AI 竖屏短剧生产全流程拆解：立项、剧本、定妆、分场、出片的工业化顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧最容易翻车的不是模型不够强，而是顺序错了：还没锁 Brief 就写剧本，没定妆就拍，没分场就硬出长视频。真正能落地的流程，是把每一步都变成可验收的中间产物。

先讲结论：AI 短剧不是一个按钮，是一条生产链

很多团队第一次做 AI 竖屏短剧，会把它理解成「给模型一句话，等几分钟拿成片」。结果通常是：第一集人物还能看，第三集脸变了；前两集埋的钩子，第五集自己忘了；场景里的道具每场都不一样；台词像小说，不像人说话。

问题不在某一次生成，而在于没有把生产顺序固化。传统剧组之所以能稳定出片，靠的是立项、剧本、定妆、分镜、拍摄、剪辑这套先后关系。AI 短剧也一样，只是把其中重复、易漂移、易失控的部分交给系统执行，人仍然在关键节点做判断。

一条可落地的 AI 竖屏短剧生产链，顺序应当是：

创意评估 → 创意引导 → 创意简报锁版 → 角色阵容与视觉确认 → 故事档案建档 → 分批剧本写作 → 选定画风 → 人物/场景/道具定妆出图 → 本集切为约10秒场块 → 每场绑定参考图与镜头提示词 → 多模态出片 → 审片 → 改词/换图/重拍择优。

这条链路的核心不是「快」，而是每一环都有可验收的中间产物：简报、档案、剧本、定妆图、场块、提示词、成片。每一步都能看、能改、能回退。

第一步：创意准入，先判断想法能不能立项

竖屏短剧的创意不是越天马行空越好。投放平台、受众、集数、单集时长、核心矛盾、爽点节奏、结局方向，这些没问清，后面写得越多，返工越大。

成熟的做法是先做一次 Intake 完整度评分：

这里的关键是：分数阈值由流程强制决定路径，不是模型「觉得差不多」就放行。低于阈值的创意，应该像立项会没通过一样，先补材料，而不是直接开写。

竖屏短剧在引导阶段至少要问清十个维度：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。单集时长通常以 1–2 分钟为主，最长收敛到 3–4 分钟，这是由竖屏观看习惯决定的，不是随便设。

第二步：创意简报锁版，Brief 没锁就不要开拍

创意问清之后，不是立刻写剧本，而是先形成一份创意简报。这份简报相当于传统项目的 treatment + 编剧须知，锁版后才能进入下一阶段。

简报里至少要包含：

• 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
• 主角设定，且必须包含人物弧光

创意简报是整个项目的硬约束。 后面的剧本写作、角色设定、视觉风格，都要回到这份简报对齐。如果中途想改方向，应该回到简报层改，而不是在某一集里偷偷改设定。

第三步：建故事档案，不靠模型记性，靠结构化档案

长集数短剧最大的敌人是「失忆」：第 10 集忘了第 2 集的人物关系，第 30 集把已经收掉的伏笔又写一遍，主角的伤一会儿在左肩一会儿在右肩。

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，例如伤痕、身份变化、立场转变
• 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

不靠模型记性，靠结构化档案。

写作时不应该把所有历史内容都塞给模型，而是只取当前需要的档案切片：人物当前状态、未结伏线、近批剧情摘要、本批主线。这样既防上下文失忆，也减少无关噪音。每批写完后自动回填，续写前再自动调取。

第四步：分批写剧本，先出 Beat Sheet，再写正文

竖屏短剧剧本不能像长剧那样慢慢铺。它有自己的节奏铁律：

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 → 矛盾升级 → 集末 cliffhanger。
3. 爽点密度：每集至少 1 次小爽点，例如打脸、反转、身份暗示、证据到手；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；禁止论文腔，禁止大段旁白解释。

剧本写作应该采用分批工业化续写：每批数集，一批写完、归档确认，再写下一批。每集不要直接写正文，而是先出场戏清单（Beat Sheet）和集末 cliffhanger，再根据 Beat Sheet 写正文。

从第二批开始，先锁定四件事：

• 本批剧情方向
• 重点人物
• 伏笔与冲突
• 集末钩子

这些内容一旦确认，就是硬约束。如果它们和已有档案冲突，以本轮创作意图为准，但要回填到档案里，避免后面继续漂移。

写完之后必须过规则质检，卡住这些常见问题：

• 集标题错误
• 场景数不匹配
• 缺人物标注
• 对白过少
• 出现「未完待续」之类占位敷衍

不合格的剧本应该带错误反馈自动重写，而不是把半成品交给用户。

第五步：选画风与定妆，人物、场景、道具共用一条视觉路径

AI 短剧常见的视觉断层是：人物立绘是日漫，视频里变成写实；古装剧的场景里出现现代灯具；主角第一集穿黑衣，第二集自己换了白袍。

解法不是多写几句提示词，而是先定画风，再定妆，再开拍。

成熟系统会内置多套画风手册，覆盖 2D、3D、真人写实等方向。每套手册至少包含：人物出图手册、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，避免视觉断层。

角色确认必须过门禁：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。

立绘建议采用两段式工艺：

1. 文本润色：根据画风手册和性别硬规则，把档案里的人物描述润色成可出图提示词，这一步允许人工覆盖。
2. 图像生成：拼成最终提示词出图，支持参考图，并保留可回看的历史版本。

场景图有一条重要纪律：空镜严禁出现人物。道具则应该以拍戏视角，按剧本原始称呼逐集提取，再合并成全剧道具编目，避免某集出现过的关键道具后面消失。

第六步：参考图映射，解决换脸、换装、串戏

角色一致性是 AI 短剧最核心的难题之一。根本原因不是模型不会画人，而是每场戏都在重新「想象」这个人长什么样。

工业化解法是参考图映射：每场自动构建参考素材表，顺序固定为：

场景图 → 本场道具图 → 人物定妆图

有图才占槽位，没有图就标明仅文字，不强行编造绑定。

这里有一条必须执行的硬规则：

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 视频的经典翻车点：文字描述和参考图打架，导致模型在两套指令之间摇摆，于是出现换脸、换装、年龄漂移。

参考图映射还需要处理几个片场常见问题：

• 手动角色绑定：剧本里写「警官」，要能绑到档案里的具体角色。
• 道具纳入/排除：避免无关道具挤占本场视觉焦点。
• 历史版本替换：同类同名下，可以换成另一张更合适的定妆图。
• 时代造型路由：穿越、闪回题材按场景关键词判断现代/古代，优先取对应造型。

开拍前还要做齐套校验：检查缺失的场景、人物、道具参考，弹出清单提醒先去绘制。系统可以允许跳过，走纯文字路径，但专业流程应该先定妆再开拍。

第七步：按约10秒切场块，不要一集只生成一个大视频

竖屏短剧不适合把整集当成一个大生成任务。文本太长、动作太多、人物切换太频繁，模型很容易失控。更稳的做法是把剧本切成一个个视频场块。

场块的目标粒度约 10 秒/场，正文软上限约 200 字。超过这个长度，就按动作节拍、空段、句号等规则继续拆。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……」，每场有独立提示词、独立参考图、独立成片和历史 takes。

这相当于剪辑台上的 clip 列表：哪场坏了重拍哪场，不用整集返工。

默认交付形态应该是 9:16 竖屏，不是拍完横屏再裁切。时长、模型档位、分辨率、音频、水印等参数在拍摄前确定，而不是出片后补救。

第八步：工程化镜头提示词，让模型听分镜表，不听小说

很多 AI 视频提示词的问题，是写得像小说，不像分镜。模型拿到一堆形容词，并不知道镜头该怎么动、主体是谁、动作做到什么程度。

工程化镜头提示词至少包含八大要素：

复杂场景建议走三段论：总体设定 → 镜头1/2/3…… → 约束包。不要用绝对秒数，而用镜头序号；不要在一个镜头里叠加推拉摇移；多人场景要加双胞胎/分身兜底；非写实风格必须锚定风格。

台词、音效、BGM 应该用统一符号标注，例如台词用花括号、音效用尖括号、BGM 用括号，方便后续环节识别。

系统在教模型用分镜表语言说话，而不是写小说。

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依据。参数上应偏保守，取稳定可控，而不是盲目追求夸张动态。

第九步：拍摄、审片、重拍，把多 take 变成流程

标准拍摄路径应该是：打开某集视频工作台 → 确认参考图齐全 → 生成视频提示词 → 人工阅读并编辑 → 选择模型档位、比例、分辨率、时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

这里的专业可控点，对应真实剧组的决策：

出片时不应该偷偷重新发明提示词。真正提交给模型的，必须是用户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；这和片场「改分镜说明再拍」是同一个逻辑。

生产级工具还要处理队列问题：视频任务走独立车道，与剧本、立绘任务隔离；同一场块进行中禁止并行提交，避免重复扣费和状态混乱；失败任务可感知、可重试；积分预扣与结算清晰。这不是玩具脚本，而是可运营的生产队列。

必须承认的边界：哪些事系统不替你做

如果要把 AI 短剧当生产工具用，必须先接受它的边界。主动讲清这些，反而比夸大宣传更能建立信任。

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，系统提供多 take 与改词重拍工具，但不替你判断哪条最好。
2. 参考图不是强制门禁。 缺图会提醒，但允许跳过纯文字路径；只是通常质量更差，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。 画风主要注入视频风格标签，完整美术手册更多用在立绘侧。
5. 约10秒场块是工程启发式，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」。

猫斯卡把这套顺序固化成了 AI 竖屏短剧生产操作系统：从创意评估、简报锁版、故事档案、分批剧本，到画风定妆、参考图映射、约10秒场块、工程化镜头提示词，再到多 take 出片与重拍。它没有试图用一次生成替代剧组，而是把专业流程里重复、易漂移、易失控的部分变成可约束流水线，审美判断仍然坐在人这边。

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