AI 竖屏短剧生产全流程：从一个想法到可交付成片的 12 个验收节点

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧，真正的难点从来不是「能不能出视频」，而是怎么让 100 集里主角还是同一个人、伏笔还记得、画风不串。解法是把流程拆成一段段有中间产物、可回退的流水线。

很多团队第一次上手 AI 短剧，路径都差不多：写一段故事梗概，丢给模型出剧本，再把剧本丢给视频模型，等成片出来再修。跑两集就会发现问题——第三集主角换了张脸，第五集之前埋的伏笔没人记得，第八集画风从都市写实飘成了动漫，第十集台词开始像论文。

这些问题不是某个模型「不够聪明」，而是流程错了：你在用「一次生成」的思路做「连续剧工业」。

下面这套流程，是把传统竖屏短剧剧组的工种顺序，搬进 AI 生产链之后的版本。每一步都有可验收的中间产物，可看、可改、可回退；人在关键节点做判断，机器负责把确认过的方向落到每一集、每一场。

先把生产观摆正：不是一次生成，是一条链

先给一个定义。

AI 竖屏短剧生产链，是一条从想法到成片的、按工业顺序串联的自动流水线——创意评估、简报锁版、角色与视觉确认、故事档案建档、分批剧本写作、定妆出图、分场、镜头提示词、多模态出片、审片重拍，每一环都有可交付物，上一环不过关，下一环不开机。

和「丢一句话直接出片」的玩法相比，这套流程多花的是前期确认的时间，省掉的是后期第 30 集发现主角换脸、要从头返工的灾难。

核心原则只有三条：

1. 先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。 顺序不能乱。
2. 每一环都要留下资产。 剧本、档案、定妆图、场块、提示词、成片版本，都要能回看、能替换、能回滚。
3. 人做审美判断，机器做一致性落地。 机器不替你决定故事好不好看，但它要保证你定下来的东西不漂移。

节点 1：创意准入——先给想法打分，不够就补

不是每个想法都值得直接开写。立项前先做一次完整度评分，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。

分数分流的逻辑很直接：

这一步的关键是分数由系统强制分流，不是模型「觉得差不多」就放行。想法还模糊的时候就开写，后面所有环节都会在沙地上盖楼。

节点 2：创意简报锁版——Brief 不锁，不开拍

准入之后，要把想法落成一份可执行的创意简报，也就是传统剧组的立项 Brief。锁版之后才能进入下一阶段，不允许边写边改核心设定。

简报里必须固化的字段：

• 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

立项会开完、Brief 锁版，才开拍。这是剧组的老规矩，AI 生产也一样。

节点 3：角色阵容与视觉确认——阵容不齐，不进美术

简报锁版后，先把角色阵容拉出来。确认时有硬门禁：

• 阵容齐全（主角、关键配角、重要反派都在）
• 姓名合法（不乱码、不重复、不占位）
• 视觉字段完整（年龄、气质、外形关键词）
• 主角设定与简报对齐

不过关不能进入美术阶段。很多翻车是因为写到第 50 集才发现「那个反派到底长什么样」从来没定过。

节点 4：故事档案建档——不靠记性，靠账本

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、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。

档案的工作机制有三条：

• 写作时只吃档案切片：当下人物状态、未结伏线、近批剧情摘要、本批主线——既防上下文失忆，也防无关信息干扰。
• 每批写完自动回填：新出场的人物、新埋的伏线、状态变化，写完就记进档案。
• 续写前自动调取：写下一批时，先把相关档案切片喂进去，不靠模型「自己记得」。

不靠模型记性，靠结构化档案。

节点 5：分批剧本写作——先规划，再正文

剧本不是一口气写完一百集，而是分批写，每批数集。每批内部的顺序是：场戏清单（Beat Sheet）先行 → 正文 → 规则质检 → 档案回填。

5.1 先出场戏清单

每集动笔前，先列这一集的场戏清单和集末 cliffhanger，再写正文。这是为了防止写着写着跑题，或者集末忘了留钩子。

从第 2 批起，还要先问定四件事，作为本批的硬约束：

1. 本批剧情方向
2. 重点人物
3. 伏笔与冲突
4. 集末钩子

这四条一旦被标记为「用户已确认」，和旧档案冲突时以新的创作意图为准——这是给创作者留的「剧情转弯」出口。

5.2 竖屏写作铁律

写作阶段有几条内嵌的硬规则，是竖屏短剧被验证过的节奏：

1. 黄金 3 秒：第 1 场必须强冲突或强悬念，禁止平淡开场和长篇背景介绍。
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；禁止论文腔和大段旁白解释。

5.3 进度过半强制收束

长篇短剧最常见的崩盘是写嗨了收不回来。所以写作进度过半之后，系统会强制注入结局约束，让后续剧情向已定的结局方向收，而不是无限开新线。

5.4 规则质检

每批写完要过规则质检器，卡住的典型问题包括：

• 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」之类的占位敷衍

不合格的批次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。

节点 6：选定画风——17 套手册，选一套走到底

剧本阶段通过之后，进入美术。系统内置 17 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

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，避免出现「人物是日漫、视频变成写实」的断层。

节点 7：人物 / 场景 / 道具定妆出图——有资产才开拍

定妆是 AI 短剧一致性的地基。立绘走两段式工艺：

1. 文本润色：用所选画风的人物手册，加性别硬规则，把档案里的文字描述润成可出图的提示词——这一步人工可以覆盖。
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。

场景和道具同步进行：

• 场次从剧本里自动解析成「内 / 外 | 地点 | 日夜」，不靠手填表格。
• 空镜纪律：场景图里严禁出现人物。
• 道具按集以拍戏视角提取剧本里的原始称呼，全剧合并成编目，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。

节点 8：本集切为约 10 秒场块——剪辑台上的 clip 列表

剧本和定妆都齐了，才进拍摄阶段。第一步不是直接生成整集视频，而是把每集切成一个个视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过就按动作节拍、空段、句号再拆。

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。这和剪辑台上的 clip 列表是同一个逻辑。

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。

群演和泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位。整集也可以重新切分。

节点 9：每场绑定参考图——一致性靠资产，不靠运气

这是 AI 短剧最核心的一致性机制。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

规则很明确：

• 有图才占槽位，无图标明「仅文字」，不强行编造绑定。
• 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。
• 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。

那条「有图不写外观」的规则，直接针对 AI 视频最经典的翻车：文字描述和参考图打架，结果就是换装、换脸。

开拍前还有一次齐套校验：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——但这是提醒式的制片助理，不是静默硬生成；缺图硬拍，质量通常更差。

节点 10：工程化镜头提示词——教模型用分镜表语言说话

参考图绑定完，不是直接喂给视频模型，而是先为每场生成一份工程化的镜头提示词。

提示词有固定的八大要素：

复杂度分流：简单场景一段式写完；复杂影视化场景走三段论——总体设定 → 镜头 1 / 2 / 3… → 约束包。

符号规范也统一：台词用 {}、音效用 <>、BGM 用 （）。用镜头序号，不用绝对秒数（不写「0–3s」）。

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。

系统在教模型用分镜表语言说话，而不是写小说。

交付前还会做一次合规清洗：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。

节点 11：多模态出片——默认竖屏，多 take 择优

提示词生成后，用户可以人工阅读、编辑，再选模型档位（标准 / 高速 / 轻量）、比例、分辨率、时长，提交出片。

输出规格的默认形态：

竖屏是默认交付形态，不是事后裁切。 这一点对投流短剧至关重要——横板生成再裁竖屏，构图基本全毁。

出片时不重新发明提示词：提交用的是用户已确认或已编辑的提示词，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。

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。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。

节点 12：审片 → 改词 / 换图 → 重拍择优

最后一环是审片。这里要讲清楚边界：

• 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。
• 不满意时，你能做的调整包括：编辑视频提示词（相当于导演改分镜说明）、更换人物 / 场景 / 道具参考图（换定妆 / 换场景板）、手动角色绑定、道具纳入 / 排除、画风切换、模型档位选择、回看同场历史 takes 择优。
• 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」，精剪与串场成片需要后续剪辑环节。

这套流程里，人到底在哪

把整条链走完，你会发现 AI 没有替代任何一个关键创作角色，而是把每个工种里重复、易漂移、易失控的部分固化了：

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。

七个必须承认的边界

在把这套流程当生产工具用之前，有七件事需要讲清楚，不绕弯：

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。它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。如果你正在评估 AI 短剧生产工具，可以从这 12 个节点倒推：每一步是否有可验收的中间产物、是否能回退、人在哪里做判断——这三个问题，比任何演示视频都更能说明工具能不能上生产线。

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