AI 竖屏短剧生产全流程：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、没定妆就开拍、没分场就扔长提示词。把工业顺序立住，质量才可控。

先讲结论：AI 短剧不是一次生成，是一条有验收节点的流水线

很多团队第一次用 AI 做竖屏短剧，踩的坑都类似：拿到一个题材就直接让模型写几十集剧本，写完直接丢进视频生成，出来发现人物每集换脸、道具时有时无、第 8 集忘了第 2 集埋的伏笔、开场 10 秒没钩子观众直接划走。

这些问题不是单点失误，是流程顺序出了问题。传统剧组之所以有立项会、剧本会、定妆、分镜、场记、多 take 择优这套工序，是因为它被验证过能压住这些风险。AI 短剧要稳定出片，要做的是把这套顺序固化下来，而不是跳过它。

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。

下面按真实生产顺序，把从一个想法到成片拆成七个阶段，每一阶段讲清楚：要产出什么、谁来拍板、常见翻车点是什么。

---

阶段一：创意准入——立项会没开完，不许开拍

传统剧组有个不成文规矩：Brief 没锁，谁也别碰分镜。AI 短剧更需要这条，因为模型会「热情地」帮你把所有没说清的地方都脑补掉，而脑补出来的东西往往不是你要的。

这一阶段要回答的十个维度

竖屏短剧在立项时必须说清的事，可以列成一张清单：

准入评分与分流

不是每个想法都需要走完十步引导。如果你的一句话故事已经把主角、矛盾、走向、爽点都说清楚了，可以直接进简报锁版；如果只有一个模糊的「我想做个重生题材」，那就需要把缺失的维度一个个补全。

这里的关键是：分流由规则强制，不是模型「觉得差不多」就放行。 这和立项会一个道理——制片人没点头，项目就不开。

本阶段验收物：创意简报（Creative Brief）

锁版后的简报至少包含：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。主角字段里必须写清人物弧光——他从什么状态变成什么状态。

简报锁版之后才能进入下一阶段。中途要改？可以，但要走改 brief 的流程，而不是让编剧在写作中「自己领会」。

---

阶段二：剧本分批写作——先规划场戏，再写正文

竖屏短剧的剧本不是长篇连续剧的写法。它有自己的节奏铁律，这些铁律是被投放数据反复验证过的，AI 写作时必须被硬性嵌进去，而不是「建议参考」。

竖屏剧本的四条写作铁律

1. 黄金 3 秒：第 1 场必须是强冲突或强悬念，禁止平淡开场，禁止长篇背景介绍。观众划走只需要半秒。
2. 单集结构：开场钩子（1 场）→ 矛盾升级 → 集末 cliffhanger（最后 1 场）。每集结尾必须留钩子。
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. 台词纪律：短句为主，单句一般不超过 20 字；禁止论文腔，禁止大段旁白解释剧情。

为什么要分批写，而不是一次出完全剧

一次让模型写 80 集，它一定会在中段失忆、人物走形、伏笔忘掉。工业做法是分批写作，每批数集：每批先出场戏清单（Beat Sheet）和集末钩子，确认方向后再写正文；写完一批，做规则质检，把关键信息回填进故事档案，再基于档案续写下一批。

从第 2 批起，下笔前要先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这四件事一旦确认，就是硬约束，哪怕和之前的档案有冲突，也以本次创作意图为准——这相当于编剧室开批前会。

规则质检：不合格的剧本不交付

每批写完要过质检，卡住的典型问题包括：集标题错误、场景数不匹配、缺人物行、对白过少、用「未完待续」之类的占位敷衍。不合格的带错误反馈自动重写，不把半成品交给人改。

本阶段验收物

• 每集的场戏清单 + 正文
• 规则质检通过的终稿
• 更新后的故事档案

---

阶段三：故事档案——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、分批剧情纪要和道具视觉描述。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。

这是 AI 短剧和「随便写写」最本质的区别。模型的上下文是有限的、会漂移的；档案是结构化的、不会忘的。

档案管什么、不管什么

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。既防上下文失忆，也防无关信息干扰。

进度过半强制收束

这是个容易被忽略但极重要的机制：写作进度过半之后，系统要强制注入结局约束，防止最后几集强行翻盘、烂尾。这和真人编剧室的做法一致——写到一半必须回头看结局还能不能落地。

---

阶段四：角色阵容与视觉定妆——先有脸，再拍戏

AI 短剧最经典的翻车：同一主角，第 1 集是圆脸，第 3 集变尖脸，第 5 集换了个发色。根本原因是每场戏都在重新想象这个人长什么样。

解法是传统剧组早就用的：先定妆，再开拍。

画风选定：全链路共用一本美术语言

在出人物图之前，要先选定画风。内置的画风手册覆盖 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）。每套手册至少包含三块：人物出图手册（面容锚点、材质、气质、视图一致性）、场景与道具手册、视频风格标签。

关键点：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。 不能出现「人物是日漫、视频变成写实」的断层。

立绘两段式工艺

1. 文本润色：用所选画风的人物手册加上性别硬规则，把档案里的文字描述润成可出图的提示词。这一步人可以覆盖——你对角色长相有明确想法，直接改。
2. 图像生成：拼最终提示词出图，支持喂参考图，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。

角色确认是硬门禁

确认阵容时机器强校验四件事：阵容齐全、姓名合法、视觉字段完整、主角和简报对齐。不过关不能进下一阶段。这相当于开拍前的 cast 确认——演员没齐，开什么机。

场景与道具的纪律

• 场景从剧本里自动解析成「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，否则拍人物戏时参考图会串。
• 道具按集以拍戏视角提取剧本原始称呼，全剧合并成 catalog，哪集出现过什么都能追溯。

本阶段验收物

• 全角色定妆立绘（含历史版本）
• 全剧场景立绘
• 道具编目与立绘
• 锁定的画风路径

---

阶段五：分场与参考图映射——一致性靠资产，不靠运气

这是 AI 短剧一致性最核心的一步，也是最容易被省略、省略了一定翻车的一步。

把整集切成约 10 秒的场块

剧本写完不是直接生成「第 3 集一个大视频」，而是自动切成视频场块，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。

你看到的应该是「第 3 集 → 场 1、场 2、场 3……」，每场有独立的提示词、独立的参考图、独立的成片和历史 takes。这就像剪辑台上的 clip 列表——哪场坏了重拍哪场，不用整集重来。

群演和泛指角色（「路人甲」「店小二」）要从可绘制主演名单里剥离，避免挤占定妆槽位。

每场的参考素材表

每场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。

几条硬规则：

• 有图才占槽位，无图标明「仅文字」，不强行编造绑定。
• 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「文字描述和参考图打架 → 换装换脸」的经典翻车。
• 支持手动角色绑定：剧本里叫「警官」，要绑到档案里「李强」的定妆图上。
• 道具支持手动纳入 / 排除，避免无关道具挤占参考槽位。
• 可以在同类同名下替换成历史版本里的另一张图——相当于重选定妆。
• 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。

开拍前齐套校验

生成提示词前，系统检查这一场缺哪些场景 / 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——但专业流程应该先补图再拍，缺图硬拍的质量通常更差。

---

阶段六：工程化镜头提示词——教模型用分镜表语言说话

很多人写视频提示词像写小说：「雨夜，她落寞地走在街头，心里想着往事……」这对视频模型是灾难——它不知道镜头在哪、动还是不动、人物在画左还是画右、情绪靠什么动作传达。

系统在教模型用分镜表语言说话，而不是写小说。

镜头提示词的八大要素

每场提示词应该覆盖这八类信息：

几条写词纪律

• 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——模型处理不了。
• 用镜头序号，不用绝对秒数（不要写「0–3s 怎样怎样」）。
• 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。
• 动作优先低缓连续，减少高爆发动态崩坏——打斗、狂奔这类镜头要拆得更细。
• 符号规范：台词用 {}、音效用 <>、BGM 用 （） 标注。
• 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，而不是天马行空。

合规清洗

提示词交付前要剥离特定影视作品 / IP 名称，只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，要明确引导改用平台绘制链路，不要硬拿真人照片当参考。

本阶段验收物

• 每场一段经过清洗的镜头提示词
• 人审过、可编辑的最终词稿
• 锁定的参考图映射

---

阶段七：多模态出片与重拍——像片场一样多 take 择优

最后一步是出片，但出片不是「点一下等结果」，它本身就是一个有可控点的生产环节。

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 → 选模型档位 / 比例 / 分辨率 / 时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

竖屏是默认交付形态，9:16 原生生成，不是事后从横屏裁切——这对最终观感影响很大。

你能控制的七个专业点

关键原则：出片时不重新发明提示词。 Worker 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」是一个逻辑。

生产级可靠性要盯住的事

• 成片做 faststart 处理，以实测时长落库，不盲信厂商回读时长。
• 视频任务走独立队列车道，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。

一句话：这不是玩具脚本，是可运营的生产队列。

---

诚实边界：这套流程做不到什么

主动划边界比喊口号更能建立信任。以下几点必须讲清楚：

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。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。

---

一张图回顾：从想法到成片的完整顺序

`` 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 ``

每一环都有可验收的中间产物：剧本、故事档案、定妆图、场块、提示词、成片。可看、可改、可回退。人在关键节点做确认与审美判断，机器负责把确认过的方向落到每一集、每一场。

好故事从不稀缺，稀缺的是让它落地的那条路。

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