 / 未结伏线 / 近批摘要 / 本批主线），既防上下文失忆，也防噪音。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。这是长篇短剧能写到 100 集还不崩的前提。

第四阶段：画风选定与定妆——一致性靠资产，不靠运气

剧本定稿之后，别急着出视频。先定美术。

17 套画风手册

成熟的 AI 短剧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风格路径，避免「人物是日漫、视频变成写实」的断层。

角色确认：硬门禁

角色阵容确认时有机器强校验：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进入下一阶段。

立绘两段式工艺

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。

参考图映射：AI 短剧最核心的一致性机制

这是解决「换脸」问题的关键。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。

此外还有几个实用机制：

• 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
• 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

场景与道具方面：场次从剧本结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格；场景图严禁出现人物（空镜纪律）；道具按集以拍戏视角提取剧本原始称呼，全剧合并成 catalog。

开拍前还有齐套校验：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。

第五阶段：场块切分——把整集变成剪辑台上的 clip 列表

剧本不会直接变成一个大视频。它会被自动切成视频场块，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。

这就像剪辑台上的 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。

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。可整集重新切分。

输出规格方面，默认 9:16 竖屏（亦支持其它比例），竖屏是默认交付形态，不是事后裁切。时长可选智能时长或固定 5–15 秒，模型档位分标准 / 高速 / 轻量，分辨率按模型白名单（480p–4K），音频默认可生成，水印默认关。

第六阶段：工程化镜头提示词——教模型用分镜表语言说话

提示词不是「写一段好看的描述」。工业化流程里，提示词有严格规范。

八大要素

每场的提示词必须覆盖：精准主体、动作细节、场景环境、光影色调、镜头运镜、视觉风格、画质、约束条件。

复杂度分流

• 简单场景：一段式
• 复杂影视化场景：三段论（总体设定 → 镜头 1/2/3… → 约束包）

几条硬规矩

• 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

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，返回明确引导。

第七阶段：拍摄、重拍与可运营性——这是生产队列，不是玩具脚本

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。

导演视角的可控点

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。

生产级可靠性

• 成片做 faststart 处理，并以实测时长落库
• 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

诚实边界：这些做不到，提前知道

在把 AI 短剧当生产工具之前，有几条边界必须讲清楚：

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。

如果你正在搭建自己的 AI 短剧生产线，可以进一步了解竖屏短剧剧本的[黄金 3 秒与爽点节奏设计](/blog/vertical-short-drama-hook-rhythm/)，以及 AI 视频最头疼的[角色一致性问题解法](/blog/ai-short-drama-character-consistency/)。

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