AI 竖屏短剧生产流水线拆解：立项、剧本、定妆、分场、出片的工业顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

AI 做短剧最容易翻车的不是模型不够强，而是顺序错了：没锁 Brief 就写剧本，没定妆就出片，没分场就硬剪长视频。专业流程是先把每一环的中间产物做出来、可看、可改、可回退。

为什么多数 AI 短剧做不到「能交付」

很多团队第一次上手 AI 短剧，走的是同一条弯路：写一段故事梗概，直接丢给视频模型生成一段几十秒的片，然后发现人物换脸、服装漂移、道具失忆、剧情前后接不上，最后只能靠人工在剪辑软件里硬救。

问题不在某一次生成的质量，而在于把本该分阶段验收的工序，压缩成了一次黑箱生成。真人剧组不会拿着一句话故事就开机，AI 剧组也不该。

工业级 AI 短剧生产的核心思路只有一句话：把重复、易漂移、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。

下面这条链路，是把真人剧组的编制和工序，翻译成 AI 可执行的生产顺序：

`` 创意评估 → 创意引导 → 创意简报锁版 → 角色阵容与视觉确认 → 故事档案建档 → 分批剧本写作（场戏清单先行 → 正文 → 规则质检 → 档案回填） → 选定画风 → 人物 / 场景 / 道具定妆出图 → 本集切为约 10 秒场块 → 每场绑定参考图 + 工程化镜头提示词 → 多模态出片（默认竖屏） → 审片 → 改词 / 换图 → 重拍择优 ``

每一步都有可验收的中间产物：简报、档案、剧本、定妆图、场块、提示词、成片。缺任何一环，后面的环节都会替它还债。

第一道门：创意准入与简报锁版

专业剧组开拍前先开立项会。AI 短剧对应的第一道门，是创意准入评分。

系统会按题材、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、投放平台与受众这些竖屏创作维度，给你的初始想法打一个 0–100 的完整度分数：

• ≥80 分：方向已经足够清晰，跳过大部分引导，直接锁 Brief。
• 40–79 分：只补缺失的维度，不重复问已经说清的事。
• <40 分：走完整引导，把竖屏短剧必须想清楚的前提问完。

这个分数不是模型「口头说够了」就放行，而是系统强制按阈值推荐路径。想法太糙就直接进写作，等于把立项会的债留给后面每一集去还。

创意简报（Brief）是锁版后才能进下一阶段的硬门禁。 一份合格的竖屏短剧简报至少要锁死这些字段：

创意简报就是 AI 剧组的立项会议纪要。锁版之后再改，是「改剧本」；锁版之前乱跳，是「没立项就开机」。

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。这是竖屏短剧的节奏底盘，不是事后把横屏裁成竖屏。

第二环：分批剧本与故事档案

竖屏短剧剧本最忌「一口气写到底，写到第 30 集忘了第 3 集埋了什么」。工业解法是分批写作 + 结构化档案。

先规划，再正文

每一集不是上来就写对白，而是先出场戏清单（Beat Sheet），明确这一集：

1. 开场钩子（黄金 3 秒，第 1 场必须是强冲突或强悬念）
2. 矛盾升级的几个节拍
3. 集末 cliffhanger（最后 1 场必须留扣）

清单确认后再写正文。写作过程中内嵌几条铁律：

• 黄金 3 秒：禁止平淡开场，禁止长篇背景介绍。
• 单集结构：开场钩子 → 矛盾升级 → 集末 cliffhanger。
• 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；禁止论文腔与大段旁白解释。

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，相当于传统编剧室里的 continuity bible。它记录：

• 人物身份与稳定性格特征
• 可变的当前状态（伤痕、身份变化、情绪阶段等）
• 人物关系
• 每条伏线的 open / resolved 状态（伏线账本）
• 按集出场表
• 每批剧情纪要
• 道具视觉描述

写作时模型只吃「档案切片」：本集会用到的人物状态、未结伏线、近几批剧情摘要、本批主线。每批写完自动回填，续写前自动调取。

不靠模型记性，靠结构化档案。第 200 集还记不记得第 3 集埋的那枚玉佩，不取决于模型参数量，取决于档案里那条伏线是不是还挂着 open。

批前意图锁定与规则质检

从第 2 批起，系统会先问定四件事再动笔：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——这是给编剧留的创作主权，不是让档案把故事锁死。

每批写完过规则质检器，卡住这些硬伤：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」之类占位敷衍。不合格的批次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。

进度过半之后，系统会强制注入结局约束，防止写到最后收不回来。

第三环：画风、定妆与一致性资产

剧本锁完，不要急着出片。AI 短剧的经典翻车——换脸、换装、场景串戏——几乎都出在「没定妆就开拍」这一步。

先选画风，再让所有资产走同一条风格路径

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。这能直接避免「人物是日漫、视频突然变成写实」的断层。

角色确认是硬门禁

进入定妆前，机器强校验四件事：

• 阵容齐全（剧本里有名有姓的角色都在）
• 姓名合法
• 视觉字段完整
• 主角与简报对齐

不过关不能进下一阶段。这相当于剧组开机前的 cast 确认。

立绘两段式：先润色文本，再出图

立绘不是把档案描述直接塞给出图模型，而是分两步：

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的提示词。这一步可人工覆盖——导演对人物长相有具体想法，直接改。
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。

出图时性别是硬规则，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。

场景与道具的纪律

• 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，否则人物参考会和场景图互相污染。
• 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。

第四环：参考图映射——一致性的核心机制

这一环是 AI 短剧和「随便点点生成视频」的本质区别。

每场戏在生成视频前，会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

规则有几条，每一条都是对着真实翻车场景写的：

1. 有图才占槽位，无图标明「仅文字」，不强行编造绑定。
2. 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。
3. 支持手动角色绑定：剧本里写「警官」，可以手动绑到档案里「李强」的定妆，解决称呼不一致、客串指代。
4. 支持道具手动纳入 / 排除，避免无关道具挤占参考槽位、分散视觉焦点。
5. 可在同类同名下替换为历史版本中的另一张图——相当于从定妆历史里挑一张更合适的。
6. 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。

第二条是整条链路里最值得抄走的规则：

有参考图的人物，禁止再用文字描写服装外观——文字只写动作、表情、伤情。

AI 视频的换脸换装，绝大多数不是模型「画不好」，而是提示词里的文字描述和参考图在打架——你给了一张黑衣定妆，又在提示词里写「身穿白色长裙」，模型只能二选一，或者糊成一团。把外观描述权彻底交给参考图，是把一致性从「赌运气」变成「走资产」。

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。专业流程应该先定妆再开拍。

第五环：场块切分与镜头提示词

长视频一次性生成，是 AI 短剧的另一个大坑。正确做法是把每集切成视频场块，目标粒度约 10 秒 / 场。

为什么是约 10 秒

• 正文软上限约 200 字，超过按动作节拍、空段、句号等规则再拆。
• 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。
• 可整集重新切分。

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——哪场坏了重拍哪场，不用整集重来。

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。

工程化镜头提示词的八大要素

提示词不是写小说，是写给模型的分镜表。一场合格的镜头提示词包含八大要素：

复杂影视化场景走三段论：总体设定 → 镜头 1/2/3… → 约束包。简单场景一段式即可。

几条硬规范：

• 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」），让模型按镜头语言组织，而不是按秒硬切。
• 动作原则：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撰写依据。
• 生成参数偏保守，取稳定可控而非天马行空。

一句话总结：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，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。

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

第六环：拍摄、重拍与可运营性

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。

注意中间那一步「人工阅读并编辑」——提示词是导演的分镜说明，不是不可触碰的神谕。专业团队在这一步的可控点，几乎一一对应真人剧组的工种：

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」完全一致。

要把这套流程当生产工具用，而不是当玩具，背后还要有一套生产级可靠性：

• 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。

数字专家团：把剧组编制搬进系统

整条链路上，系统内置了 18 位数字专家（5 位核心专家 + 13 位视频制作专家），对标真实剧组编制，而不是一个万能模型包打天下。用户能看到流式工作记录（▸ 角色：动作），像监制看日报，不是黑箱。

核心 5 位（创意 · 剧本链路）：档案秘书、制片人、编剧、流程监制、场记（工作记录）。

视频制作 13 位（一键拍摄链路），分四组：

用工种名讲故事比罗列名字有效得多：比如「道具师会以拍戏视角把这集的道具按剧本原始称呼提出来」「场记负责把剧本里的『警官』对齐到档案里的『李强』」——这是剧组听得懂的语言。

诚实边界：这套流程做不到什么

主动划清边界，是和短剧从业者建立信任的唯一方式。以下七点是产品当前的真实边界：

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。

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。如果你正在搭一条能稳定交付竖屏短剧的 AI 产线，可以在 https://www.maosika.com 了解这套从想法到成片的完整链路。

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