AI 竖屏短剧生产流水线拆解：立项、剧本、定妆、分场、出片全流程

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

用 AI 做竖屏短剧，难点从来不是「点一下生成」，而是把创意拆成一串可验收的中间产物：简报、剧本、档案、定妆图、场块、提示词、成片，每一步都能看、能改、能回退。

先把顺序搞对：AI 短剧不是一次生成，是一条流水线

很多团队第一次用 AI 做竖屏短剧，会直接跳到「写个 prompt 出视频」。结果往往是：第一集人物长得还行，第三集换脸；前一场是古装，下一场变现代；台词像论文，钩子没钩住；出了片想改，只能从头再来。

问题不在模型，而在顺序。专业剧组不会拿着一个想法就开机，AI 短剧也一样。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。

一条可落地的 AI 竖屏短剧生产链，顺序应当是：

1. 创意评估与引导，判断想法够不够开拍
2. 锁版创意简报，相当于立项会开完
3. 建角色阵容并确认视觉
4. 建立故事档案，管人物、关系、伏线、道具
5. 分批写剧本：先场戏清单，再正文，再过规则质检
6. 选画风，出人物 / 场景 / 道具定妆图
7. 每集切成约 10 秒的场块
8. 每场绑定参考图，写工程化镜头提示词
9. 多模态出片，多 take 择优
10. 审片、改词、换图、重拍

这条链路的核心不是「AI 替你干活」，而是每一环都有可验收的中间产物。剧本能看，档案能查，定妆图能换，场块能重切，提示词能改，成片能对比。人在关键节点做判断，机器负责把已经确认的方向稳定地落到每一集、每一场。

第一阶段：创意准入——想法能不能立项，先打分

不是所有想法都适合直接进入剧本。一个只有「霸总追妻」四个字的创意，和一个已经想清主角、矛盾、爽点节奏、投放平台的创意，需要的引导深度完全不同。

成熟的做法是先做一次 Intake 完整度评分，0–100 分，按分数分流：

引导阶段要问清的，是竖屏短剧特有的十个维度：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。单集时长以 1–2 分钟为主，最长也应收敛到 3–4 分钟——这是竖屏观看节奏决定的，不是模型偏好。

这一步的门禁是：分数不够就不能假装 ready。 靠模型「口头说够了」就放行，后面所有环节都会在补窟窿。

第二阶段：锁版创意简报——Brief 不定，不开拍

创意引导结束后，要产出一份锁版的创意简报。这相当于传统剧组的立项 Brief，没锁版就不能进下一阶段。

简报里必须固化的字段包括：

• 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，且必须包含人物弧光

最后一点容易被忽略。竖屏短剧的主角如果只有身份没有弧光，几十集写下来一定会塌：他为什么变、怎么变、在哪一集变，都得在简报阶段就钉住。

创意简报是一份对全剧组生效的合同。后面的剧本、定妆、镜头，都是在执行这份合同，而不是每次重新猜你想要什么。

第三阶段：角色阵容与故事档案——不靠记性，靠结构

简报锁版后，先建角色阵容，再建故事档案。

角色确认有硬门禁：阵容要齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关，后面的定妆和拍摄都无从谈起。

故事档案是这一阶段最重要的产物。

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（比如伤痕、身份揭露阶段）、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，以及道具的视觉描述。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。

档案的工作机制有三条关键原则：

1. 写作时只吃档案切片：当下这一批只拿到相关人物状态、未结伏线、近批摘要、本批主线，既防上下文失忆，也防无关噪音干扰。
2. 每批写完自动回填：新出场的人物、新埋的伏线、新出现的道具，都写回档案。
3. 续写前自动调取：写下一批时，系统先把上一批的全文和档案切片喂进来，而不是让模型「凭印象接着写」。

一句话：不靠模型记性，靠结构化档案。

第四阶段：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一百集的。竖屏短剧的剧本要分批写作，每批数集，一批写完、归档确认，再写下一批。

每一批内部，顺序也不能乱：

1. 先出场戏清单（Beat Sheet）：这一集有几场、每场的功能是什么、集末 cliffhanger 落在哪，先列清楚。
2. 再写正文：按场戏清单展开，而不是让模型自由发挥。
3. 规则质检：写完必须过质检器，不合格带反馈自动重写。
4. 档案回填：通过质检的剧本，把新信息写回故事档案。

从第 2 批起，还要先做一次批前意图锁定：问定本批的剧情方向、重点人物、伏笔与冲突、集末钩子。这些被标记为创作者已确认的硬约束，哪怕和已有档案冲突，也以当下的创作意图为准——这是给编剧留的「改主意」接口，但改完要写回档案。

竖屏短剧的写作铁律

剧本阶段有几条必须内嵌的硬规则，它们来自竖屏短剧被验证过的工业经验，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；禁止论文腔与大段旁白解释。

写作进度过半后，还要强制注入结局约束，避免写到一半收不回来。

规则质检卡什么

质检器不是摆设，它会卡住这些典型问题：

• 集标题错误
• 场景数与场戏清单不匹配
• 缺【人物】行
• 对白过少，全靠旁白撑
• 出现「未完待续」之类占位敷衍

不合格的剧本会带错误反馈自动重写，最多 6 次。没通过质检的半成品，不应该交付到拍摄环节。

第五阶段：画风与定妆——一致性靠资产，不靠运气

剧本定稿后，进入美术链路。这一步是 AI 短剧翻车最频繁的地方，也是最值得花时间做对的地方。

先选画风，再让所有资产走同一条路径

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，比如都市写实、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部分：人物出图手册（面容锚点、材质、气质、视图一致性）、场景与道具手册、视频风格标签。

关键是：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。最怕的是人物出的是日漫，视频跑成写实——这不是模型问题，是流程没把画风锁死。

立绘两段式：先润色提示词，再出图

人物立绘不要直接拿档案里的文字描述去出图。正确做法是两段式：

1. 文本润色：用所选画风的人物手册，加上性别硬规则，把档案描述润色成可出图的提示词。这一步创作者可以人工覆盖。
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。

性别在出图时是硬规则，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。

场景与道具的纪律

• 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：场景图严禁出现人物，否则人物参考会被污染。
• 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：用户和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。

第六阶段：参考图映射——解决换脸、换装、串戏的核心机制

AI 短剧最经典的翻车，是同一个角色每场戏都在换脸、换装。根因是：每场戏都在用文字重新想象这个人长什么样。

解法是参考图映射。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，没有图就标明「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。

这条规则直接打掉了「文字描述和参考图打架」的问题——打架的结果一定是模型在两者之间随机选一个，于是换装、换脸就出现了。

参考图映射还需要几个工程细节配合：

• 支持手动角色绑定：剧本里写「警官」，要能绑到档案里「李强」那张定妆图。
• 支持道具手动纳入 / 排除：避免无关道具挤占参考槽位，分散视觉焦点。
• 支持在同类同名下替换为历史版本中的另一张图：这版定妆不满意，换回上一版。
• 时代造型路由：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。

开拍前还要做一次齐套校验：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——但这是制片助理在提醒你，不是静默硬生成。跳过的代价通常是质量明显下降。

第七阶段：场块切分——把一集切成剪辑台上的 clip 列表

剧本和定妆都就绪后，不要整集扔给视频模型。正确做法是把每集切成视频场块，目标粒度约 10 秒 / 场。

切分规则：

• 正文软上限约 200 字，超过就按动作节拍、空段、句号等规则再拆。
• 群演和泛指角色从可绘制主演名单里剥离，避免挤占定妆槽位。
• 支持整集重新切分。

切完之后，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……」。每场有独立的提示词、独立的参考图、独立的成片与历史 takes。

这就是剪辑台上的 clip 列表思维。哪场坏了重拍哪场，不用整集重来；哪场想换个表情，改那场的提示词就行。

需要诚实说明的是：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；精剪与串场成片仍然需要后续剪辑环节。

第八阶段：工程化镜头提示词——教模型用分镜表语言说话

场块切好后，最关键的一步是写镜头提示词。这一步决定了视频模型拿到的是「一段小说」还是「一张分镜表」。

成熟的提示词规范包含八大要素：

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

复杂度也要分流：简单场景用一段式；复杂的影视化场景走三段论——总体设定 → 镜头 1 / 2 / 3… → 约束包。

配套的硬规则包括：

• 一镜一运镜：禁止单镜内推拉摇移叠加，模型处理不了。
• 用镜头序号，不用绝对秒数：禁止写「0–3s」，用「镜头 1」「镜头 2」组织。
• 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；非写实必须加风格锚定。
• 动作原则：肢体细化加程度量化；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 （）。
• 只给本场素材，禁止串戏：提示词生成时只看本场的剧本、参考图和档案切片，本场正文是最高优先级依据。
• 生成参数偏保守：取稳定可控，而不是天马行空。

一句话总结：系统在教模型用分镜表语言说话，而不是写小说。

另外，提示词交付前要做合规清洗：剥离特定影视作品或 IP 的名称，保留技法与美学描述，降低下游版权拦截风险。如果参考图被识别为疑似真人照片，应返回明确引导——改用平台绘制链路，不加真人参考图后重绘再拍。

第九阶段：出片、重拍、多 take 择优——把片场机制搬进来

拍摄环节的标准路径是：

1. 打开某集的视频工作台
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、比例、分辨率、时长
6. 提交出片，进队列渲染
7. 回看历史 takes，择优选用

默认交付是 9:16 竖屏，这是默认形态，不是事后横转竖裁。时长支持智能时长或固定 5–15 秒，分辨率按所选模型档位的白名单走，音频默认可生成，水印默认关。

这一阶段给创作者留的专业可控点，基本对应真实片场的决策：

一个关键原则：出片时不重新发明提示词。 系统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」是同一个逻辑。

生产级可靠性，是玩具和工具的分界线

能做 demo 和能当生产工具用，是两回事。后者需要：

• 成片做 faststart 处理，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
• 已有厂商任务号时支持续跑轮询，禁止二次创建与二次预扣

这不是玩具脚本，是可运营的生产队列。

诚实边界：这七件事，流程做不到

讲完能做什么，必须讲清楚做不到什么。短剧从业者对 AI 宣传已经免疫，主动划边界才是建立信任的方式。

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，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。

把重复的交给流水线，把判断留给人

回头看整条链路，AI 在竖屏短剧生产里真正的价值，不是「替你写出爆款」，而是把那些重复的、易漂移的、易失控的部分变成可约束的流水线：

• 创意够不够拍，用评分分流，不靠感觉
• 人物和伏线记不记得住，用档案管，不靠模型记性
• 剧本合不合格，用规则质检，不靠肉眼逐行盯
• 角色长什么样，用定妆资产锁，不靠每次重画
• 镜头怎么拍，用分镜表语言教模型，不靠写小说
• 哪场坏了，重拍哪场，不用整集重来

审美判断仍然坐在人这边：简报怎么锁、人物弧光怎么设计、哪版定妆过、哪条 take 用、钩子落在哪——这些决定作品上限的事，机器不替你拿主意。

猫斯卡是一条固化了上述流程的 AI 竖屏短剧生产操作系统。它的主张很朴素：一个想法，全程自动；一个人，一天，一部剧——前提是你愿意按专业顺序走完它，而不是跳过所有门禁去赌一次生成。

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