AI 竖屏短剧生产流水线：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 27 日

用 AI 做竖屏短剧，真正难的不是「点一下生成」，而是把剧组那套立项、定妆、分场、多 take 择优的秩序，搬进一条不会失忆的流水线。下面按工序拆开讲。

先纠正一个误解：AI 短剧不是一个按钮，是一条链

很多团队第一次上手 AI 短剧，期待的是「输入一句话，吐出一部剧」。结果往往是：第一集人物长这样，第三集换了张脸；前一批埋的伏笔，后一批忘得一干二净；镜头提示词写得像小说，模型自由发挥到失控。

问题不在模型不够强，而在流程缺位。传统剧组靠立项会、剧本会、定妆照、分镜表、场记板、多 take 选片来兜住质量；AI 生产如果跳过这些中间环节，直接从想法跳到视频，翻车是必然的。

AI 竖屏短剧生产流水线，是把剧组的质量控制顺序，固化成一道道有交付物、有门禁、可回退的工序。人在关键节点拍板，机器负责把已经确认的方向，稳定地落到每一集、每一场。

下面是完整的 12 道工序。

工序 1：创意准入——先打分，再决定聊多深

不是每个想法都值得直接开写。一个想法丢进来，先做一次完整度评分，范围 0–100，按分数分流：

• ≥80 分：维度齐全，跳过大部分引导，直接进创意简报
• 40–79 分：只补缺失的那几个维度
• <40 分：走完整的深度引导，把题材、主角、矛盾、走向问清楚

这一步的本质是立项会。分数不够硬聊，后面每一环都会返工。

引导阶段需要问清的竖屏创作维度一共十项：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——这是竖屏短剧的节奏底盘，不是事后剪出来的。

工序 2：创意简报锁版——Brief 不定，不开拍

准入通过后，产出一份创意简报，必须锁版才能进入下一阶段。简报里固化的字段包括：

• 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）

锁版的意思是：后面所有环节都以这份简报为准。想改方向，回到这里改，改完重新往下走——而不是写到第 50 集临时换男主身份。

工序 3：建故事档案——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、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。

档案的工作机制有三条：

1. 只吃切片：每批写作时，只调取人物当前状态、未结伏线、近批剧情摘要、本批主线这几块，既防上下文失忆，也防无关噪音
2. 写完回填：每批剧本完成后，新出场的人物、新埋的伏线、状态变化自动写回档案
3. 续写前调取：写下一批时，先把上一批的档案切片喂进来

伏线在档案里有明确的 open / resolved 状态，这就是剧组里常说的「伏线账本」。

工序 4：分批剧本写作——先规划，再落笔

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：先出 Beat Sheet，标好每集的开场钩子、矛盾升级点、集末 cliffhanger
2. 再写正文：按清单落台词和动作
3. 规则质检：写完过一道规则质检器
4. 档案回填：质检通过后写回故事档案

从第 2 批起，下笔前先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这四件被标记为「创作者已确认的硬约束」，如果和已有档案冲突，以创作意图为准——人对创作方向有最终拍板权。

写作进度过半后，系统会强制注入结局约束，避免写到结尾收不回来。

剧本写作的四条铁律

这四条是内嵌在写作规则里的，直接决定竖屏短剧能不能留住人：

1. 黄金 3 秒：第 1 场必须是强冲突或强悬念，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

规则质检器卡什么

写完自动检查，不合格带错误反馈自动重写，最多 6 次。卡住的典型问题包括：

• 集标题错误
• 场景数与清单不匹配
• 缺【人物】行
• 对白过少
• 出现「未完待续」这类占位敷衍

未通过质检的半成品不会交付。

工序 5：选定画风——一套手册管到底

剧本就位后，进入美术环节。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。

每套手册至少包含三块：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。

关键在于：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条风格路径。这直接避免了「人物是日漫、视频变成写实」的断层——这是 AI 短剧最常见的观感翻车之一。

工序 6：角色阵容与视觉确认——不过关不能往下走

画风选定后，确认角色阵容。这里有硬门禁，机器强校验四项：

• 阵容齐全
• 姓名合法
• 视觉字段完整
• 主角与简报对齐

四项不过关，不能进入定妆出图环节。

工序 7：定妆出图——两段式工艺，可人工覆盖

人物立绘采用两段式：

1. 文本润色：用选定画风的人物手册，加上性别硬规则，把档案里的人物描述润成可出图的提示词。这一步允许人工覆盖——导演对角色长相有具体想法，直接改词
2. 图像生成：拼最终提示词出图，支持喂参考图，每次出图都落库为可回看的历史版本

性别在出图时是硬规则，不随模型发挥。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。

场景与道具的立绘同步进行：

• 场次从剧本结构化解析为「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
• 道具以「道具师」视角按集提取剧本原始称呼，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 8：参考图映射——一致性靠资产，不靠运气

这是 AI 短剧最核心的一致性机制。每场戏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

有图才占槽位，无图标明「仅文字」，不强行编造绑定。

映射环节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：文字描述和参考图打架 → 模型在两套指令之间犹豫 → 换装、换脸、发色突变。

映射还支持几项人工干预：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆，处理称呼不一致和客串指代
• 道具纳入 / 排除：控制本场视觉焦点，避免无关道具挤占参考槽位
• 历史版本替换：在同类同名下换成另一张历史立绘
• 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

开拍前还有一道齐套校验：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——但这是制片助理式的提醒，不是静默硬生成。

工序 9：场块切分——剪辑台上的 clip 列表

剧本不是按「集」直接丢给视频模型，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、句号等规则再拆。

切分时，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。也支持整集重新切分。

所以你看到的不是「第 3 集一个大视频」，而是「第 3 集 → 场 1、场 2、场 3……」，每场有独立的提示词、独立的参考图、独立的成片与历史 takes。这和剪辑台上的 clip 列表是同一个思路。

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。

工序 10：工程化镜头提示词——教模型用分镜表语言说话

场块切好后，为每场生成镜头提示词。这一步不是写小说，是写分镜表。规范里有八大要素：

复杂场景走三段论：总体设定 → 镜头 1 / 2 / 3…… → 约束包。简单场景一段式即可。

几条硬规则：

• 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
• 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
• 生成参数偏保守：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。

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，会返回明确引导——改用平台绘制链路、不加真人参考图后重绘再拍。

工序 11：多模态出片——默认竖屏，多 take 择优

提示词生成后，进入拍摄。标准路径是：

1. 打开某集视频工作台
2. 确认参考图齐全（或有意跳过）
3. 阅读并按需编辑视频提示词
4. 选模型档位（标准 / 高速 / 轻量）、比例、分辨率、时长
5. 提交出片，队列渲染
6. 回看历史 takes，择优或重拍

输出规格默认 9:16 竖屏，亦支持其它比例；时长可选智能时长或固定 5–15 秒；分辨率按模型档位的白名单，从 480p 到 4K 不等；音频默认可生成，水印默认关。

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：提交用的是创作者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」是一回事。

导演 / 美术 / 制片在这一步能控什么

工序 12：审片与改词重拍——质量终审在人

成片出来后，审片、改词、换图、重拍，循环到满意为止。这一步必须讲清楚边界：

• 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
• 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」，精剪与串场成片需要后续剪辑环节
• 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
• 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」

生产级的可靠性在这一步兜底：成片做 faststart 处理，并以实测时长落库；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。

这不是玩具脚本，是可运营的生产队列。

18 位数字专家：把剧组编制搬进系统

整条链路上，对标真实剧组编制，有 18 位数字专家在分工协作（5 位核心专家 + 13 位视频制作专家；「场记」在剧本链路与视频链路各有一个工种，职责不同）。

核心 5 位（创意 · 剧本链路）：档案秘书、制片人、编剧、流程监制、场记（工作记录）。

视频制作 13 位（一键拍摄链路），分四组：

你能看到流式工作记录，像监制看日报——每一步是哪位专家做了什么动作，都有迹可循，不是黑箱。

这套流水线不做什么

主动划清边界，比堆形容词更能建立信任：

1. 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
2. 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
3. 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

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。

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。

如果你正在搭自己的 AI 短剧生产线，可以从[竖屏短剧剧本工艺的四条铁律](/blog/vertical-short-drama-script-rules/)和[AI 视频角色一致性的核心机制](/blog/ai-short-drama-character-consistency/)这两篇往下读，前者管剧本节奏，后者管画面不崩。

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