AI 竖屏短剧生产全流程拆解：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 做竖屏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，没定妆就出视频，没切场就堆长镜头。正确做法是把剧组的工业顺序固化成一条可验收的生产链。

为什么很多 AI 短剧做着做着就失控

常见的失控路径很相似：一个想法直接丢给模型写几十集剧本，角色性格每 5 集变一次；再把剧本丢进视频生成，主角每一场都像不同的人；最后靠人工在剪辑软件里硬救，救不回来就返工。

问题不在「AI 不行」，而在于把本该分阶段验收的剧组流程，压成了一次长生成。传统竖屏短剧剧组至少要过几道关：立项会、故事大纲、分集梗概、人物小传、定妆、场景板、分场、分镜、拍摄、选片、重拍。AI 工具如果跳过这些中间产物，每一环的漂移都会累积到成片里。

AI 竖屏短剧生产流程，是把这些验收点重新排进一条链，而不是用一个按钮替代整条链。

一条从想法到成片的完整链路

下面这条链路的核心原则是：每一环都有可看、可改、可回退的中间产物；上一环没锁版，不进下一环。

第一阶段：把想法变成可立项的 Brief

创意不是越自由越好。对竖屏短剧来说，想法能进生产，必须先回答一组硬问题。

创意准入：先打分，再决定补什么

一个想法刚进来时，先做完整度评分（0–100）。分数不是装饰，它直接决定引导路径：

• 80 分以上：核心维度基本齐，可以跳过大部分引导，直接锁简报。
• 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、矛盾、走向、集数、时长、风格、爽点节奏、结局、平台受众逐项问清。

这一步的类比就是立项会。立项会没开完就开机，后面所有返工都是在补立项时省掉的半小时。

创意简报：锁版后才能往下走

简报是后续所有环节的硬约束，至少要锁定这些字段：

• 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
• 主角的人物弧光

简报锁版之后，剧本和美术都以它为准；要改，回到简报改，再让下游跟着改。 这是防止「写着写着方向变了」的第一道闸门。

第二阶段：先建档案，再写剧本

竖屏短剧动辄几十上百集。靠模型「记住」前面发生了什么，是最不靠谱的做法。

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，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、身份揭露、关系变化）
• 人物关系
• 每条伏线的 open / resolved 状态
• 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、近批摘要、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。

分批剧本：先规划场戏，再写正文

剧本不是一口气灌完的。工业做法是分批写作，每批数集，每批内部遵循固定顺序：

1. 场戏清单先行：每集先出 Beat Sheet，标好集末 cliffhanger。
2. 再写正文：按清单展开，不临时加戏。
3. 规则质检：写完过一遍硬规则。
4. 档案回填：本批新埋的伏线、新出场的人物、状态变化写回档案。

从第 2 批起，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——这保证了人能随时掌舵，而不是被早期设定锁死。

竖屏剧本的四条铁律

这些规则是内嵌在写作约束里的，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。

写完还要过规则质检器，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。不合格的带错误反馈自动重写，不把半成品交给用户。

第三阶段：定妆资产先于视频生成

AI 短剧最常见的翻车——换脸、换装、场景串味——几乎都可以追溯到同一个根因：没有先建立可引用的视觉资产，就让模型去「想象」画面。

画风：一套手册管到底

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。选定之后，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，避免中途画风断层。

立绘两段式工艺

人物定妆不是一句「生成一个女主角」就完事：

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

角色确认有硬门禁：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。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。

参考图映射：一致性的核心机制

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，值得单独拎出来：

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，模型不知道听谁的，结果就是中途换装、换脸。

除此之外，参考图机制还支持：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆。
• 道具纳入 / 排除：避免无关道具挤占参考槽位。
• 历史版本替换：同类同名下可换另一张图。
• 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，取人物定妆图时优先匹配对应造型。

场景与道具也有纪律：场次从剧本结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格；场景图严禁出现人物（空镜纪律）；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。

开拍前还有齐套校验：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。

第四阶段：切场块、写镜头指令、再出片

有了剧本和定妆资产，才进入真正的「拍摄」。但 AI 拍摄的单元不是「一整集」，而是「场块」。

场块：剪辑台上的 clip 列表

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、句号等规则再拆。

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……」，每场有独立提示词、独立参考图、独立成片与历史 takes。

这带来两个好处：

• 单场动作越短，生成越稳定，崩坏概率越低。
• 某场坏了只重拍那一场，不用整集重来。

群演和泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位。也支持整集重新切分。

工程化镜头提示词：教模型用分镜表说话

提示词不是写小说，是写给「摄影师 + 导演 + 美术」看的分镜说明。规范要求包含八大要素：

1. 精准主体
2. 动作细节
3. 场景环境
4. 光影色调
5. 镜头运镜
6. 视觉风格
7. 画质
8. 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。简单场景用一段式。

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（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 （）。
• 只给本场素材：提示词生成时禁止串戏，本场剧本正文是最高优先级依据。

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。

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。

输出规格

竖屏是默认交付形态，不是事后裁切——这一点对投流和平台上架至关重要。

第五阶段：拍摄、重拍、多 take 择优

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。

导演 / 美术 / 制片手上的可控点

出片时不会重新发明提示词：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」是同一个逻辑。

生产级可靠性

要把 AI 短剧当生产工具用，而不是玩具脚本，底层必须像一个可运营的生产队列：

• 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。

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。

这套流程做不到什么

诚实划边界比夸大能力更能建立信任。以下几点必须说清：

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，可以先从「每一环是否有可验收的中间产物」这个问题开始自检——没有交付物的环节，就是下一次返工的起点。

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