AI 竖屏短剧生产流水线拆解：立项、剧本、定妆、分场、出片的顺序与验收点

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧最常见的翻车，不是模型不够强，而是顺序错了：没锁简报就写剧本，没定妆就出片，没分场就堆镜头。正确做法是把流程拆成一串可验收的中间产物，每一步确认后再往下走。

先把顺序讲清楚：为什么不能「一句话直接出片」

很多团队第一次上手 AI 短剧，习惯把一句话故事丢进工具，期待直接吐出成片。结果通常是：第一集人物长这样，第三集换了张脸；第五集出现的道具第八集消失；台词里说「雨夜」，画面却是大晴天；集末本该留钩子，结果平平淡淡收掉。

问题不在某一次生成，而在没有中间产物可以回看、可以改、可以回退。传统剧组之所以有立项会、剧本会、定妆照、分镜表、场记单，不是因为流程繁琐，而是因为每一张单子都是一个「验收门」——过了这道门，后面的人才知道该往哪个方向对齐。

AI 竖屏短剧的工业化流程，本质是把这些门重新搬进数字片场。下面按真实生产顺序，把整条链路拆成 11 个环节，每一步都给出：这一步要交付什么、谁来拍板、跳过后会出什么问题。

---

环节 1：创意准入——先打分，再决定引导深度

不是每个想法都值得直接开写。一个想法如果只有「霸总复仇」四个字，缺主角、缺矛盾、缺结局方向，直接进剧本只会让后面每一集都在补窟窿。

工业化做法是先做一次 Intake 完整度评分（0–100），按分数分流：

引导阶段要问清的竖屏维度一共十项：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——这是由竖屏观看习惯决定的，不是模型偏好。

这一步的关键：分数阈值是系统强制的，不是模型「觉得差不多」就放行。想法不够成熟就必须补，补完才能进下一步。

环节 2：创意简报锁版——Brief 不锁，后面全漂

引导结束后产出一份创意简报，相当于传统剧组的一页纸 Brief。它必须包含这些字段：

• 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，不只是身份标签）

简报必须锁版后才能进入下一阶段。 这听起来像废话，但实际生产中 80% 的返工都来自「写着写着改设定」。锁版不是说不能改，而是改动必须走回这一步、重新确认、再往下游同步——而不是让编剧和美术各自猜。

环节 3：角色阵容与视觉确认——人齐了再开机

简报锁版后，先把角色阵容定下来。这一步有硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。任何一项不过关，不能往下走。

为什么把角色确认放在写剧本之前？因为剧本里的人物关系、称呼、出场顺序，都依赖一份稳定的名单。名单没定，写到第 10 集突然冒出一个新角色，前面的定妆、档案、出场表全部要返工。

环节 4：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，相当于传统编剧室里的 continuity bible（连戏圣经）。它记录：

• 人物身份与稳定性格特征
• 可变的当前状态（伤痕、身份变化、情绪阶段）
• 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。模型的上下文窗口再大，写到第 100 集也会忘第 3 集埋的刀。档案是外置的、可查的、每批写完自动回填的。

写作时模型只吃「档案切片」：本集会用到的人物状态、未结伏线、近批剧情摘要、本批主线。这既防上下文失忆，也防无关信息干扰。

环节 5：分批剧本写作——先 Beat Sheet，再正文，再过质检

剧本不是一集一集硬憋，而是分批写作，每批数集。每批的内部顺序是固定的：

1. 场戏清单（Beat Sheet）先行：每集先列出场次与节拍，并明确集末 cliffhanger
2. 再写正文：按清单展开成剧本
3. 规则质检：写完过一遍规则质检器
4. 档案回填：质检通过后，把本批新出现的人物状态、伏线、道具写回档案

竖屏剧本的四条写作铁律

这四条是内嵌在写作流程里的硬约束，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

三个结构保障机制

• 伏线账本：档案里每条伏线标 open / resolved，写新集时自动提醒哪些该收
• 进度过半强制收束：写作过半后，系统强制注入结局约束，防止剧情无限注水
• 批前意图锁定：从第 2 批起，先问清四件事——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

规则质检卡什么

质检器会卡住这些典型问题：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」之类占位敷衍。不合格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。

---

环节 6：选定画风——17 套手册，人物、场景、道具、视频共用一条风格路径

剧本就位后，进入美术阶段。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、多视图一致性）
• 场景 / 道具手册
• 视频风格标签

关键原则：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。 这直接避免了最常见的美术断层——人物是日漫脸，视频突然变成写实风。

环节 7：人物 / 场景 / 道具定妆出图——两段式工艺，可人工覆盖

定妆不是「输一段描述直接出图」，而是两段式：

1. 文本润色：用所选画风的人物手册 + 性别硬规则，把档案里的文字描述润色成可出图的提示词（这一步可人工覆盖，导演或美术可以直接改）
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

三条硬规则：

• 性别是硬规则，不随模型发挥
• 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
• 场景图严禁出现人物（空镜纪律），否则拍人物戏时参考图会串

道具由「道具师」视角按集提取剧本原始称呼，全剧合并成 catalog，不会丢集。

环节 8：本集切为约 10 秒场块——剪辑台上的 clip 列表

剧本不会被直接塞进视频模型，而是先切成视频场块，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……」，每场有独立提示词、独立参考图、独立成片与历史 takes。这和剪辑台上的 clip 列表是同一个逻辑。

诚实边界：约 10 秒是工程启发式，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。

环节 9：每场绑定参考图 + 工程化镜头提示词

这是整条链路里最决定一致性的一步。

参考图映射

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（可原样贴进任何 AI 视频工作流）：

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。

映射还支持：手动角色绑定（剧本里叫「警官」，绑到档案里「李强」的定妆）、道具手动纳入 / 排除、同类同名下替换为历史版本另一张图、穿越 / 闪回题材按场景关键词自动路由现代 / 古代造型。

工程化镜头提示词

提示词不是写小说，是填分镜表。规范包含八大要素：

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

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 {}、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依据
• 生成参数偏保守，取稳定可控而非天马行空

开拍前还有一道齐套校验：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；跳过通常意味着质量下降。

系统在教模型用分镜表语言说话，而不是写小说。

环节 10：多模态出片（默认竖屏）

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. 人工阅读并编辑提示词
5. 选模型档位（标准 / 高速 / 轻量）、比例、分辨率、时长
6. 提交出片，队列渲染
7. 回看历史 takes 择优

输出规格默认 9:16 竖屏（亦支持其它比例），时长可选智能时长或固定 5–15 秒，分辨率按模型白名单覆盖 480p–4K，音频默认可生成，水印默认关。

竖屏是默认交付形态，不是事后裁切。 这一点对投放端很重要——事后裁切的竖屏经常构图错位、人物卡在画面边缘。

专业创作者在这一步有七个可控点：

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。

环节 11：审片 → 改词 / 换图 → 重拍择优

最后一步是审片与重拍。这里要主动讲清边界：

• 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
• 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」，串场成片交给后续剪辑
• 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」

生产级可靠性上，几个细节值得制片方关心：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、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。

---

人在哪些节点必须拍板

整条链路里，机器负责把确认过的方向落到每一集、每一场；人在以下关键节点做判断，这些判断目前不能也不应该交给 AI：

1. 创意简报锁版——故事讲什么、给谁看、结局往哪走
2. 角色阵容与视觉字段确认——主角长什么样、气质对不对
3. 每批剧本开写前的意图锁定——这批往哪个方向推
4. 定妆图人工覆盖——面容、服装、材质是否符合想象
5. 视频提示词人工阅读与编辑——分镜是否到位、有没有串戏
6. 多 take 择优——哪条能用、哪条要重拍

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。

这套流程固化在哪

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。上文拆解的 11 个环节——创意准入分流、简报锁版、故事档案、分批剧本与质检、17 套画风手册、两段式定妆、约 10 秒场块、参考图映射、八大要素镜头提示词、独立视频队列、多 take 重拍——对应链路上的 18 位数字专家（5 位核心 + 13 位视频制作），每位对标一个真实剧组工种，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。

它不适合只想「一句话出片」、不愿意在简报和定妆环节做判断的使用者；也不替代剪辑台的精剪与串场。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。

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。

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