AI 竖屏短剧生产全链路：从立项到成片的剧组化工作流

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，多半不是模型不行，而是流程顺序错了：没锁 brief 就写剧本、没定妆就出片、没分场就堆长视频。正确做法是把剧组那套立项—剧本—美术—拍摄—剪辑的顺序，用工程手段固化下来。

为什么多数 AI 短剧项目死在「顺序」上

行业里常见的 AI 短剧生产路径是这样的：想到一个梗 → 直接让模型写几十集剧本 → 挑一段扔给视频模型 → 出来发现人物三张脸、场景跳来跳去、台词像论文 → 返工成本比实拍还高。

问题不在某一个模型，而在跳过了剧组里那些「看起来慢」的中间环节。真人剧组不会在剧本没定稿时就开拍，不会在演员没定妆时就喊 action，不会把整场戏拍成一条长镜头再硬剪。AI 短剧要稳定产出，必须把这些环节重新装回去，只是执行的不再是一个个真人岗位，而是一条有门禁、有产物、可回退的流水线。

下面这条链路，是把传统竖屏短剧的工业顺序，翻译成 AI 可执行的生产步骤。每一步都有可验收的中间产物，而不是一个黑箱按钮。

全链路总览：七个阶段，每个阶段都有交付物

这条链路的核心主张只有一句话：每一环都有可验收的中间产物，可看、可改、可回退。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：创意准入——立项会开完才动笔

不是所有想法都值得直接写成剧本。一个想法如果连「主角是谁、核心矛盾是什么、结局往哪走、爽点怎么铺」都说不清，模型只会用它的想象力去填，填出来的东西大概率是套路拼盘。

工程化的做法是给想法打一个 0–100 的完整度评分：

• ≥80 分：信息足够，跳过大部分引导，直接锁简报
• 40–79 分：只补缺失的维度，不重复问已经清楚的部分
• <40 分：走完整引导，把题材、主角、矛盾、走向、集数、单集时长、风格、爽点节奏、结局方向、投放平台与受众一项项问清

竖屏短剧的单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟——这个约束在准入阶段就要定，不然后面剧本节奏和视频时长都会失控。

创意准入的本质，是把「立项会」这道工序产品化。不是模型口头说「够了」就放行，而是分数阈值由系统强制分流。

阶段二：简报锁版——Brief 不动了，后面才不乱

创意引导结束后，产出一份锁版的创意简报。它是后续所有环节的硬约束，包含：

• 一句话故事（logline）
• 核心矛盾
• 故事走向与结局方向
• 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，不能进剧本阶段。这听起来像废话，但 AI 生产里最常见的灾难就是「写着写着方向变了」——主角中途黑化、爽点节奏乱掉、结局和开头埋的伏笔对不上。锁版就是把「改方向」这件事变成一个显式动作，而不是在每一集里偷偷漂移。

阶段三：剧本分批——先规划后正文，不靠模型记性

竖屏短剧剧本有几条被行业验证过的铁律，应该被固化进写作规则，而不是交给模型自由发挥：

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

光有规则还不够，长剧集最大的敌人是上下文失忆——写到第 50 集，模型已经忘了第 3 集埋的伏笔、第 10 集主角受的伤、第 20 集确立的人物关系。

故事档案就是为解决这个问题存在的。

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、分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。

具体的写作机制是这样的：

• 先规划后正文：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
• 批前意图锁定：从第 2 批起，先问定本批剧情方向、重点人物、伏笔与冲突、集末钩子；这些是硬约束，与档案冲突时以创作意图为准
• 伏线账本：档案记录每条伏线的 open / resolved 状态，写作时只吃档案切片（人物状态 / 未结伏线 / 近批摘要 / 本批主线），既防失忆也防噪音
• 进度过半强制收束：写作进度过半后，强制注入结局约束，避免烂尾
• 集间连贯：写下一集时承接上一集全文

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。

阶段四：美术定妆——一致性靠资产，不靠运气

剧本定稿后，进入美术环节。这一步是 AI 短剧和实拍短剧差异最大、也最容易翻车的地方。

画风选择是第一步。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 / 道具手册和视频风格标签。

关键点是：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风格路径，避免「人物是日漫、视频变成写实」的断层。

立绘走两段式工艺：

1. 文本润色：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）
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。

场景与道具的纪律同样重要：

• 场次从剧本结构化解析为「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「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）

一致性靠资产，不靠运气。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。

阶段五：场块切分——剪辑台上的 clip 列表，不是一整集一个大视频

很多团队做 AI 短剧的习惯是「把一整集剧本扔进去，生成一个 2 分钟的视频」。这几乎必然翻车：模型在长视频里对人物、场景、动作的控制力会急剧下降，任何一个环节漂移都要整段重来。

正确做法是把剧本切成视频场块，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。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 / 泛指角色从可绘制主演名单里剥离，避免挤占定妆槽位。场块可整集重新切分。

切完场块后，最关键的一步是参考图映射——这是 AI 短剧解决角色一致性的核心机制：

• 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
• 最高优先级规则：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
• 支持手动角色绑定（剧本里叫「警官」，绑到档案里「李强」的定妆）
• 支持道具手动纳入 / 排除，避免无关道具挤占参考槽位
• 可在同类同名下替换为历史版本中的另一张图
• 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

那条「有图不写外观」的规则，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。参考图是视觉真相，文字只负责调度动作和情绪。

开拍前还有一道齐套校验：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——但这是提醒式的制片助理，不是静默硬生成。

阶段六：镜头提示词——教模型用分镜表语言说话，而不是写小说

场块和参考图就位后，进入提示词生成。这一步最容易犯的错是用小说语言写提示词——「她黯然神伤地望向窗外，月光洒在她脸上，仿佛诉说着无尽的哀愁」——模型拿到这种描述，只能自由发挥，出来的镜头十有八九不对。

工程化的镜头提示词遵循八大要素：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。

配套的规范包括：

• 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：台词用 {}、音效用 <>、BGM 用 （）
• 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

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；选题入口做题材合规过滤，平台禁令与监管红线随政策更新。

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

阶段七：多 take 出片——像片场一样改词重拍，而不是一次赌命

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 / 美术 / 制片在这一步有一组专业可控点：

出片时不重新发明提示词：系统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。

生产级可靠性上，有几个机制值得说：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。

诚实边界：这七件事，当前做不到

主动划边界比喊口号更能建立信任。以下是这套流程当前的明确限制：

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。

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