AI 竖屏短剧生产全链路拆解：从一个想法到可上线成片的工业流程

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

用 AI 做竖屏短剧，不是把一句话丢给模型等成片，而是把剧组的工序搬进一条可验收的流水线：每一环都有中间产物，人在关键节点拍板，机器负责把确认过的方向落到每一集、每一场。

为什么多数 AI 短剧死在「流程」而不是「模型」

很多团队第一次做 AI 竖屏短剧，踩的坑都差不多：第一集人物长这样，第三集换了张脸；前两集埋的伏笔到第十集忘干净；提示词写得像小说，模型自由发挥；出了片想改，只能整条重生成。

这些问题表面看是「模型不行」，根子其实是流程缺失——传统剧组靠分镜表、场记单、定妆照、连续性本（continuity bible）把质量锁住，AI 短剧如果跳过这些中间产物，直接从想法跳到视频，就等于没有立项会、没有剧本会、没有定妆、没有场记，开机即翻车。

一条能稳定产出的 AI 短剧链路，顺序大致是这样：

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（场戏清单先行 → 正文 → 规则质检 → 档案回填）→ 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 + 工程化镜头提示词 → 多模态出片（默认竖屏）→ 审片 → 改词 / 换图 → 重拍择优

下面按片场的真实工序，一段段拆。

第一道门：创意不是「够不够好」，是「够不够全」

立项阶段最常见的失误，是把一个 logline 当成完整创意。「赘婿逆袭，打脸豪门」听起来像个剧，但缺了核心矛盾的走向、爽点节奏、结局方向、投放平台和受众，编剧和后续所有工种都会各自脑补。

工业解法是给创意做一次 intake 完整度评分（0–100），按分数分流：

这里的关键是：阈值是系统强制的，不是模型「觉得差不多」就放行。类比成剧组就是——立项会没开完、Brief 没锁版，不许开机。

竖屏短剧在引导阶段有一组必须问清的专属维度：单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟；爽点和钩子节奏要明确到「每几集一次大反转」这个粒度，而不是一句「节奏要快」。

创意简报：锁版之后才允许往下走

简报（Brief）是整条链路的第一份硬约束。锁版之后，下游所有工种都以它为准，后续想改要走「改 Brief」流程，而不是在剧本里偷偷改方向。

一份合格的竖屏短剧简报至少包含：

• 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
• 主角字段，必须包含人物弧光——主角从哪里开始、到哪里结束、中间被什么改变

最后一条经常被省，但它恰恰是区别「短剧」和「段子拼盘」的东西。

剧本不是一次写完，是「分批 + 先规划后正文」

竖屏短剧动辄几十上百集，指望模型一次吐完整季，等于指望编剧不看前面写的就续后面。工业做法是分批写作，每批数集，每批内部再走一套固定工序。

每批的四步循环

1. 场戏清单（Beat Sheet）先行：先列本集每场发生什么、集末 cliffhanger 是什么，再写正文。结构不对，文字再好也重写。
2. 正文写作：遵守竖屏写作铁律（见下节）。
3. 规则质检：机器先过一遍，卡住集标题错误、场景数不匹配、缺【人物】行、对白过少、「未完待续」这类占位敷衍；不合格带错误反馈自动重写。
4. 档案回填：本批新出场的人物、新埋的伏线、新出现的道具，全部写回故事档案，下一批开写前再调出来。

从第 2 批起，开写前要先锁四件事：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「创作者已确认的硬约束」，和档案冲突时，以最新创作意图为准——相当于编剧室里「这几集我们要往这边拐」的集体决定。

竖屏剧本的四条写作铁律

这几条不是风格建议，是内嵌在写作规则里的硬约束：

1. 黄金 3 秒：第 1 场必须是强冲突或强悬念，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。

写作进度过半之后，系统会强制注入结局约束——防止写到一半主角人设漂移、主线跑偏。

故事档案：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 open / resolved 状态、按集出场表、每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。

档案的运作原则是「只吃切片」：写某一批时，只把这一批需要的人物状态、未结伏线、近批摘要、本批主线喂给写作环节，既防上下文失忆，也防无关信息干扰。每批写完自动回填，续写前自动调取——这是长剧集不崩人设的核心机制。

美术链路：先定妆，再开拍

剧本锁完，不是直接出视频，先进美术。这一步偷的懒，后面会在每一帧里还回来。

画风先选，资产共用

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）。每套手册都包含人物出图规则、场景 / 道具规则、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。

角色确认是硬门禁

进入出图前，机器强校验四件事：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进下一阶段。

立绘走两段式：先把档案描述用该画风的人物手册 + 性别硬规则润色成可出图的提示词（这一步允许人工覆盖），再拼最终提示词出图，支持参考图，落库为可回看的历史版本。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。

场景和道具的两条纪律

• 空镜纪律：场景图严禁出现人物。
• 道具师视角：按集从剧本里提取道具的原始称呼，全剧合并成 catalog，不丢集。

另外一条容易被忽略的规则：用户 / 剧本的描述压过画风手册的世界观禁令——手册管画法，不管拒画。剧本里写了一件画风手册默认不出现的东西，以剧本为准。

一致性的核心机制：参考图映射

AI 短剧最经典的翻车——同一角色每场换脸、每场换装——根因只有一个：每场戏都在重新用文字描述这个人长什么样。

工业解法是参考图映射，规则很硬：

1. 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。
2. 有图才占槽位，无图标明「仅文字」，不强行编造绑定。
3. 最高优先级约束：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。
4. 支持手动角色绑定（剧本里叫「警官」，绑到档案里「李强」的定妆）。
5. 支持道具手动纳入 / 排除，避免无关道具挤占参考槽位。
6. 可在同类同名下替换为历史版本中的另一张图。
7. 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，取人物定妆图时优先匹配对应造型。

开拍前会做一次齐套校验：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——但这是制片助理的提醒，不是静默硬生成；专业流程应当先定妆再开拍。

一句话总结这块：一致性靠资产，不靠运气。

场块切分：把一集变成剪辑台上的 clip 列表

剧本不会被直接丢去出一整段视频，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，超过就按动作节拍、空段、句号等规则再拆。

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。群演 / 泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位；必要时可整集重新切分。

输出规格默认就是为竖屏短剧准备的：

竖屏是默认交付形态，不是事后横裁竖——这一点对投流短剧是硬要求。

镜头提示词：教模型用分镜表语言说话，而不是写小说

场块切好之后，最容易被低估的一步是写镜头提示词。多数团队翻车，是把提示词写成了小说段落——堆形容词、一镜里塞三四个运镜、用绝对秒数指挥模型。

工程化的镜头提示词有一套固定规范：

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。

几条硬规矩

• 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）。
• 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」这种写法）。
• 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：台词用 {}、音效用 <>、BGM 用 （）。
• 只给本场素材：提示词生成时禁止串戏，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。

提示词交付前会做合规清洗：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；参考图被识别为疑似真人照片时，会返回明确引导——改用平台绘制链路、不加真人参考图后重绘再拍。

拍摄与重拍：像真实剧组一样多 take 择优

标准拍摄路径是：打开某集视频工作台 → 确认参考图齐全（或有意跳过）→ 生成视频提示词 → 人工阅读并编辑 → 选模型 / 比例 / 分辨率 / 时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

这套流程里，导演 / 美术 / 制片真正能控的点，和真实片场一一对应：

出片时不重新发明提示词：提交用的是创作者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」完全一致。

要让这套流程能当生产工具用，背后还要有一组生产级可靠性机制：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。

18 位数字专家：把剧组编制搬进系统

整条链路上的分工，对标真实剧组编制，由 18 位数字专家（5 位核心专家 + 13 位视频制作专家）承担，每位对应一个真实工种。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。

• 核心 5 位（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）。
• 视频制作 13 位（一键拍摄链路），分四组：

比起罗列名字，更有效的理解方式是用工种讲故事：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；分镜师负责把场块拆成镜头；摄影指导决定运镜；VFX 技术监修兜底画质与稳定性。

诚实边界：这套流程做不到什么

讲清能做什么之前，先划清做不到什么——这对从业者比宣传语有用得多：

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——先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。

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。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。

如果你正在搭自己的 AI 短剧生产线，可以到 猫斯卡 体验这条从想法到成片的完整链路。

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