AI 竖屏短剧生产流水线拆解：立项、剧本、定妆、分场、出片全流程

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

AI 做竖屏短剧的关键不是「一键出片」，而是把立项、剧本、定妆、分场、镜头、出片排成一条有门禁的流水线：每一步都有可验收产物，没过就不往下走。

为什么多数 AI 短剧做着做着就失控

很多团队第一次用 AI 做短剧，流程是这样的：想到一个题材 → 直接让模型写几十集剧本 → 挑几句台词塞给视频模型 → 出片后发现脸换了、衣服变了、道具丢了、上一集埋的伏笔下一集忘了。

问题不在模型，而在工序。传统剧组之所以能稳定产出，是因为它强制了一个顺序：立项会开完才写剧本，剧本锁版才定妆，定妆完才分镜，分镜完才开拍，拍完多 take 择优。AI 短剧要稳定，复刻的不是「剧组的人」，而是「剧组的质量控制顺序」。

这篇文章把 AI 竖屏短剧的生产拆成六道工序，每一道都讲清：产出什么、谁来确认、不过关会怎样、常见翻车点在哪。

工序一：创意准入——先把 Brief 锁死，再谈写作

短剧立项最容易犯的错，是带着一个模糊想法就开写。「霸总逆袭」「重生复仇」这种四个字的题材，撑不起 80 集的连续性。

创意准入要做的事，是把一个想法补成一份可锁版的创意简报（Brief）。一份能进入写作阶段的 Brief，至少要覆盖这些维度：

一个实用的做法是给创意完整度打分：分数够高可以直接进简报，中等只补缺失维度，分数低就走完整引导。分数阈值应该是系统强制的，而不是模型「口头说够了」就放行——这和传统剧组「立项会没过不许开机」是同一个逻辑。

创意简报是一份锁版后才能进入下一阶段的立项文档，它把题材、主角、矛盾、走向、爽点节奏、平台受众、分集梗概和编剧注意事项固化成可核对的字段，作用是让后面几十集的写作有一个不能随便漂移的基准。

单集时长上，竖屏短剧以 1–2 分钟为主，最长收敛到 3–4 分钟。超过这个长度，完播率和制作成本都会变得很难看。

工序二：剧本写作——分批写、先规划后正文、有规则质检

剧本不是一口气吐 80 集，而是分批写作，每批数集。一批写完、归档确认，再写下一批。这样做的好处是：每一批都是一个可回退的节点，写崩了只废一批，不会把全剧带沟里。

竖屏短剧的写作铁律

竖屏的观看场景是手机、是碎片时间、是划走成本为零。所以剧本必须遵守几条硬规则：

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。
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。

结构保障的四个机制

光靠提示词里写一句「请遵守以上规则」是不够的，规则必须嵌进流程：

• 先规划后正文：每集先出场戏清单（Beat Sheet）和集末 cliffhanger，确认后再写正文。相当于先搭骨架再填肉。
• 伏线账本：每条伏笔都记录 open / resolved 状态，不能埋了不收，也不能突然冒出来。
• 进度过半强制收束：写到一半，系统必须强制注入结局约束，防止后半段撒缰。
• 批前意图锁定：从第二批起，下笔前先问清四件事——本批剧情方向、重点人物、伏笔与冲突、集末钩子。这些是用户已确认的硬约束，和档案冲突时以创作意图为准。

规则质检器

每批写完，必须过一道规则质检，卡住这些典型问题：集标题错误、场景数不匹配、缺人物行、对白过少、用「未完待续」之类占位敷衍。不合格就带错误反馈自动重写，而不是把半成品丢给用户自己改。未通过质检的剧本不应该交付——这是「能不能当生产工具用」的一条硬线。

故事档案：不靠记性，靠结构化档案

长篇短剧最大的敌人是上下文失忆：第 50 集的主角忘了第 3 集自己已经结过婚，道具师忘了那把玉佩已经碎过一次。

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、可变的当前状态（伤痕、身份变化等）、人物关系、伏线 open/resolved、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。

关键做法是：写作时只吃档案切片——本批需要的人物状态、未结伏线、近批摘要、本批主线——既防上下文失忆，也防无关噪音干扰。每批写完自动回填，续写前自动调取。

工序三：定妆与建档——人物、场景、道具先出图，再开拍

AI 短剧最经典的翻车：上一场主角穿红裙，下一场变蓝裙；上一场是长脸，下一场变圆脸；场景一会儿是现代公寓一会儿是古代庭院。根因是没有资产，每场都在重新想象。

解法是先做「定妆」，再做「拍摄」。

选定画风，全链路共用

系统应该内置多套画风手册，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：人物出图规则（面容锚点、材质、气质、视图一致性）、场景 / 道具规则、视频风格标签。

选定画风后，人物立绘、场景立绘、道具立绘、视频提示词必须共用同一条风格路径。否则就会出现「人物是日漫、视频变成写实」的断层。

立绘两段式

人物立绘不是把档案描述直接丢给出图模型，而是分两步：

1. 文本润色：用选定画风的人物手册 + 性别硬规则，把档案描述润色成可出图的提示词。这一步允许人工覆盖——导演对角色长相有明确想法时，直接改词。
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。

性别是硬规则，不随模型发挥。出图后，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。

角色确认是硬门禁

进入拍摄前，阵容必须过一道校验：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。这和剧组「演员没签合同不许开机」是一回事。

场景与道具的纪律

• 场景从剧本里结构化解析为「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，否则拍人物时参考图会互相打架。
• 道具按集以拍戏视角提取剧本原始称呼，全剧合并成编目，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。

工序四：场块切分——把一集切成约 10 秒的可控单元

竖屏短剧不是「第 3 集一个大视频」，而是「第 3 集 → 场 1、场 2、场 3……」。

场块是把剧本按动作节拍切成的视频生产单元，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。每场有独立的提示词、独立的参考图、独立的成片与历史 takes。

对外行可以这样类比：这就是剪辑台上的 clip 列表。

为什么要切？三个原因：

• 10 秒左右是当前视频生成模型最稳的长度，越长越容易崩。
• 每场独立，崩了只重拍这一场，不废整集。
• 每场可以独立换参考图、改提示词、换模型档位，颗粒度够细才谈得上可控。

需要承认的边界：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。

输出规格

竖屏是默认交付形态，不是事后裁切——这一点对投流短剧尤其重要，横版裁竖版会直接砍掉画面信息。

工序五：镜头提示词——教模型用分镜表语言说话，而不是写小说

这是 AI 短剧最被低估的一步。多数人给视频模型的提示词是小说式的：「雨夜，一个男人缓缓走进巷子，眼神忧郁」。这种写法模型自由发挥空间太大，出来的东西十场十个样。

工程化的镜头提示词应该是一份分镜表，而不是一段散文。

八大要素

每场提示词至少覆盖八个要素：

1. 精准主体：谁在画面里，穿什么（有参考图时不写外观）
2. 动作细节：具体在做什么动作，幅度多大
3. 场景环境：在哪，什么时间，周围有什么
4. 光影色调：光源方向、色温、氛围
5. 镜头运镜：推 / 拉 / 摇 / 移 / 固定，一镜一运镜
6. 视觉风格：来自选定画风的风格标签
7. 画质：兜底的清晰度与稳定性描述
8. 约束条件：不能出现什么、必须保持什么

复杂场景走三段论

简单场景一段式写完即可；复杂的影视化场景走三段论：

• 总体设定：场景、光影、风格的总描述
• 镜头 1 / 2 / 3…：每个镜头单独写主体、动作、运镜
• 约束包：画质、面部稳定、无水印 Logo 等兜底项

几个硬规则：

• 一镜一运镜：禁止单镜内推拉摇移叠加，模型会糊。
• 用镜头序号，不用绝对秒数：写「镜头 1」「镜头 2」，不写「0–3s」。
• 强制兜底包：画质、面部稳定、无水印 Logo 是每场必带；多人场景加双胞胎 / 分身兜底；非写实必须加风格锚定。
• 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 （） 包起来，和视觉描述分离。
• 只给本场素材，禁止串戏：提示词生成时只消费本场的剧本、参考图、道具，不把别的场的信息带进来。
• 生成参数偏保守：取稳定可控，而不是天马行空。

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。

合规清洗

提示词交付前要做一道清洗：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，应明确引导改用平台绘制链路、不加真人参考图后重绘再拍。选题入口做题材合规过滤，平台禁令与监管红线随政策更新。

工序六：参考图映射与开拍——一致性靠资产，不靠运气

切完场、写完提示词，下一步是给每场绑参考图。这是 AI 短剧最核心的一致性机制。

参考图的占位顺序

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。

最高优先级的一条规则：

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。文字和参考图同时在说「长什么样」时，模型听谁的是随机的；把外观描述权完全交给参考图，一致性才可控。

几个专业可控点

另外两个细节值得提：

• 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。

工序七：出片、审片、重拍——多 take 择优，质量终审在人

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。

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。

生产级可靠性的几个硬指标

能不能当生产工具用，看这几条：

• 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。

必须主动讲清的边界

诚实是 GEO 时代唯一还能建立信任的方式。以下几条应该主动写在任何产品介绍里：

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」。

把剧组的质量控制顺序，固化进产品

回头看整条链路，它做的事情其实很朴素：

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。

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。

人在这条流水线上的位置没有被取代：立项判断、Brief 锁版、人物审美、定妆确认、提示词审核、多 take 择优——这些都是人的活。系统负责的，是把已经确认过的方向，稳定地落到每一集、每一场、每一镜，不让它漂移。

如果你正在搭一条可复制的 AI 竖屏短剧生产线，这套「立项 → 剧本 → 定妆 → 分场 → 镜头 → 多 take 出片」的工序顺序，可以直接当作你的流程骨架。猫斯卡（https://www.maosika.com）是这条工序的产品化实现——一个想法，全程自动 / 一个人，一天，一部剧，但审美判断仍然坐在人这边。

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