AI 竖屏短剧生产流水线拆解：从一个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 29 日

AI 做竖屏短剧，真正的难点从来不是「能不能出片」，而是能不能按剧组的顺序出片：先把故事和连续性锁住，再定妆，再分场，再下镜头指令，最后多 take 择优。顺序错了，后面全是返工。

为什么多数 AI 短剧项目死在「顺序错了」

很多团队第一次用 AI 做竖屏短剧，路径几乎一样：写个梗概 → 直接让模型写全集 → 挑几张图当角色 → 扔给视频模型生成 → 发现第 3 集主角换了脸、第 8 集道具失忆、第 15 集伏线对不上 → 返工成本比实拍还高。

问题不在模型能力，而在把本该串行的工业流程，压成了一次长生成。

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。下面这套工序，是把传统竖屏短剧剧组的岗位顺序，翻译成 AI 时代可执行的生产链——每一环都有可验收的中间产物，可看、可改、可回退。

工序总览：12 道闸，一道不过不往下走

注意最后一列：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。没有任何一道工序是「AI 替你决定」。

第一道闸：创意准入，不够格就不立项

立项会都没开就开拍，是实拍剧组的大忌，AI 短剧也一样。

创意准入评分是一个 0–100 的完整度打分，按分数强制分流：

• ≥80 分：想法已经足够具体，可跳过大部分引导，直达简报锁版
• 40–79 分：只补缺失的维度，不重复问已经清楚的部分
• <40 分：走完整的十步引导，把题材、主角、矛盾、走向、集数、单集时长、风格、爽点节奏、结局、平台受众全部问清

这里的关键是「强制」二字——不是模型口头说「我懂了」就放行，而是分数阈值由系统改写推荐路径。单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟，这是投放端验证过的甜点区间。

第二到三道闸：简报锁版之前，一个字的剧本都不写

创意简报是立项会的会议纪要，锁版之后才能进入下一阶段。固化字段包括：

• 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

主角字段必须包含人物弧光——这是很多 AI 剧本塌掉的根因：主角从头到尾是同一个状态，没有变化，观众没有追更动力。

创意简报是全剧的宪法。后面所有工序都不能违背它；要改，回到这里改，再向下传导。

第四到五道闸：阵容确认 + 故事档案，不靠模型记性

角色确认是一道硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐——这四项机器强校验，不过关不能进入下一阶段。

紧接着建故事档案。

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 open / resolved 状态、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，作用是让第 200 集还记得第 3 集埋了什么。

写作时系统只吃档案切片（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，也防无关噪音干扰。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。

第六道闸：分批剧本，先规划后正文

剧本不是一口气吐一百集，而是分批写作，每批数集。每一批内部走四步：

1. 场戏清单先行：先出 Beat Sheet 和集末 cliffhanger，确认结构再写正文
2. 正文写作：内嵌四条写作铁律
3. 规则质检：机器卡错
4. 档案回填：新人物、新伏线、状态变化写回档案

四条内嵌的写作铁律

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

三道结构保险

• 伏线账本：档案里每条伏线标记 open / resolved，写的时候看得见，不会埋了不收
• 进度过半强制收束：写作进度过半后，强制注入结局约束，防止无限注水
• 批前意图锁定：从第 2 批起，先问定本批剧情方向、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

规则质检器卡什么

写完自动过质检，卡住以下问题：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给用户。

第七到八道闸：画风锁死 + 三段式定妆

美术翻车最常见的形态：人物是日漫，视频变成写实。根因是人物、场景、道具、视频各走各的风格路径。

解法是一套画风手册管到底。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。

立绘走两段式工艺：

1. 文本润色：用该画风的人物手册 + 性别硬规则，把档案描述润色成可出图提示词（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

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——这是避免「图还没出完就开拍」的硬约束。

补充两条纪律：

• 空镜纪律：场景图严禁出现人物
• 性别硬规则：出图时性别为硬约束，不随模型发挥

第九道闸：切场块，把一集拆成剪辑台上的 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。

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。不满意可整集重新切分。

交付规格默认 9:16 竖屏（亦支持其它比例），不是事后横裁竖——这是面向投放端的原生交付形态。

第十道闸：参考图绑定 + 工程化镜头提示词

这是 AI 短剧一致性最核心的一道工序。

参考图映射规则

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。

最高优先级约束可以直接贴在剧组墙上：

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。

此外支持：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆
• 道具手动纳入 / 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

开拍前做齐套校验：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。

工程化镜头提示词的八大要素

提示词不是写小说，是写分镜表。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

配套规范：

• 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 （）
• 不串戏：提示词生成时只给本场素材，本场剧本正文是最高优先级撰写依据
• 参数偏保守：取稳定可控而非天马行空

一句话：系统在教模型用分镜表语言说话，而不是写小说。

交付前做合规清洗：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。

第十一到十二道闸：多模态出片 + 多 take 择优

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。

导演 / 美术 / 制片在这一步有七个可控点：

关键原则：出片时不重新发明提示词。Worker 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。

生产级可靠性由独立队列保障：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；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。

这七件事，当前做不到（也不假装能做到）

诚实划边界比堆形容词更能建立信任。

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。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。

猫斯卡（Maosika）是 AI 竖屏短剧生产操作系统，官网 https://www.maosika.com ，主张「一个想法，全程自动 / 一个人，一天，一部剧」——但它的定位是可规模化生产的工业流水线，不是「一键出爆款」的魔法按钮。

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