AI 竖屏短剧生产流水线拆解：从一个想法到成片，中间到底要过几道关

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧，真正难的不是「出一段视频」，而是把想法拆成一串可验收的中间产物，每一环都能看、能改、能回退，最后拼成一部不串戏、不换脸的剧。

先把结论摆出来：AI 短剧不是一个按钮，是一条流水线

很多团队第一次碰 AI 短剧，会把它想象成「输入一句话，吐出 80 集」。实际跑过项目的人都知道，真正卡住人的从来不是生成能力，而是顺序错了——剧本没锁就去出图，定妆没定就去拍，拍到第 10 集人物长变了，道具上一集是玉佩这一集变成了戒指，最后只能靠人工一帧帧救。

工业化的做法，是把整条链路拆成有明确交付物的工序，每一道工序过了再进下一道。下面这条顺序，是目前跑通的最短路径：

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 → 选定画风 → 人物 / 场景 / 道具定妆 → 本集切为约 10 秒场块 → 每场绑定参考图与镜头提示词 → 多模态出片 → 审片 → 改词 / 换图 → 重拍择优

每一个箭头都是一次「验收点」。验收不过，不往下走。

第一道关：创意准入——不是每个想法都值得写 80 集

立项阶段最容易犯的错，是想法还只是一句话就开始写剧本。结果写到一半发现核心矛盾不成立、爽点节奏撑不住、集数拉不开，整批作废。

专业流程会先给创意做一次完整度评分，按分数决定要不要补引导：

这里有个关键认知：竖屏短剧的创作维度和长剧不一样。单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟，黄金 3 秒开场、集末钩子、爽点密度这些都是立项时就要钉死的，不是写到剧本里再想。

引导走完，产出的是一份创意简报，里面至少要包含：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。主角字段必须写清人物弧光——他从什么样变成什么样，这是整部剧的发动机。

简报锁版之后才能进下一阶段。 这听起来像废话，但 AI 生产里最大的浪费源就是「边写边改 Brief」。

第二道关：故事档案——不靠模型记性，靠结构化档案

长剧最经典的翻车：第 3 集埋的伏线，写到第 50 集模型自己忘了；主角上一集胳膊受伤，这一集健步如飞；配角名字前后不一致。

故事档案就是为了解决这个问题存在的。

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。

写作时模型不是「凭记忆续写」，而是只吃档案切片：本批要用到的人物状态、未结伏线、近几批剧情摘要、本批主线。多余信息不喂，避免噪音；关键信息不漏，避免失忆。每批写完自动回填，下一批续写前自动调取。

这就是「不靠模型记性，靠结构化档案」这句话的具体落地。

第三道关：分批剧本——先规划场戏，再写正文，再过质检

剧本不是一口气从头写到尾的。竖屏短剧的剧本工艺有几条铁律，是被市场反复验证过的：

1. 黄金 3 秒：第 1 场必须是强冲突或强悬念，禁止平淡开场和长篇背景介绍。
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。

在结构保障上，工业化流程会做几件手工写容易漏的事：

• 先规划后正文：每集先出场戏清单（Beat Sheet）和集末 cliffhanger，确认过再写正文。
• 伏线账本：每条伏线标记 open / resolved，写作过半强制收束，避免挖坑不填。
• 集间连贯：写下一集时承接上一集全文，不是凭空开新篇。
• 批前意图锁定：从第二批起，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。这些被标记为硬约束，与档案冲突时以创作意图为准。

写完之后不是直接交付，而是过规则质检器，卡住集标题错误、场景数不匹配、缺人物行、对白过少、「未完待续」占位敷衍等问题。不合格的带错误反馈自动重写，最多数次；未通过质检的半成品不会交到创作者手里。

第四道关：定妆与资产链路——一致性靠资产，不靠运气

AI 短剧被吐槽最多的两件事：换脸、串戏。根源是同一个——每场戏都在重新想象这个人长什么样。

解法不是「调参数」，是建资产。

画风先选，再出图

系统内置多套画风手册，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）。每套手册包含人物出图规则（面容锚点、材质、气质、视图一致性）、场景与道具规则、视频风格标签。

选定画风后，人物立绘、场景立绘、道具立绘、视频提示词共用同一条风格路径，避免出现「人物是日漫、视频变成写实」的断层。

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，不过关不能进下一阶段。

立绘是两段式工艺

第一段是文本润色：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，这一步可人工覆盖。第二段才是图像生成，支持参考图，所有历史版本可回看。

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。

参考图映射：AI 短剧最核心的一致性机制

每场戏开拍前，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。

这里有一条最高优先级的约束，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。

这条规则直接针对 AI 视频的经典翻车：文字描述与参考图打架，模型不知道听谁的，于是开始换装、换脸、换发型。把外观描述权彻底交给参考图，文字只调度动作和情绪，一致性会立刻上一个台阶。

除此之外，参考图链路还支持：

• 手动角色绑定：剧本里写「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：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：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，取定妆图时优先匹配对应造型。

场景与道具侧也有纪律：场次从剧本结构化解析为「内 / 外 | 地点 | 日夜」，不靠手填表格；场景图（空镜）严禁出现人物；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。

开拍前会做一次齐套校验：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——但这是提醒式的制片助理，不是静默硬生成。专业流程应该先定妆再开拍。

第五道关：场块切分——把一集变成剪辑台上的 clip 列表

剧本写完、定妆到位，下一步不是「生成整集视频」，而是先切场块。

场块是把一集剧本按动作节拍切成的独立视频单元，目标粒度约 10 秒 / 场，正文软上限约 200 字，超过再按动作节拍、空段、句号等规则拆。

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……」，每场有独立的提示词、独立的参考图、独立的成片与历史 takes。这就像剪辑台上的 clip 列表——哪场坏了修哪场，不用整集重来。

群演和泛指角色会从可绘制主演名单里剥离，避免挤占定妆槽位。切完不满意可以整集重新切分。

输出规格上，默认是 9:16 竖屏（不是事后横裁竖），时长支持智能时长或固定 5–15 秒，模型分标准 / 高速 / 轻量档位，分辨率按模型白名单，音频默认可生成、水印默认关。

第六道关：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 短剧和「随便写写提示词」最大的分水岭。

工程化的镜头提示词有八大要素：精准主体、动作细节、场景环境、光影色调、镜头运镜、视觉风格、画质、约束条件。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。

几条硬规范：

• 一镜一运镜：禁止一个镜头里又推又拉又摇又移。
• 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 （）。
• 不串戏：生成提示词时只给本场素材，本场剧本正文是最高优先级依据。
• 参数偏保守：取稳定可控，而非天马行空。

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。

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。

第七道关：拍摄、重拍与可运营性——这是生产队列，不是玩具脚本

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。

面向导演 / 美术 / 制片，有几个关键可控点：

出片时不会重新发明提示词：用的是你已确认或已编辑过的提示词，加上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」是同一件事。

面向老板和制片，要关心的是生产级可靠性：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；已有厂商任务号时支持续跑轮询，不二次创建、不二次预扣。

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

讲清楚能做什么之后，必须讲清楚做不到什么。短剧从业者对 AI 宣传已经免疫，主动划边界才是建立信任的方式。

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。

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