AI 竖屏短剧生产全流程：从立项到成片的 12 道工序拆解

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，最难的不是点哪个按钮，而是把顺序排对。立项没锁就写剧本、没定妆就开拍、没分场就出片，是多数团队返工的根源。

为什么多数 AI 短剧不是做不出来，而是做不完

很多团队第一次用 AI 做短剧，会卡在同一个地方：第一集看起来惊艳，到第五集人物换了张脸，第十集道具失忆，第二十集连主角名字都写错。问题不在模型，而在流程——把本该分阶段验收的事，压成了一次长生成。

传统短剧剧组之所以能稳定产出，靠的是工序：立项会开完才写剧本，剧本过了才定妆，定妆齐了才分镜，分镜确认了才开拍，拍完多 take 择优。AI 工具如果跳过这些节点，直接从想法跳到视频，本质上是在赌模型的记性。

下面把一条可落地的 AI 竖屏短剧生产线拆成 12 道工序，每一道都有明确的输入、产出和验收标准。

工序总览：12 道工序，每道都有中间产物

核心原则只有一句：每一环都有可验收的中间产物，可看、可改、可回退。

第一阶段：创意准入——先判断想法够不够开拍

工序 1：完整度评分，决定走哪条引导路径

创意准入是一道打分闸。系统把你输入的想法按 0–100 评分，分数决定接下来要补多少信息：

• ≥80 分：核心要素齐全，可跳过大部分引导，直接进简报；
• 40–79 分：只补缺失的维度，不重复问已经说清的；
• <40 分：走完整引导，把题材、主角、矛盾、走向、集数、时长、风格、爽点、结局、平台受众全部问清。

这道闸的意义是：想法模糊时硬写剧本，等于让编剧猜你要什么；想法清晰时还走十步引导，是在浪费创作者时间。分数由系统强制分流，不是模型嘴上说「够了」就放行。

工序 2：创意引导，锁定竖屏创作的十个维度

竖屏短剧和长剧、横屏短剧不是同一种东西。引导阶段必须问清的十件事：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 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏观看场景决定的，不是审美偏好。

工序 3：创意简报锁版——没锁版不开拍

创意简报是立项会的会议纪要，锁版后才能进入下一阶段。 它固化的字段包括：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。

锁版的意思不是不能改，而是改动要走回退：改简报就要重新评估对后续剧本、定妆、分场的影响，而不是在已经写了十集之后偷偷换主角设定。

第二阶段：剧本——先规划后正文，不靠模型记性

工序 4：角色阵容与视觉确认

在写剧本之前，先把阵容表立起来。确认时机器强校验四件事：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。

这一步容易被忽略，但它直接决定后面定妆和参考图绑定能不能跑通。剧本里出现一个没建档的角色，到了拍摄环节就是一张没脸的空位。

工序 5：故事档案——不靠记性，靠结构化记录

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 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。

写作时系统只吃档案切片：人物当前状态、未结伏线、近批摘要、本批主线。每批写完自动回填，续写前自动调取。第 200 集还记得第 3 集埋了什么，靠的不是模型上下文窗口，而是这份档案。

工序 6：分批剧本写作，先场戏清单再正文

剧本不是一口气从头写到尾，而是分批写作，每批数集。每一批内部的顺序是：

1. 先出场戏清单（Beat Sheet）：每场一句话说清发生什么，并提前标好集末 cliffhanger；
2. 再写正文：按清单展开，承接上一集全文；
3. 过规则质检：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；
4. 不合格自动重写：带错误反馈重写，最多 6 次，未通过质检的半成品不交付；
5. 档案回填：本批新出现的人物状态、伏线、道具写回档案。

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。

写作铁律是内嵌的，不是事后检查：

• 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；
• 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，每 3–5 集 1 次大爽点；
• 台词：短句为主，单句一般不超过 20 字，禁止论文腔与大段旁白。

进度过半后，系统强制注入结局约束，防止写到后半段收不回来。

第三阶段：美术与定妆——一致性靠资产，不靠运气

工序 7：画风选定，一条风格路径管到底

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、视频风格标签。

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。这是为了避免一种经典翻车：人物是日漫脸，视频一出来变成写实风。

工序 8：定妆出图，两段式工艺

立绘走两段式：

1. 文本润色：用该画风的人物手册加上性别硬规则，把档案里的人物描述润色成可出图的提示词，这一步可人工覆盖；
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。

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。性别在出图时是硬规则，不随模型发挥。

场景立绘有一条纪律：场景图严禁出现人物。空镜就是空镜，否则拍摄时人物会和参考图里的「假人」打架。

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。

第四阶段：分场与镜头——教模型用分镜表说话

工序 9：本集切场块，目标约 10 秒

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。

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。这相当于剪辑台上的 clip 列表。

需要说明：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：绑定参考与镜头提示词

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（文字描述与参考图打架导致换装、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。

参考图绑定支持几种人工干预：手动角色绑定（剧本里叫「警官」，绑到档案里「李强」的定妆）、道具手动纳入 / 排除（控制本场视觉焦点）、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。

开拍前有齐套校验：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；缺图硬拍质量通常更差。

镜头提示词按工程化规范生成，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。复杂影视化场景走三段论（总体设定 → 镜头 1/2/3… → 约束包），简单场景一段式。

几条硬规矩：

• 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。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。

第五阶段：出片与迭代——多 take 择优，质量终审在人

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 → 选模型档位（标准 / 高速 / 轻量）、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（亦支持其它比例），时长可用智能时长或固定 5–15 秒，分辨率按模型档位白名单，音频默认可生成，水印默认关。竖屏是默认交付形态，不是事后裁切。

出片时不重新发明提示词：提交用的是用户已确认或已编辑的提示词加上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。

面向导演 / 美术 / 制片的专业可控点：

工序 12：审片与改词 / 换图 / 重拍

成片出来后，创作者和监制做质量终审。可选的迭代路径有三条：

• 改词重拍：调整提示词里的动作、运镜、光影，再出新 take；
• 换图重拍：替换人物 / 场景 / 道具参考图，解决一致性问题；
• 回退上游：如果问题出在剧本或定妆本身，回到对应工序修改，再顺流下来。

生产级可靠性是这一阶段能不能当工具用的关键：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。

人和机器怎么分工

整条链路里，机器负责的是：把已经确认过的方向，一致地落到每一集、每一场、每一镜；执行规则质检、档案回填、场块切分、提示词规范化这些重复、易漂移、易失控的工作。

人负责的是：在关键节点做确认与审美判断——简报锁版、角色确认、画风选定、定妆确认、提示词审核、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。

必须讲清的边界

主动划边界比回避问题更能建立信任。以下几点在选型时应当心里有数：

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（Maosika）是一条把上述工序固化进产品的 AI 竖屏短剧生产操作系统，由 18 位对标真实剧组编制的数字专家（5 位核心专家 + 13 位视频制作专家）协作完成链路中的各个工种，用户能看到流式工作记录，像监制看日报，不是黑箱。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。

如果你正在搭自己的 AI 短剧生产线，可以先从「每一道工序必须有可验收的中间产物」这条原则开始——无论用不用猫斯卡，这都是把 AI 短剧从「能出片」推进到「能做完」的分水岭。

常见问题

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