AI 竖屏短剧生产全流程：从立项到成片的剧组化工作流拆解

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧翻车，几乎都不是模型不行，而是流程顺序错了：没锁 brief 就写剧本、没定妆就出片、没分场就硬生成。正确做法是把剧组的工序搬进来，一环验收一环。

先讲结论：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，路径是这样的：想到一个题材 → 让模型写个剧本 → 丢进视频生成 → 发现角色换脸、道具串戏、节奏拖沓 → 反复重roll，成本和时间都失控。

问题不在模型，在于跳过了剧组里那些"看起来慢"的环节。真人剧组不会拿到一句话就开机，AI 剧组也不该。

一条可复用的 AI 竖屏短剧生产链，顺序是固定的：

创意评估 → 创意引导 → 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 → 选定画风 → 人物/场景/道具定妆 → 本集切为约 10 秒场块 → 每场绑定参考图与镜头提示词 → 多模态出片 → 审片 → 改词换图重拍择优

每一环都有可验收的中间产物：剧本、故事档案、定妆图、场块、提示词、成片。可看、可改、可回退。人在关键节点做确认，机器负责把确认过的方向落到每一集、每一场。

阶段一：立项——Brief 没锁版，就别往下走

真人剧组开机前要开立项会，AI 短剧也一样。这一阶段的交付物是一份锁版的创意简报（Creative Brief），后面所有环节都以它为准，不能写到第 30 集又回头改主角设定。

创意准入评分：想法够不够清楚，先打分

不是每个想法都直接进入写作。把想法按十个维度填完：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，系统给一个 0–100 的完整度评分：

• ≥80 分：维度基本齐全，跳过大部分引导，直接锁版简报
• 40–79 分：只补缺失的维度，不重复问已经清楚的
• <40 分：走完整引导，把十个维度一个个问清

这个分流是强制的，不是模型"觉得差不多"就放行。类比真人剧组：立项会没开完，制片不会签字开机。

简报锁版的硬字段

锁版后的简报必须包含这些字段，缺一不可：

主角字段必须写明人物弧光——开头是什么状态、结尾变成什么状态。没有弧光的主角，写到中段一定会塌。

竖屏的时长约束

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。这不是建议，是投放平台的现实：超过 3 分钟，完播率断崖式下跌。

阶段二：剧本——先规划后正文，不靠模型记性

剧本是 AI 短剧最容易"看起来写完了，其实没法拍"的环节。常见问题：开场平淡、集末没钩子、第 5 集埋的伏笔第 50 集忘了、主角性格漂移。

解法是把编剧室的工作法固化成流程。

竖屏剧本的四条铁律

这四条是内嵌在写作规则里的，不是"建议参考"：

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；禁止论文腔和大段旁白解释

先出场戏清单，再写正文

每一集不是直接写对白，而是先出场戏清单（Beat Sheet），标清楚这集有几场、每场的功能、集末钩子是什么。清单确认后再展开正文。

这一步的价值在于：场戏清单是"骨架"，正文是"肉"。骨架歪了，肉写得再漂亮也救不回来。

分批写作 + 故事档案：不靠记性靠结构

剧本不是一次写完一百集，而是分批写作，每批数集。每批开始前先锁定四件事：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。

故事档案（Continuity Bible） 是这一阶段最关键的资产。它是一份贯穿全剧的结构化记录：

• 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）
• 人物关系图
• 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

写作时模型只吃档案切片（人物当前状态、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。每批写完自动回填，续写前自动调取。

一句话：不靠模型记性，靠结构化档案。

规则质检：不合格的半成品不交付

每批写完自动过规则质检器，卡住这些常见问题：

• 集标题错误
• 场景数与清单不匹配
• 缺【人物】行
• 对白过少（全是旁白和动作描写）
• 出现"未完待续"等占位敷衍

不合格的带错误反馈自动重写，最多 6 次。过不了质检的半成品不会到用户手里。

阶段三：定妆——一致性靠资产，不靠运气

AI 短剧最经典的翻车：第 1 集女主是圆脸长发，第 3 集变尖脸短发，第 5 集衣服颜色都换了。根本原因是每场戏都在"重新想象"这个人长什么样。

解法是先出定妆图，拍摄时只引用定妆资产。

选画风：17 套手册，人物和视频共用一条风格路径

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部分：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。不会出现"人物是日漫、视频变成写实"的断层。

角色确认的硬门禁

进入出图前，系统强校验四件事：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。

立绘两段式：先润色文本，再生成图像

1. 文本润色：用选定画风的人物手册 + 性别硬规则，把档案里的人物描述润色成可出图的提示词。这一步可人工覆盖——导演对角色有具体想法，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。

出图时性别是硬规则，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。

场景与道具：空镜纪律 + 道具师视角

• 场次从剧本自动解析为"内/外 | 地点 | 日夜"，不靠手填表格
• 场景图严禁出现人物（空镜纪律），否则人物参考图会和场景里的"假人"打架
• 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
• 内容权威规则：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

阶段四：分场——把一集切成剪辑台上的 clip 列表

这是很多 AI 短剧工具跳过的一步，也是质量分水岭。

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 列表是一个逻辑：哪场坏了修哪场，不用整集重生成。

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。切分结果不满意，可以整集重新切。

阶段五：拍摄——工程化镜头提示词，不写小说

这一阶段的核心交付物是每场的镜头提示词。提示词的质量，直接决定成片的可控性。

参考图映射：有图就不写外观

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。

这里有一条最高优先级约束，直接解决换脸换装问题：

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。

文字描述和参考图打架，是 AI 视频换脸换装的头号原因。这条规则把冲突从源头掐掉。

参考图映射还支持：

• 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：避免无关道具挤占参考槽位
• 历史版本替换：同类同名下换另一张图
• 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

开拍前齐套校验

生成提示词前，系统检查缺失的场景/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。专业流程应该先定妆再开拍。

镜头提示词的八大要素

系统生成的提示词不是散文，是分镜表语言。每场必须包含八大要素：

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

几个硬规矩：

• 用镜头序号，不用绝对秒数（禁止写"0–3s"）
• 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 （）
• 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

一句话：系统在教模型用分镜表语言说话，而不是写小说。

提示词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。

输出规格

竖屏是默认交付形态，不是事后裁切。

阶段六：重拍与品控——多 take 择优，终审在人

出片的标准路径是：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。

导演可控的七个旋钮

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。

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。

必须讲清楚的边界

诚实划边界比喊口号更能建立信任。以下是当前产品明确不做或做不到的：

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，主张"一个想法，全程自动 / 一个人，一天，一部剧"。了解完整能力可访问 https://www.maosika.com。

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