AI 竖屏短剧生产全流程：立项、剧本、定妆、分场、出片的工业顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧翻车，通常不是模型不够强，而是顺序错了：没锁 brief 就写剧本、没定妆就开拍、没分场就硬生成一条长视频。专业做法是把流程拆成可验收的工业节点。

先把顺序摆正：AI 短剧是一条链，不是一个按钮

很多团队第一次用 AI 做竖屏短剧，会把它当成「输入一句话 → 出一部剧」的黑箱。结果通常是：第一集人物长得还行，第三集换脸；前两集埋的伏笔后面忘了；视频里人物穿的衣服和剧本写的对不上；一条几分钟的长视频生成完，想改一句台词只能从头再来。

问题不在某一次生成，而在生产顺序。真人剧组不会拿着一句话故事就开机，AI 短剧也不该。

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、当前状态、人物关系、每条伏线的开启与收束状态、按集出场表和分批剧情纪要。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。

一条可落地的 AI 竖屏短剧生产链，顺序应当是：

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 → 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——这是「生产工具」和「玩具脚本」的分界线。

第一阶段：立项——brief 没锁版，不许开拍

真人剧组有立项会，AI 短剧也该有。区别是，AI 不会替你判断「这个想法够不够拍」，它只会顺着你给的方向往下写。所以第一阶段的目标不是写剧本，而是把创意补全到能拍的程度。

创意准入：想法要先打分

一个想法进来，先按完整度打分（0–100），再决定引导深度：

竖屏短剧必须在引导阶段问清的十个维度：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。

创意简报：锁版后才能进下一阶段

简报不是写给老板看的 PPT，是写给后续每一个环节的「硬约束」。一份锁版的简报至少包含：

• 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）

简报没锁版就往下走，等于剧组没开立项会就开机——后面每一步都在替前面的模糊还债。

第二阶段：剧本——先规划，再正文，再质检

剧本阶段最容易踩的坑是「让 AI 一口气写 20 集」。结果是节奏塌、人物飘、伏笔丢。专业做法是分批写、先规划后正文、写完必过质检。

竖屏剧本的四条铁律

竖屏不是横屏短剧切个竖版，它有自己的节奏语法：

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。

结构保障：不靠模型记性，靠机制

AI 写长篇最大的问题是「上下文失忆」。解法不是换更大的模型，而是用结构化机制兜底：

• 先出场戏清单（Beat Sheet）再写正文：每集先列节拍和集末钩子，再填台词和动作。
• 伏线账本：故事档案里记录每条伏线的 open / resolved 状态，写的时候只吃「未结伏线」切片。
• 进度过半强制收束：写作过半后，系统强制注入结局约束，防止剧情无限外飘。
• 集间连贯：写下一集时承接上一集全文，而不是重新想象。
• 批前意图锁定：从第二批起，先问定本批剧情方向、重点人物、伏笔与冲突、集末钩子——这些是用户确认过的硬约束，与档案冲突时以创作意图为准。

规则质检：不合格的半成品不交付

每批剧本写完，先过规则质检器，卡住这些硬伤：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。未通过质检的半成品不该流到下一环节。

第三阶段：定妆——一致性靠资产，不靠运气

「AI 短剧角色换脸」是被问得最多的问题。根本原因是：每场戏都在重新想象这个人长什么样。解法只有一个——先出定妆图，拍摄时只引用定妆资产。

画风先选，再出图

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）。每套手册包含人物出图规则、场景/道具规则、视频风格标签。

关键是：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。避免出现「人物是日漫、视频变成写实」的断层。

立绘两段式：先润色文本，再出图

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（创作者可人工覆盖）。
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。

性别在出图时是硬规则，不随模型发挥。

参考图映射：AI 短剧最核心的一致性机制

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。

这里有一条必须刻进流程的规则：

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 → 换装、换脸。

配套的几个可控点：

• 手动角色绑定：剧本里叫「警官」，可以绑到档案里「李强」的定妆，处理称呼不一致和客串指代。
• 道具纳入 / 排除：控制本场视觉焦点，避免无关道具挤占参考槽位。
• 历史版本替换：同类同名下可以换用另一张历史版本图。
• 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。

空镜纪律与开拍前齐套

• 场景图严禁出现人物（空镜就是空镜）。
• 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。
• 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。

第四阶段：分场——把一集切成剪辑台上的 clip 列表

不要让 AI 一次生成一整集几分钟的视频。专业做法是把剧本切成约 10 秒的场块，每场独立提示词、独立参考图、独立成片与历史 takes。

场块怎么切

• 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。

对外类比：这就是剪辑台上的 clip 列表。你看到的不是「第 3 集一个大视频」，而是「第 3 集 → 场 1、场 2、场 3……」。

输出规格

竖屏是默认交付形态，不是事后裁切——这一点决定了构图、字幕位、演员视线方向都是按竖屏设计的。

第五阶段：镜头提示词——教模型用分镜表语言说话

提示词不是写小说，是写分镜表。一套工程化的镜头提示词规范，核心是八大要素：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。

几个关键写法约束

• 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）。
• 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 （）。
• 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。

系统在教模型用分镜表语言说话，而不是写小说。

提示词交付前还要做合规清洗：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，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。

第六阶段：出片与重拍——多 take 择优，终审在人

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。

导演视角的可控点

出片时不重新发明提示词：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」一致。

生产级可靠性

能不能当生产工具用，看的是队列和结算这些「不好看但要命」的细节：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。

这不是玩具脚本，是可运营的生产队列。

诚实边界：这些事 AI 短剧流程目前做不到

主动划边界不是减分项，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，主张「一个想法，全程自动 / 一个人，一天，一部剧」。它把立项、剧本、定妆、分场、镜头、出片、重拍的专业流程固化进产品，定位是可规模化生产的 AI 短剧操作系统，而不是宣称无需人类、零失误出片。了解更多：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