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 25 日

AI 做竖屏短剧最容易翻车的不是模型不够强，而是把「从想法到成片」当成一次生成。专业做法是拆成一条有中间产物、可回退、可验收的流水线，人在关键节点拍板，机器负责把确认过的方向落到每一集每一场。

为什么「一次生成」做不出能上线的竖屏短剧

很多团队第一次用 AI 做短剧，路径是这样的：写一句故事梗概 → 让模型直接出完整剧本 → 把剧本整段喂给视频模型 → 拿到一条几分钟的大视频 → 发现人物换脸、服装漂移、道具失忆、剧情前后矛盾，然后返工。

问题不在模型，而在流程。传统剧组之所以能稳定产出，靠的不是某个天才，而是立项 → 剧本 → 定妆 → 分场 → 分镜 → 拍摄 → 选片这套被验证过的顺序。AI 短剧如果跳过这些中间环节直接出片，等于让一个剧组不开发布会、不做美术、不排分镜就开机。

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。每一道都有明确的输入、产物和验收标准；任何一道不过关，都不应该往下走。

工序总览：12 道工序与对应产物

注意一个贯穿始终的原则：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，全部是可看、可改、可回退的实体，而不是藏在黑箱里的中间状态。

第一道：创意准入——先判断想法够不够格开拍

不是每个想法都值得立刻写剧本。一个想法如果只有「霸总」「重生」「穿越」几个关键词，缺主角、缺矛盾、缺结局方向，直接写出来的剧本一定飘。

专业做法是先对创意做完整度评分，按分数分流：

• 80 分以上：核心维度齐全，可以跳过大部分引导，直接进入简报锁版。
• 40–79 分：只补缺失的维度，不重复问已经清楚的部分。
• 40 分以下：走完整引导，把题材、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。这个约束在引导阶段就要定下来，因为它直接影响后面的钩子密度和场块切分。

这一步相当于传统剧组的立项会。立项会没开完，不要开机。

第二道：创意简报锁版——Brief 不定，后面全乱

创意引导结束后，要固化成一份创意简报，锁版之后才能进入下一阶段。简报里至少包含：

• 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——主角从哪里开始、到哪里结束、中间被什么改变。没有弧光的主角，写到十几集就会塌。

锁版的意义是：后面所有环节（剧本、定妆、镜头）都以这份简报为最高约束。中途要改，不是不行，但要回到简报层改，而不是在某一集里偷偷改设定。

第三、四道：角色阵容确认 + 故事档案建档

角色确认是硬门禁。阵容齐全、姓名合法、视觉字段完整、主角与简报对齐——这四项机器强校验，不过关不能往下走。

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、每条伏线的开启与收束状态、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。

核心机制一句话：不靠模型记性，靠结构化档案。

写作时模型只吃档案切片——本集会出场的人物状态、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。每批写完自动回填，续写前自动调取。

伏线账本是档案里最容易被忽视但最值钱的部分：每条伏笔都有 open / resolved 状态，写到进度过半时系统会强制注入结局约束，避免写到结尾发现前面埋的线全忘了收。

第五、六道：分批剧本——先规划场戏，再写正文，再过质检

AI 写剧本最常见的两个毛病：一是一口气写几十集，前后矛盾；二是跳过结构直接写对白，开场平淡、集末没钩子。

专业流程用三道闸门解决：

1. 分批写作，每批先锁意图

不是一次写完全剧，而是分批写作，每批数集。从第 2 批起，写下一批之前先问定四件事：

• 本批剧情方向
• 重点人物
• 伏笔与冲突
• 集末钩子

这四项被标记为「创作者已确认的硬约束」，与档案冲突时以创作意图为准。这保证了长篇续写不跑偏。

2. 每集先出场戏清单，再写正文

每一集必须先出 Beat Sheet（场戏清单），标清楚开场钩子、矛盾升级节点、集末 cliffhanger，再展开正文。竖屏剧本内嵌四条写作铁律：

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。

3. 规则质检器卡硬伤

写完每一集都过规则质检，卡住这些典型问题：集标题错误、场景数不匹配、缺【人物】行、对白过少、出现「未完待续」等占位敷衍。

不合格的集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。质检只卡格式和硬伤，不替代人的审美判断——节奏好不好、包袱响不响，仍然是编剧和监制看。

第七、八道：画风选定 + 定妆出图——一致性靠资产，不靠运气

剧本过了，不要急着拍。先定美术。

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规则（面容锚点、材质、气质、视图一致性）、场景 / 道具规则、视频风格标签。

关键点：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。这从根上避免「人物是日漫脸、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，把档案里的人物描述润色成可出图的提示词（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。

场景与道具也要单独出图：

• 场次从剧本里自动解析为「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，否则人物一进场就会和图里的「假人」打架。
• 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。

性别是出图时的硬规则，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。

第九、十道：切场块 + 绑定参考图与工程化镜头提示词

这是 AI 短剧和传统视频生成差异最大的一环，也是一致性的核心。

场块切分：剪辑台上的 clip 列表

剧本不是整集喂给视频模型，而是自动切成视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过就按动作节拍、空段、句号再拆。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。

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……」，每场有独立提示词、独立参考图、独立成片与历史 takes。

参考图映射：有图就不再写外观

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 视频经典翻车原因——模型不知道听谁的，于是临场「重新设计」一套衣服。这条规则把冲突消掉。

此外还有几个专业控制点：

• 手动角色绑定：剧本里叫「警官」，可以绑到档案里「李强」的定妆，解决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：同类同名下可以替换成另一张历史定妆图。
• 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，取人物定妆时优先匹配对应造型。

工程化镜头提示词：教模型用分镜表语言说话

提示词不是写小说，是写分镜表。规范要求包含八大要素：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。

几条硬规矩：

• 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依据。

一句话：系统在教模型用分镜表语言说话，而不是写小说。生成参数偏保守，取稳定可控而非天马行空。

提示词交付前还会做合规清洗：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，会明确引导改用平台绘制链路、不加真人参考图后重绘再拍。

第十一道：多模态出片——默认竖屏，不是事后裁切

输出规格默认是 9:16 竖屏（亦支持其它比例），这是默认交付形态，不是拍完再裁。时长支持智能时长或固定 5–15 秒，模型分标准 / 高速 / 轻量档位，分辨率按模型白名单覆盖 480p 到 4K，默认可生成音频、默认关水印。

标准拍摄路径：

1. 打开某集视频工作台；
2. 确认参考图齐全（或有意跳过）；
3. 生成视频提示词；
4. 人工阅读并编辑提示词（这一步相当于导演改分镜说明）；
5. 选模型 / 比例 / 分辨率 / 时长；
6. 提交出片，队列渲染；
7. 回看历史 takes 择优。

出片时不重新发明提示词：提交用的是你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。

几个面向制片的生产级可靠性设计值得知道：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。

这不是玩具脚本，是可运营的生产队列。

第十二道：改词 / 换图 / 重拍择优——终审在人

最后一道工序，也是最容易被宣传话术忽略的一道：质量终审在创作者和监制手里。

专业可控点对应到片场语言是这样的：

没有成片自动打分或自动择优重拍引擎。系统提供的是多 take 与改词重拍的工具，选哪条、要不要重拍，是人决定。

这套流程做不到什么：七条诚实边界

主动划清边界，比喊口号更能建立信任。

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。
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。

如果你正在搭自己的 AI 短剧生产线，可以按上面这 12 道工序对照检查：缺了哪一道，翻车大概率就出在那一道。

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