AI 竖屏短剧生产流水线：从一个想法到成片交付的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧翻车，大多不是模型不行，而是工序错了——没锁 brief 就写剧本、没定妆就出片、没分场就塞长提示词。把流程拆成 12 道有中间产物的工序，质量才稳得住。

先把话说在前面：这不是「一键出片」指南

市面上讲 AI 短剧的文章，多半在比谁的提示词更长、谁的模型更新。但真正跑过几十部竖屏剧的团队都知道：成片质量的天花板，在开拍之前就被流程决定了。

一部 80–100 集的竖屏短剧，每集 1–2 分钟，本质上是一个小型工业项目。它怕的不是某一帧不好看，而是第 17 集的主角和第 3 集长得不一样、第 42 集忘了第 8 集埋的伏笔、道具师和服装师各干各的。

这篇文章把 AI 竖屏短剧的生产拆成 12 道工序，每一道都讲清楚：交什么产物、谁拍板、常见翻车点是什么。你可以把它当成一份剧组排期表用。

---

工序总览：12 道，每道都有可验收的中间产物

先看全景。下表是一条从想法到成片的完整链路，顺序不能乱：

关键原则：每一环都有可看、可改、可回退的中间产物。没有「黑箱里突然蹦出成片」这回事。

---

第一道：创意准入——先打分，再决定聊多深

不是每个想法都值得走完整流程。一个只有「霸总爱上我」五个字的念头，和一份已经写清主角、矛盾、结局方向的简报，需要的引导深度完全不同。

工业化做法是给创意做 0–100 的完整度评分，按分数分流：

• ≥80 分：核心维度齐全，跳过大部分引导，直达简报锁版
• 40–79 分：只补缺失的维度，不重复问已经想清楚的事
• <40 分：走完整的 10 步引导，把题材、主角、矛盾、走向、集数、单集时长、风格、爽点节奏、结局、受众一个个问清

这一步的本质是立项会。分数阈值是强制的，不是模型「觉得差不多」就放行——否则后面所有工序都是在给一个模糊的想法打工。

第二道：创意引导——把竖屏独有的 10 个维度问透

竖屏短剧和长剧、横屏短剧不是一个物种。引导阶段必须问清的 10 个维度：

1. 题材
2. 主角（必须包含人物弧光）
3. 核心矛盾
4. 故事走向
5. 集数
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
8. 爽点与钩子节奏
9. 结局方向
10. 投放平台与受众

单集时长这一项容易被忽略。竖屏用户的拇指在 1.5 分钟处就开始犹豫，3 分钟是硬天花板。在引导阶段就锁死时长，后面场块切分和剧本写作才有依据。

第三道：创意简报锁版——不过这道门，不准开拍

引导结束后产出一份创意简报，固化以下字段：

• 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

锁版是硬门禁。简报没确认，剧本环节不启动。这听起来像废话，但大量 AI 短剧翻车恰恰是因为「边写边改方向」——第 5 集改主角人设，前 4 集全部作废。

---

第四道：角色阵容与视觉确认

简报锁版后，先把阵容表拉出来。机器会做硬校验：

• 阵容是否齐全
• 姓名是否合法
• 视觉字段是否完整
• 主角设定是否与简报对齐

校验不过关，不能进入下一阶段。这一步相当于传统剧组的演员围读 + 定妆会议前置。

第五道：故事档案建档——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、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。

档案的几个关键设计：

• 伏线账本：每条伏笔标记 open / resolved，写到哪条、收了哪条一目了然
• 按集出场表：谁在哪集出现过，避免角色凭空消失或突然冒出来
• 分批剧情纪要：每批写完自动回填，续写前自动调取
• 写作时只吃档案切片：给编剧的不是整本档案，而是「本批相关人物状态 + 未结伏线 + 近批摘要 + 本批主线」，既防失忆，也防噪音

一句话：不靠模型记性，靠结构化档案。

---

第六道：分批剧本写作——先规划，再正文，再过质检

剧本不是一口气写完的，是分批写作，每批数集。每一批内部走四道小工序：

6.1 批前意图锁定（从第 2 批起）

写下一批之前，先问定四件事：

1. 本批剧情方向
2. 重点人物
3. 伏笔与冲突
4. 集末钩子

这四项被标记为「用户已确认的硬约束」。如果和已有档案冲突，以创作意图为准——这给了编剧调整方向的空间，但调整是显式的、留痕的，不是偷偷改。

6.2 场戏清单先行

每集先出 Beat Sheet（场戏清单） + 集末 cliffhanger，再写正文。清单没过，不进正文。

6.3 正文写作（内嵌四条铁律）

写作时系统强制执行竖屏短剧的节奏规则：

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

6.4 规则质检

写完过规则质检器，卡住以下问题：

• 集标题错误
• 场景数不匹配
• 缺【人物】行
• 对白过少
• 出现「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给用户。

6.5 进度过半强制收束

写作进度过半后，系统强制注入结局约束，防止写到最后收不回来。

---

第七道：选定画风——17 套手册，选一套用到底

剧本就位后，进入视觉阶段。系统内置 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）。

每套手册至少包含三块：

• 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

关键约束：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。这直接避免了「人物是日漫、视频变成写实」的经典断层。

第八道：定妆出图——两段式工艺，先润色再生成

立绘不是把档案描述直接丢给出图模型，而是走两段：

1. 文本润色：用所选画风的人物手册 + 性别硬规则，把档案描述润色成可出图的提示词（这一步可人工覆盖）
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

三类资产分别建库：

• 人物立绘：性别为硬规则，不随模型发挥
• 场景立绘：空镜纪律——场景图严禁出现人物
• 道具立绘：道具师从剧本里以「拍戏视角」按原始称呼提取，全剧合并成 catalog，不丢集

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。

---

第九道：场块切分——把一集切成剪辑台上的 clip 列表

剧本不会被当成一整段去生成视频。系统自动把每集切成视频场块：

• 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、句号再拆
• 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

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。

这一步的本质是把长生成拆成可控单元。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。

第十道：参考图映射 + 镜头提示词——这是一致性的核心

10.1 参考素材表

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

规则：

• 有图才占槽位，无图标明「仅文字」，不强行编造绑定
• 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，取定妆图时优先匹配对应造型（时代造型路由）

10.2 最高优先级约束（必须记住）

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。

10.3 开拍前齐套校验

生成提示词前，系统检查缺失的场景 / 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。专业流程应该先定妆再开拍。

10.4 工程化镜头提示词

提示词不是写小说，是写分镜表。规范要点：

• 八大要素：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

一句话：系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前会剥离特定影视作品 / IP 名称，保留技法与美学描述，降低下游版权拦截风险。

---

第十一道：多模态出片——默认竖屏，不是事后裁切

输出规格：

竖屏是默认交付形态，不是事后裁切。 这一点决定了构图、运镜、人物在画面中的位置都是按竖屏设计的，而不是把横屏画面上下切掉。

标准拍摄路径：

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
6. 提交出片 → 队列渲染
7. 回看历史 takes 择优

导演在这一步可控什么

出片时不重新发明提示词：用的是你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，不把厂商回读时长当唯一真相
• 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。

第十二道：审片与重拍——质量终审在人

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。

审片时发现问题，对应解法：

• 画面不对 → 换参考图或改提示词里的动作描写，重拍
• 人物长得不对 → 回到定妆环节换立绘，或检查是否违反了「有图不写外观」
• 道具串了 → 调整道具纳入 / 排除
• 节奏不对 → 回到场块切分重新拆，或调整提示词里的运镜

---

数字专家团：18 个工种，不是 18 个按钮

整条链路上的工作不是一个「大模型」干的，而是 18 位数字专家对标真实剧组编制分工协作：

• 5 位核心专家（创意 · 剧本链路）：档案秘书、制片人、编剧、流程监制、场记（工作记录）
• 13 位视频制作专家（一键拍摄链路），分四组：

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。比如道具师会以拍戏视角把这集的道具按剧本原始称呼提出来，而不是等模型「猜」这一场需要什么。

---

诚实边界：这套流程做不到什么

讲完能做的，必须讲清做不到的。这对从业者是尊重，也是建立信任的唯一方式。

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。
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，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。

---

下一步：把工序变成你的生产 SOP

如果你是承制方老板，这 12 道工序可以直接当排期表用，每道工序的交付物就是验收节点。如果你是编剧或导演，可以从第 6 道（分批剧本）和第 10 道（镜头提示词）开始对照自己的工作流找差距。

猫斯卡（Maosika）把上述 12 道工序固化成了一条从想法到成片的自动生产链——它是 AI 竖屏短剧生产操作系统，不是单个文生视频按钮。每一环都有可验收的中间产物，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。

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