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

AI 做短剧不是按一个按钮等成片，而是把剧组的立项、编剧、定妆、分场、拍摄、重拍，拆成一条每环都有中间产物、可回看可回退的流水线。下面按真正的生产顺序讲。

先把预期摆正：AI 短剧是流水线，不是魔法按钮

很多团队第一次用 AI 做竖屏短剧，踩的坑都一样：丢一句话进去，等模型吐出一整集视频，结果脸在换、衣服在变、道具上一集是刀这一集是枪、第三集主角名字都不对。问题不在模型「不够聪明」，而在流程错了——跳过了剧组里那些本来就不能省的环节。

传统竖屏短剧剧组的顺序是：立项 → 剧本 → 定妆 → 场景板 → 分场 → 分镜 → 拍摄 → 多 take 选片。AI 生产不能把这个顺序压扁成一次生成，只能把它固化成每一步都有交付物的工序。

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 12 道工序，是把「一个想法」推进到「可交付成片」的完整路径。每一道都标注了：这一步交什么产物、谁来拍板、最容易翻车的点在哪。

工序 1：创意准入——先打分，再决定聊多深

不是每个想法都值得立刻开写。一个想法如果只有「霸总追妻」四个字，直接让模型开写，出来的一定是模板腔；如果已经有主角、矛盾、结局方向、爽点节奏，再走十轮引导就是浪费时间。

合理做法是给创意做一次完整度评分，按分数分流：

这里的关键是分数阈值由流程强制执行，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，不能开机。

工序 2：创意简报锁版——Brief 不定，后面全是返工

引导结束后，要产出一份锁版的创意简报，后面所有环节都以它为准。一份合格的简报至少包含：

• 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
• 投放平台与目标受众
• 分段分集梗概
• 给编剧的注意事项
• 主角字段，必须写清人物弧光

锁版的意思是：进入下一阶段后，任何改动都要回到这里改，而不是在第 30 集突然让编剧「顺便把主角改成卧底」。竖屏短剧动辄百集，没有锁版的 Brief，越写到后面漂移越严重。

工序 3：角色阵容与视觉确认

在写剧本之前先把阵容定下来：主角、配角、重要客串，每个人的姓名、身份、性格特征、视觉描述都要齐全。

这一步有个硬门禁：阵容不齐全、姓名不合法、视觉字段缺失、主角和简报对不上，就不能往下走。原因很现实——后面的定妆图、故事档案、镜头提示词都要吃这些字段，少一个角色，写到那场戏就会崩。

工序 4：故事档案建档——不靠模型记性，靠结构化档案

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、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、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。

档案机制的几个要点：

• 写作时只给模型喂档案切片：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。
• 每批写完自动回填新的状态变化和伏线进展。
• 有一本「伏线账本」，每条伏线标 open / resolved，避免埋了不收。
• 写作进度过半后，强制注入结局约束，防止写飞了收不回来。

不靠模型记性，靠结构化档案。 这是长剧集 AI 写作能不能用的分水岭。

工序 5：分批剧本写作——先 Beat Sheet，再正文

竖屏短剧剧本不适合一百集一次吐完，也不适合一集一集零敲碎打。合理节奏是分批写作，每批数集，每批写完、归档确认，再写下一批。

每一批内部的顺序不能乱：

1. 先出场戏清单（Beat Sheet）：这一集有哪几场、每场的核心动作是什么、集末 cliffhanger 落在哪。清单确认后再写正文。
2. 写正文，遵守竖屏短剧的写作铁律（见下）。
3. 规则质检：集标题对不对、场景数和清单匹不匹配、有没有缺【人物】行、对白够不够、有没有「未完待续」这类占位敷衍。不合格带反馈自动重写。
4. 档案回填：这一批新埋的伏线、人物状态变化、出场道具，写回档案。

从第 2 批起，写下一批之前要先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这些是「用户已确认的硬约束」，即使和旧档案冲突，也以新的创作意图为准——这对应了剧组里「编剧室开会调方向」的动作。

竖屏短剧的写作铁律

这几条是从投放表现里磨出来的，不是审美偏好：

1. 黄金 3 秒：第 1 场必须是强冲突或强悬念，禁止平淡开场和长篇背景介绍。
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；禁止论文腔和大段旁白解释。

工序 6：选定画风——17 套手册，人物场景道具共用一条风格路径

剧本定了之后选画风。这里最常见的翻车是「人物出的是日漫，视频跑成了写实」，根因是立绘和视频用了两套不相关的风格描述。

合理做法是画风以整套手册的形式存在，每套手册同时管三件事：人物出图规则（面容锚点、材质、气质、视图一致性）、场景与道具出图规则、视频风格标签。选定一套之后，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，不会中途断层。

目前成熟的画风手册覆盖都市写实、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、赛博国风等方向，2D、3D、真人写实都有。

工序 7：人物 / 场景 / 道具定妆出图

这一步对应剧组的美术和造型部门。三类资产分开出：

• 人物定妆图：用该画风的人物手册 + 性别硬规则，把档案里的文字描述润色成出图提示词，再生成图像。性别是硬规则，不随模型发挥。
• 场景立绘图：从剧本里自动解析出「内 / 外 | 地点 | 日夜」，不靠手填表格。场景图严禁出现人物——这是空镜纪律，否则后面绑参考图时会串。
• 道具图：按集以道具师的视角提取剧本里的原始称呼，全剧合并成 catalog，不丢集。

出图分两段：先文本润色（人可以覆盖），再图像生成。支持参考图，所有历史版本都可回看。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 8：本集切为约 10 秒的场块

剧本和定妆都齐了，不要一整集扔去出视频。正确做法是把每集切成一个个视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超长按动作节拍、空段、句号再拆。

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……」，每场有独立的提示词、独立的参考图、独立的成片与历史 takes。这相当于剪辑台上的 clip 列表。

需要说明的边界：约 10 秒是工程启发式，不是时间码精剪，偶尔会出现偏长的块；精剪与串场成片仍然需要后续剪辑环节。群演和泛指角色要从可绘制主演名单里剥离，避免挤占定妆槽位。

工序 9：每场绑定参考图——有图才占槽位

这是 AI 短剧一致性最核心的机制。每个场块自动构建一张参考素材表，顺序固定：场景图 → 本场道具图 → 人物定妆图。

几条必须遵守的规则：

• 有图才占槽位，没有图就标明「仅文字」，不强行编造绑定。
• 最高优先级约束：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。这条直接治 AI 视频的经典翻车——文字描述和参考图打架，导致换装换脸。
• 支持手动角色绑定：剧本里叫「警官」，要手动绑到档案里「李强」的定妆图，避免模型自己猜。
• 道具支持手动纳入 / 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。
• 穿越 / 闪回题材按场景关键词判定现代 / 古代，取人物定妆图时优先匹配对应造型。

开拍前还要做一次齐套校验：缺场景、缺人物、缺道具的，弹出清单引导先去绘制。允许跳过走纯文字路径——但缺图出片质量通常更差，所以专业流程应该先定妆再开拍。

工序 10：工程化镜头提示词——教模型用分镜表语言说话

参考图绑完，为每场生成镜头提示词。这一步不是让模型「自由发挥写一段漂亮描述」，而是按固定规范产出。

镜头提示词的八大要素：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。

规范里几个反直觉但很关键的点：

• 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）。
• 一镜一运镜，禁止一个镜头里又推又拉又摇又移。
• 用镜头序号，不用绝对秒数（不写「0–3s」这种）。
• 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 （）。
• 只给本场素材，禁止串戏；本场剧本正文是最高优先级依据。
• 生成参数偏保守，取稳定可控而非天马行空。

一句话：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：剥离具体影视作品 / 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——默认竖屏，不是事后裁切

提示词确认后进入出片。标准路径是：

1. 打开某集的视频工作台，确认参考图齐全（或有意跳过）。
2. 生成视频提示词，人工阅读并编辑——这一步相当于导演改分镜说明，必须有人看。
3. 选模型档位（标准 / 高速 / 轻量）、比例、分辨率、时长。
4. 提交出片，进队列渲染。
5. 回看历史 takes，择优或重拍。

输出规格上，9:16 竖屏是默认交付形态，不是横屏拍完再裁——这一点对短剧投放是硬要求。时长支持智能时长或固定 5–15 秒，分辨率按所选模型的白名单走，音频默认可生成，水印默认关。

生产级的可靠性细节决定了这东西能不能真当工具用：成片做 faststart 处理、以实测时长落库；视频任务走独立队列，和剧本写作、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；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。

工序 12：审片、改词、换图、重拍择优

出片不是终点。专业流程里，导演和监制在这一步做的事包括：

出片时不重新发明提示词：系统用的是你已经确认或编辑过的提示词 + 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」是同一个逻辑。

诚实边界：这 7 件事，流程本身不替你做

主动讲清边界，反而比喊「全自动出片」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，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，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 竖屏短剧生产操作系统——它没有试图用一次生成替代剧组，而是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，可以到猫斯卡官网看这条链路的实际交互。

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