AI 竖屏短剧生产流水线：从一个想法到成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧最常见的翻车，不是模型不够强，而是工序乱了——剧本没锁就出图、定妆没定就开拍、提示词和参考图打架。解法是把整条链路拆成 12 道工序，每道都有可验收的中间产物。

为什么「一个按钮出片」走不通

很多团队第一次碰 AI 短剧，路径是这样的：丢一句话给模型 → 让它写剧本 → 复制进视频工具 → 出片。结果是第 3 集主角换了脸、第 8 集道具失忆、第 15 集伏线忘了收。

问题不在模型，在于工序顺序错了。传统剧组之所以有立项会、剧本围读、定妆照、分镜会、场记单，不是因为老派，是因为每一步都在替后面的步骤消歧。AI 生产如果跳过这些，等于让模型在每一场都重新想象一遍这部剧。

一条可规模化的 AI 竖屏短剧流水线，应该是这样的：每一环都交出一个可看、可改、可回退的中间产物，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。

12 道工序总览

下面这张表是整条链路的骨架。后面会逐道展开。

工序 1–3：立项阶段——Brief 没锁，不许开拍

创意评估：先打分再决定走多深

想法丢进来，系统先做一次完整度评分（0–100）。分数不是装饰，是用来强制分流的：

• ≥80 分：维度齐全，可跳过大部分引导直达简报
• 40–79 分：只补缺失的维度，不重复问已有信息
• <40 分：走完整 10 步引导

这一步模仿的是传统剧组的立项会——制片人不会因为编剧口头说「我有个想法」就开机。

创意引导：10 个竖屏维度必须问清

引导阶段要补齐的维度包括：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。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏观看场景决定的，不是平台偏好。

简报锁版：锁了才能进下一步

创意简报固化了这些字段：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。

简报锁版后才能进入下一阶段。这不是产品经理的固执，是工业常识——边拍边改方向，是超预算的头号原因。

工序 4–6：剧本阶段——先规划后正文，有账本管伏线

阵容与视觉确认

角色阵容必须过一道硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能往下走。

故事档案：不靠记性，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、伏线 open/resolved 状态、按集出场表、每批剧情纪要、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。写作时系统只吃档案切片（人物状态 / 未结伏线 / 近批摘要 / 本批主线），既防上下文失忆，也防噪音。每批写完自动回填，续写前自动调取。

分批剧本：场戏清单先行，铁律内嵌

剧本不是一上来就写对白。每集先出场戏清单（Beat Sheet）+ 集末 cliffhanger，再写正文。分批写作，每批数集，一批写完、归档确认，再写下一批。从第 2 批起，先问定四件事——本批剧情方向、重点人物、伏笔与冲突、集末钩子——这些被标记为硬约束，与档案冲突时以创作意图为准。

竖屏剧本有四条内嵌的写作铁律，系统在提示词层面强制执行：

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

写完还要过规则质检器，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」等占位敷衍。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。

进度过半后系统会强制注入结局约束，防止写飞了收不回来。

工序 7–8：美术阶段——先定妆，再开拍

选定画风：17 套手册，人物视频共用一条风格路径

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）。每套都包含人物出图手册（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。

关键点：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。这直接避免了「人物是日漫、视频变成写实」的经典断层。

定妆出图：两段式工艺，空镜纪律

立绘走两段式：先用该画风的人物手册 + 性别硬规则，把档案描述润色成可出图提示词（可人工覆盖），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。性别是出图时的硬规则，不随模型发挥。

两条纪律值得单独拎出来：

• 空镜纪律：场景图严禁出现人物
• 内容权威：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）

道具按集以「道具师」视角提取剧本原始称呼，全剧合并成 catalog，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。

工序 9–10：分场与镜头——教模型用分镜表语言说话

场块切分：约 10 秒一个 clip

剧本自动切成视频场块，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、句号等规则再拆。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。

参考图映射：有图就别再写外观

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。

整条链路里最值钱的一条规则是：

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，导致换装、换脸。

系统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、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。

开拍前会做齐套校验，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。

镜头提示词：八大要素，一镜一运镜

工程化镜头提示词不是写小说，是填分镜表。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。

复杂度分流：简单场景一段式；复杂影视化场景走三段论（总体设定 → 镜头 1/2/3… → 约束包）。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撰写依据。生成参数偏保守，取稳定可控而非天马行空。交付前会剥离特定影视作品 / IP 名称，保留技法与美学描述，降低下游版权拦截风险。

系统在教模型用分镜表语言说话，而不是写小说。

工序 11–12：出片与重拍——生产队列，不是玩具脚本

输出规格

竖屏是默认交付形态，不是事后裁切。

拍摄路径与可控点

标准路径：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。

专业创作者在这一步有这些可控点，每一个都对应传统剧组的一个动作：

出片时 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。

生产级可靠性

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。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。

数字专家团：18 个工种，不是 18 个按钮

整条链路上有 18 位数字专家（5 位核心专家 + 13 位视频制作专家），对标真实剧组编制。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：

用工种名讲故事比罗列名字有效得多——比如「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」。

诚实边界：这七件事系统不替你做

主动划清边界，是建立信任的唯一方式。

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、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。

猫斯卡（Maosika）是 AI 竖屏短剧生产操作系统，定位是可规模化生产的 AI 短剧生产链——从想法到成片，每一环都有可验收的中间产物，人在关键节点做确认与审美判断，机器负责把确认过的方向落到每一集、每一场。

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