AI 竖屏短剧生产流水线：从一句话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「点一下出视频」，而是把一条从想法到成片的链路拆成每一步都有中间产物、可回看、可回退的工序。下面按真实剧组的顺序，把整条生产链讲清楚。

为什么多数 AI 短剧项目死在「流程」上，而不是死在模型上

很多团队第一次做 AI 竖屏短剧，踩的坑都差不多：剧本写着写着人物性格漂移；第 5 集主角换了张脸；道具上一集是玉佩这一集变成了扳指；提示词写得像小说，模型自由发挥；出了片想改，只能整条重生成，钱和时间一起烧。

这些问题表面上看是「模型不行」，本质上是没有把生产流程工程化。传统剧组靠分镜表、服化道清单、场记单、连续性本（continuity bible）来兜住一致性；AI 生产如果跳过这些中间产物，直接从「想法」跳到「出片」，每一次生成都在重新想象你的剧。

一条能跑量的 AI 短剧流水线，必须满足三个条件：

• 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，每一样都能单独拿出来看、改、回退。
• 人只在关键节点拍板：方向、审美、取舍由人决定；重复的、易漂移的、易失控的执行交给机器。
• 锁版之后才往下走：创意没定就不写剧本，角色没确认就不出定妆，参考图不齐就提醒，半成品不进下一道工序。

下面按工序顺序，把从一句话想法到竖屏成片的完整链路拆开讲。

工序 1–3：立项阶段——先把「要拍什么」锁死

工序 1：创意准入与评估

入口不是一个空白输入框让你「描述你的故事」，而是一套结构化的 intake：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。

系统会对 intake 做完整度评分，0–100 分，按分数决定引导深度：

这个分流是系统强制的，不是模型「觉得差不多了」就放行。类比传统剧组：立项会没开完，不开机。

工序 2：创意引导，补齐竖屏维度

竖屏短剧和长剧、横屏短剧在创作逻辑上不一样。引导阶段会专门把竖屏维度问清：单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟；爽点和钩子的节奏要按集设计；投放平台决定受众口味和开头容忍度。

这一步的产出不是剧本，而是一份待确认的创作方向，交给下一步锁版。

工序 3：创意简报锁版

简报是整条链路的「宪法」，锁版之后才能进入剧本阶段。固化字段包括：

• 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

锁版的意思是：后面所有环节都以这份简报为准；要改，回到这一步改，改完重新下发，而不是在剧本里偷偷改方向。

工序 4–6：剧本阶段——先规划后正文，靠档案不靠记性

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、伏线的 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。

不靠模型记性，靠结构化档案。

建档阶段同时确认角色阵容，硬门禁包括：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步。

工序 5：分批剧本写作，场戏清单先行

剧本不是一口气从头写到尾，而是分批写作，每批数集。每一批的内部顺序是固定的：

1. 先出场戏清单（Beat Sheet）：这一集有哪几场，每场的节拍是什么，集末 cliffhanger 是什么。
2. 再写正文：在清单骨架上填台词和动作。
3. 规则质检：自动卡掉集标题错误、场景数不匹配、缺【人物】行、对白过少、「未完待续」占位等问题；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交付。
4. 档案回填：这批写完，人物状态变化、新埋伏线、新出场道具自动写回故事档案，下一批续写前自动调取。

从第 2 批起，下笔之前会先问定四件事：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「用户已确认的硬约束」，与档案冲突时以创作意图为准——这保证了写到中段，人仍然能掌舵。

写作阶段内嵌了几条竖屏铁律，可以直接当作团队规范用：

• 黄金 3 秒：第 1 场必须强冲突或强悬念，禁止平淡开场和长篇背景介绍。
• 单集结构：开场钩子（1 场）→ 矛盾升级 → 集末 cliffhanger（最后 1 场）。
• 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。
• 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。

工序 6：进度过半强制收束

长篇短剧最常见的崩盘点是中段失控：伏笔埋太多收不回来，人物弧光跑偏，结局方向被遗忘。机制上的处理是：写作进度过半之后，系统强制注入结局约束，让后续批次向已锁定的结局方向收束，而不是无限发散。

工序 7–8：美术阶段——先定妆，再开拍

工序 7：选定画风

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。

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。这是为了避免最常见的视觉断层——人物是日漫，视频出来变成写实。

工序 8：人物 / 场景 / 道具定妆出图

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，把档案里的文字描述润成可出图的提示词，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。

场景立绘有一条硬纪律：场景图严禁出现人物——它的用途是空镜和环境参考，人物由角色定妆图单独提供。道具则以「道具师」视角按集提取剧本里的原始称呼，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：分场阶段——把剧本拆成剪辑台上的 clip 列表

工序 9：本集切为约 10 秒的场块

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。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。

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……」，每场有独立的提示词、独立的参考图、独立的成片与历史 takes。这和剪辑台上的 clip 列表是同一个思路。

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。

需要说明边界：约 10 秒是工程启发式，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。

工序 10：每场绑定参考图 + 工程化镜头提示词

这是 AI 短剧一致性最核心的一步。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，直接针对 AI 视频的经典翻车点（文字描述与参考图打架 → 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。

围绕参考图，还有几个专业可控点：

开拍前会做齐套校验，列出缺失的场景 / 人物 / 道具参考，引导先去绘制。允许跳过走纯文字路径——但这是制片助理式的提醒，不是静默硬生成；专业流程应该先定妆再开拍。

提示词本身按工程化镜头语言生成，不是写小说。核心规范：

• 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）。
• 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（不写「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。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：出片阶段——多 take 择优，改词再拍

工序 11：多模态出片（默认竖屏）

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。

输出规格默认 9:16 竖屏，这是交付形态，不是事后横裁竖；亦支持其它比例。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；音频默认可生成，水印默认关。

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」完全一致。

工序 12：审片、改词 / 换图、重拍择优

审片阶段人是终审。系统提供的是工具，不是判断：

• 对某场不满意 → 改提示词（相当于导演改分镜说明）→ 重拍。
• 人物看着不对 → 换定妆图或检查是否违反「有图不写外观」→ 重拍。
• 场景不对 → 换场景参考图 → 重拍。
• 同一场保留所有历史 takes，多 take 择优。

生产级可靠性在这一阶段很关键：成片做 faststart 处理，以实测时长落库；视频任务走独立队列车道，与剧本、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。

人在什么位置：这条链路的诚实边界

讲完 12 道工序，必须把这条链路做不到的事讲清楚。对从业者来说，边界不是负债，是信任的基础。

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。

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。

如果你正在搭自己的 AI 竖屏短剧生产线，可以到 猫斯卡 上按这 12 道工序跑一遍，看每一步的中间产物是否符合你团队的验收标准。

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