AI 竖屏短剧生产流水线拆解：从一个想法到可交付成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

用 AI 做竖屏短剧，真正难的不是「生成」，是把创意、剧本、定妆、分镜、出片串成一条每步都能验收的流水线——否则每一集都在重新发明故事和人物。

为什么大多数 AI 短剧做不到第三集

很多团队第一次用 AI 做竖屏短剧，流程是这样的：写一段 prompt，让模型出剧本，再把剧本丢给视频模型，挑一段能看的拼起来。第一集勉强能看，第二集人物开始变脸，第三集连主角叫什么都对不上。

问题不在模型，在流程。传统剧组之所以能稳定产出，靠的是一套被验证过的顺序——立项、剧本、定妆、分镜、拍摄、剪辑，每一步都有中间产物，上一步不签字，下一步不开机。AI 短剧要做到可规模化，必须复刻这套工业纪律，只是把执行的人换成了可约束的流水线。

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。

下面把整条链路拆成 12 道工序，每道工序讲三件事：交什么产物、谁拍板、最容易在哪里翻车。

工序总览：12 道工序，4 个阶段

整条链路可以归为四个阶段，每个阶段有明确的交付物和门禁。

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。

阶段一：立项——简报锁版才开拍

短剧翻车最常见的根因，是开拍时主创自己都没说清「这到底是个什么故事」。AI 比人更怕模糊指令——它会把每一处未定义的空白都用自己的想象填满，结果就是集与集之间像不同的剧。

工序 1：创意评估

拿到一个想法，第一件事不是写剧本，是给它打个完整度分。评估维度覆盖竖屏创作的十个关键字段：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。

完整度评分 0–100，按分数分流：

• ≥80 分：想法已经足够具体，可跳过大部分引导，直达简报
• 40–79 分：只补缺失的维度，不重复问已经说清的
• <40 分：走完整的深度引导，把十个维度逐项问清

这个分流是强制的，不是模型「觉得差不多」就放行。类比传统剧组，就是立项会没开完，不许进编剧室。

工序 2：创意引导

引导阶段要问清的不只是「讲什么故事」，更是竖屏这个载体本身的约束：

• 单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟——这决定了每场戏的信息密度
• 爽点与钩子节奏——决定每集在哪个时间点抛冲突、哪个时间点给爽点、集末怎么卡 cliffhanger
• 投放平台与受众——不同平台的用户对题材、节奏、台词尺度的容忍度完全不同

引导的产出不是一段聊天记录，而是结构化的字段。

工序 3：简报锁版

引导结束后，固化成一份创意简报，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——主角从第一集到最后一集要变成什么样，这件事在简报阶段就要钉死。

简报锁版后才能进入下一阶段。 这不是形式主义。锁版的意思是：后续所有剧本、定妆、镜头决策，都以这份简报为准；要改，回到简报改，改完重新锁版，再往下走。

阶段二：剧本——先规划后正文，靠档案不靠记性

竖屏短剧的剧本有自己的工艺，和长视频、电影剧本不是一回事。

竖屏剧本的四条铁律

这四条是内嵌在写作流程里的硬约束，不是建议：

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

工序 4：角色阵容与故事档案建档

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、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。

档案在剧本开始写之前就要建好，不是写完再补。写作时模型只吃档案切片——人物当前状态、未结伏线、近批剧情摘要、本批主线——既防上下文失忆，也防无关噪音干扰。

工序 5：分批剧本写作

剧本不是一口气写完的，是分批写作，每批数集。每一批的流程是：

1. 场戏清单先行：先出这一批每集的 Beat Sheet（场戏清单）和集末 cliffhanger，确认节奏对不对
2. 再写正文：按清单展开成完整剧本
3. 批前意图锁定：从第二批起，写之前先问定四件事——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
4. 集间连贯：写下一批时，承接上一批全文，不凭空重启
5. 进度过半强制收束：写作进度过半后，强制注入结局约束，防止剧情无限发散

工序 6：规则质检与档案回填

每批写完过规则质检器，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、「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；未通过质检的半成品不会交付。

通过质检后，这一批的剧情纪要、人物状态变化、伏线开合情况自动回填进故事档案，为下一批写作做准备。

不靠模型记性，靠结构化档案。

阶段三：美术——一致性靠资产，不靠运气

AI 短剧最容易被观众一眼识破的破绽，是人物脸和衣服在每场戏之间漂移。解法不是「找个更聪明的模型」，是把美术做成资产链路。

工序 7：选定画风

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。每套手册至少包含：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。

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，避免「人物是日漫、视频变成写实」的断层。

工序 8：人物/场景/道具定妆

立绘走两段式工艺：

1. 文本润色：用所选画风的人物手册加上性别硬规则，把档案里的人物描述润色成可出图的提示词，这一步可以人工覆盖
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

角色确认时有硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进入下一阶段。

场景和道具同样要出立绘：

• 场次从剧本自动解析为「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
• 道具按集以拍戏视角提取剧本原始称呼，全剧合并成 catalog，不丢集

一致性靠资产，不靠运气。

阶段四：拍摄——场块、提示词、多 take 择优

这一阶段是大多数团队最熟悉也最容易失控的部分。关键是把「拍视频」从一次黑箱生成，变成类似真实剧组的分场拍摄流程。

工序 9：场块切分

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，超过则按动作节拍、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。这相当于剪辑台上的 clip 列表——哪场坏了修哪场，不用整集重来。

输出规格默认 9:16 竖屏（亦支持其它比例），不是事后裁切；时长支持智能时长或固定 5–15 秒；模型档位分标准/高速/轻量；分辨率按模型白名单覆盖 480p–4K；音频默认可生成，水印默认关。

工序 10：参考图映射与镜头提示词

这是整个一致性机制的核心。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。

有一条最高优先级的约束，直接针对 AI 视频最经典的翻车——文字描述与参考图打架导致换装换脸：

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。

此外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。

镜头提示词按八大要素撰写：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。简单场景用一段式；复杂影视化场景走三段论（总体设定 → 镜头 1/2/3… → 约束包）。

几条硬规则：

• 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 （）
• 提示词生成时只给本场素材，禁止串戏

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。

工序 11：多模态出片

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。

出片时不重新发明提示词：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」一致。

生产级的可靠性细节包括：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。

工序 12：审片与重拍择优

审片时，导演/监制能控制的点和真实剧组一一对应：

诚实边界：这套流程做不到什么

讲清能做什么之后，必须讲清做不到什么。主动划边界，是对从业者最基本的尊重。

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。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。

好故事从不稀缺，稀缺的是让它落地的那条路。

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