AI 竖屏短剧生产全链路拆解：立项、剧本、定妆、分场、出片每一步该卡什么

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧最容易踩的坑，不是模型不够强，而是流程顺序错了：没锁 brief 就写剧本、没定妆就出片、没分场就塞长提示词。真正能跑通的做法，是把剧组那套质量控制顺序，翻译成 AI 能执行的流水线。

先把顺序排对：AI 短剧不是一个按钮，是一条链

很多团队第一次用 AI 做短剧，会把它当成「文生视频」的放大版：丢一个故事梗概进去，等它吐成片。结果通常是三场戏三个主角长相、道具上一场出现下一场消失、第 5 集忘了第 1 集埋的伏笔。

问题不在模型，在于没有中间产物。传统剧组能稳定产出，靠的是每一步都有可签字、可回退、可追责的东西：brief、剧本、人物小传、定妆照、分镜、场记单、素材带。AI 短剧要想工业化，必须把这些环节重新建起来，只是把执笔和绘图的人换成了机器。

一条能跑通的 AI 竖屏短剧生产链，顺序是这样的：

1. 创意评估与引导
2. 创意简报锁版
3. 角色阵容与视觉确认
4. 故事档案建档
5. 分批剧本写作（场戏清单 → 正文 → 规则质检 → 档案回填）
6. 选定画风，人物 / 场景 / 道具定妆出图
7. 每集切成约 10 秒的场块
8. 每场绑定参考图 + 工程化镜头提示词
9. 多模态出片（默认竖屏 9:16）
10. 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。任何一环不过关，都不应该往下走。

第一道关：创意准入，别让「半句话想法」直接进剧本

短剧立项最常见的浪费，是想法还没成型就开始写。写了三集发现主角动机不成立、爽点节奏不对、平台受众没对齐，全部推翻。

工业化的做法是在写作之前先做一次 Intake 评分，按 0–100 分判断创意的完整度：

竖屏短剧必须在引导阶段问清的十个维度：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 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏的节奏现实，不是偏好。

这一步的本质是把立项会开完。Brief 没锁版，就不允许进剧本。

第二道关：创意简报锁版，主角必须有人物弧光

创意引导结束后，要固化成一份创意简报，相当于传统剧组的立项 brief。锁版之后才能进入下一阶段。简报里必须包含：

• 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

主角字段有一个硬要求：必须写清人物弧光——开场时他是什么状态、结局时变成什么、中间靠什么事件推动变化。没有弧光的主角，写到十几集必然塌。

第三道关：剧本写作，用规则把竖屏节奏钉死

竖屏短剧的剧本和长视频、网文都不一样，它有一套被投流验证过的节奏铁律。这些规则不应该靠编剧「记得」，而应该内嵌在写作流程里强制执行：

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. 台词纪律：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

光有规则还不够，结构上还要有三层保障：

• 先规划后正文：每集先出场戏清单（Beat Sheet）和集末 cliffhanger，再写正文。不允许跳过 beat 直接写对白。
• 伏线账本：每条伏笔在故事档案里标记 open / resolved 状态，写作时只吃「未结伏线」切片，既防上下文失忆，也防噪音干扰。
• 进度过半强制收束：写到一半时，系统强制注入结局约束，避免支线越跑越远收不回来。

剧本是分批写的，每批数集。从第 2 批起，动笔前必须先问定四件事：本批剧情方向、重点人物、伏笔与冲突、集末钩子。这些被标记为「创作者已确认的硬约束」，与档案冲突时以创作意图为准——这保证了人对走向的控制权。

每批写完还要过规则质检器，卡住的问题包括：集标题错误、场景数不匹配、缺【人物】行、对白过少、「未完待续」之类的占位敷衍。不合格的带错误反馈自动重写；未通过质检的半成品不应该交付给创作者。

第四道关：故事档案，不靠模型记性靠结构化记录

故事档案是一份贯穿全剧的结构化设定记录，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、伏线的 open / resolved 状态、按集出场表、每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。

长剧最容易崩的地方就是「模型忘了」。解决办法不是换更大的模型，而是不依赖模型的上下文记忆：每批写完自动回填档案，续写前自动调取档案切片（人物当前状态 / 未结伏线 / 近批摘要 / 本批主线）。档案是结构化的，不是一大段自然语言塞回提示词。

第五道关：定妆出图，一致性靠资产不靠运气

剧本锁了、档案建了，下一步是美术。这一步是 AI 短剧翻车的重灾区，核心原则只有一句：一致性靠资产，不靠运气。

先选画风，再出所有图

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 / 道具手册和视频风格标签。

关键是：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。不允许人物是日漫、视频出来变成写实。

角色确认是硬门禁

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。

立绘走两段式工艺：先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（这一步人可以覆盖），再拼最终提示词出图，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。

场景图和道具图的纪律

• 场次从剧本自动解析为「内 / 外 | 地点 | 日夜」，不靠手填表格
• 场景图严禁出现人物——空镜就是空镜
• 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
• 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

开拍前齐套校验

生成视频提示词之前，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——但这是制片助理的提醒，不是静默硬生成。专业流程应该先定妆再开拍。

第六道关：场块切分，把一集变成剪辑台上的 clip 列表

剧本不应该直接喂给视频模型。正确做法是把每集自动切成视频场块，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。

创作者看到的不是「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、独立的成片和历史 takes。这就像剪辑台上的 clip 列表——可以单独重拍某一场，不用整集重来。

群演和泛指角色要从可绘制的主演名单里剥离，避免挤占定妆槽位。

输出规格上，竖屏 9:16 是默认交付形态，不是事后横裁竖。其它规格：

第七道关：镜头提示词，教模型用分镜表语言说话

这是 AI 短剧和「随便写写提示词」最大的分野。工程化的镜头提示词有一套严格规范，核心是八大要素：

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

配套的纪律包括：

• 复杂度分流：简单场景一段式写完；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（不写「0–3s」这种）
• 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 （）
• 提示词生成时只给本场素材，禁止串戏；本场剧本正文是最高优先级撰写依据
• 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。

提示词交付前还要做合规清洗：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。

第八道关：参考图映射，解决换脸和换装的核心机制

AI 短剧最经典的翻车：上一场女主穿红裙，这一场变蓝裙；上一场男主是方脸，这一场变尖脸。根本原因是文字描述和参考图在打架——模型同时收到「这个人长这样」的图和「穿着白色衬衫」的文字，它会自己重新想象。

解法是一条硬规则：

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。

每场自动构建的参考素材表，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。每场绑定多张参考图，按这个顺序占位，有上限。

除此之外，参考图映射还要处理几个片场常见问题：

• 手动角色绑定：剧本里叫「警官」，要能绑到档案里「李强」的定妆
• 道具纳入 / 排除：避免无关道具挤占参考槽位，控制本场视觉焦点
• 历史版本替换：可以在同类同名下替换为另一张历史定妆图
• 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

第九道关：出片与重拍，像真实片场一样多 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 / 制片在这一步有一系列可控点，对应真实片场的决策：

出片时不重新发明提示词：Worker 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」是一个逻辑。

生产级可靠性上，有几件事必须做到位，否则不能当生产工具用：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。

诚实边界：这套流程做不到什么

主动划清边界，比夸大能力更能建立信任。以下七条是这套工业化流程目前的真实限制：

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。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，可以去 猫斯卡 看这套链路的具体落地形态。

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