AI 竖屏短剧生产流水线拆解：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 25 日

AI 做短剧最常见的翻车不是模型不行，而是工序乱了——没锁 Brief 就写剧本，没定妆就开拍，没分场就塞长提示词。解法是把从想法到成片拆成 12 道有中间产物、可回退的工序。

为什么大多数 AI 短剧项目死在「流程顺序」上

很多团队第一次用 AI 做竖屏短剧，会把它当成一个「文生视频按钮」：丢一句话进去，等成片出来。结果往往是：第三集主角换了脸、第五集道具失忆、第八集和第一集的人物关系对不上、集末没有钩子、台词像念论文。

问题不在某一次生成，而在顺序错了。传统剧组之所以要开立项会、出人物小传、做定妆、发分镜、按场拍、多 take 择优，不是因为老派，是因为这些工序每一道都在拦截一类特定的失控。AI 生产链要能稳定交付，必须把这些质量控制点固化下来，而不是寄希望于一次长生成。

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。每一道都回答三个问题：这一步交什么产物、谁来拍板、不做会出什么问题。

工序 1｜创意准入：先打分，再决定聊多深

不是每个想法都需要走完整引导。一个已经想清楚题材、主角、核心矛盾、结局方向、爽点节奏、投放平台的创意，和一句「我想做个霸总剧」，需要的引导深度完全不同。

做法：对创意做 0–100 的完整度评分，按分数分流：

• ≥80 分：方向已清晰，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，不重复问已经想清楚的部分
• <40 分：走完整引导，把竖屏短剧必须想清的十个维度问透

这十个维度是：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。单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。

这一步的产物：一份分流后的引导记录。 谁拍板：系统按分数强制推荐路径，不是模型「口头说够了」就放行。 不做的后果：方向模糊就开写，写到第十集发现题材和平台不匹配，全部返工。

工序 2｜创意简报锁版：立项会开完才开机

引导结束后，必须形成一份锁版的创意简报，没锁版不能进下一阶段。这相当于传统剧组的立项会决议。

简报必须固化这些字段：

这一步的产物：锁版创意简报。 谁拍板：创作者确认；一旦锁版，后续所有工序都以它为硬约束。 不做的后果：边写边改方向，剧本、美术、视频三边互相打架。

工序 3｜角色阵容与视觉确认

在写正文之前，先把「谁在这部剧里」定下来。阵容确认是硬门禁：必须阵容齐全、姓名合法、视觉字段完整、主角与简报对齐，否则不能往下走。

这里要特别注意主角字段必须包含人物弧光——主角从什么样变成什么样，这是区别「流水账爽剧」和「能追下去的剧」的关键之一。

这一步的产物：角色阵容表。 谁拍板：创作者确认阵容；系统做字段完整性校验。

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、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。

档案的关键设计：

• 伏线账本：每条伏线标记 open / resolved 状态，写新场次时只看未结的
• 只吃档案切片：写作时只调取人物当前状态、未结伏线、近批摘要、本批主线，既防上下文失忆，也防噪音
• 每批写完自动回填：新的人物状态、新结的伏线、新出场的道具，写回档案

不靠模型记性，靠结构化档案。

这一步的产物：初始版故事档案。 谁拍板：系统维护结构，创作者在关键节点可手动修正。 不做的后果：写到后面人物关系错乱、伏笔忘了收、主角伤好了又伤。

工序 5｜分批剧本写作：先规划，再正文，再过质检

剧本不是一口气写完的，而是分批写作，每批数集。每一批内部遵循固定顺序：

1. 场戏清单先行：每集先出 Beat Sheet（场戏清单）+ 集末 cliffhanger，再写正文
2. 正文写作：按清单展开，遵守竖屏短剧写作铁律
3. 规则质检：写完过规则质检器
4. 档案回填：质检通过后，把本批的新状态写回故事档案

竖屏短剧的写作铁律

这几条是内嵌在写作流程里的硬约束，不是建议：

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

批前意图锁定

从第 2 批起，写下一批之前必须先问定四件事：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——这保证了人在关键节点的审美判断不被档案惯性覆盖。

进度过半强制收束

写作进度过半后，强制注入结局约束，防止支线无限膨胀、结局收不回来。

规则质检器卡什么

写完自动卡这些问题：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。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会交付。

这一步的产物：分批交付的剧本 + 持续更新的故事档案。 谁拍板：系统守规则底线，创作者守审美与方向。

工序 6｜选定画风：一套手册管到底

剧本定稿后进入美术阶段。首先选画风，而不是直接出图。

内置 17 套画风手册，覆盖 2D、3D、真人写实等方向，比如都市写实、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

关键原则：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风格路径。这直接避免了「人物是日漫、视频变成写实」的经典断层。

这一步的产物：锁定的画风路径。 谁拍板：创作者选画风；系统保证后续所有资产走同一路径。

工序 7｜人物 / 场景 / 道具定妆出图

定妆是两段式工艺：

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（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

几条硬规则：

• 性别是硬规则，出图时不随模型发挥
• 空镜纪律：场景图严禁出现人物
• 道具按集提取：以拍戏视角，按剧本原始称呼把每集道具提出来，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

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。

这一步的产物：人物定妆图、场景立绘、道具立绘，全部带历史版本。 谁拍板：创作者确认定妆；系统校验完整性。

工序 8｜本集切为约 10 秒场块

剧本不会直接变成「第 3 集一个大视频」，而是先自动切成视频场块，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过按动作节拍、空段、句号等规则再拆。

这相当于剪辑台上的 clip 列表——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。

几个细节：

• 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
• 场次从剧本结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格
• 可整集重新切分

需要诚实说明：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。

这一步的产物：每集的场块列表。

工序 9｜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道工序。

参考图映射

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。

最高优先级约束，必须原样执行：

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。

这条直接针对 AI 视频的经典翻车：文字描述与参考图打架 → 换装、换脸。

参考图映射支持的人工干预：

每场绑定多张参考图，按场景 → 道具 → 人物的顺序占位，有上限。

开拍前齐套校验

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，缺图走纯文字路径质量通常更差。

工程化镜头提示词

提示词不是写小说，而是写分镜表。规范要点：

• 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（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 {}、音效 <>、BGM （）
• 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

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。

这一步的产物：每场的参考素材表 + 镜头提示词。 谁拍板：创作者必须审读提示词，可编辑；系统守规范与合规。

工序 10｜多模态出片（默认竖屏）

标准拍摄路径：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：

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：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」一致。

生产级可靠性（决定它能不能当生产工具用，而不是玩具）：

• 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

这一步的产物：每场的多 take 成片。

工序 11｜审片：改词 / 换图 / 重拍择优

专业流程里，导演和监制有一组可控点，对应片场的真实决策：

必须诚实说明的边界：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，而不是替你判断哪条最好。

当前也不做跨场自动续写 / 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」；场与场之间的串接、转场、整体节奏，交给后续剪辑环节。

这一步的产物：选定的每场成片。 谁拍板：创作者 / 监制。

工序 12｜交付与迭代：档案回写，下一批接续

本批所有场次定稿后，新的人物状态、伏线变化、道具使用情况回写故事档案。写下一批时，自动调取更新后的档案切片 + 上一批全文承接，保证集间连贯。

整条链路形成闭环：创意 → 简报 → 档案 → 剧本 → 定妆 → 场块 → 提示词 → 成片 → 审片 → 回写 → 下一批。每一环都有可验收的中间产物，可看、可改、可回退。

人坐在哪里，机器坐在哪里

把这 12 道工序摊开看，人机分工其实很清楚：

• 人负责：方向判断、审美取舍、选哪条 take、什么时候改分镜、人物弧光要不要调整、结局往哪收
• 机器负责：把人确认过的方向，结构化地落到每一集、每一场、每一句提示词里；守住格式、一致性、合规、队列可靠性这些人容易疲劳出错的环节

猫斯卡（Maosika）做的事情，是把上面这条链路固化成一条从想法到成片的自动生产链——18 位数字专家对标真实剧组编制（5 位核心专家负责创意与剧本，13 位视频制作专家负责一键拍摄链路），用户能看到流式工作记录，像监制看日报，不是黑箱。

但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。

必须主动讲清的边界

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
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
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
5. 约 10 秒场块是工程启发式，不是时间码精剪，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
7. 角色一致性依赖定妆资产链路，不是人脸嵌入校验，最终观感仍取决于立绘质量与提示词是否遵守「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。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。

如果你正在搭建自己的 AI 短剧生产流程，可以先从竖屏短剧的[剧本工艺与写作铁律](/blog/vertical-short-drama-script-rules/)和[角色一致性解法](/blog/ai-short-drama-character-consistency/)入手，再深入到[镜头提示词的八大要素](/blog/ai-short-drama-prompt-engineering/)——这三件事做对了，流水线的骨架就立住了。

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