AI 竖屏短剧生产流水线拆解：从立项到成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做竖屏短剧最容易翻车的，不是模型不够强，而是跳过了剧组本来就该走的工序。把流程拆成 12 道有中间产物、可回退的关卡，质量才可控。

为什么「一条提示词出一部剧」走不通

很多团队第一次上手 AI 短剧，路径都差不多：丢一个故事想法进去，让模型直接写全集剧本，再整集喂给视频模型生成一条长视频，最后硬剪成竖屏。结果往往是：第 3 集主角换了发型，第 7 集父亲变成了陌生人，第 12 集前面埋的伏笔没人记得，开场 30 秒还在铺背景，观众早就划走了。

问题不在模型，在工序。真人剧组不会因为有了演员就跳过立项、不会不锁定妆就开拍、不会把一集剧本塞给摄影师让他自由发挥。AI 短剧也不该。

下面这套 12 道工序，是把真人剧组已经验证过的生产顺序，用工程手段固化下来。每一道都有可看、可改、可回退的中间产物——这是「生产工具」和「玩具脚本」的分界线。

工序总览：12 道关卡

注意一个贯穿始终的原则：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。

第一道：创意评估，先打分再引导

不是所有想法都需要走十步引导。一个已经想清楚题材、主角、矛盾、集数、平台、爽点节奏的老手，和一个只有「我想做个霸总剧」五个字的新人，不应该被塞同一份问卷。

创意准入完整度评分是一个 0–100 的硬分数：

• ≥80 分：可以跳过大部分引导，直达简报锁版；
• 40–79 分：只补缺失的维度；
• <40 分：走完整的十步引导。

这个阈值是系统强制的，不是模型「口头说够了」就放行。对外类比就是立项会：立项会没开完，brief 没锁版，谁也不许开机。

第二道：创意引导，问清十个竖屏维度

竖屏短剧和长剧、横屏短剧不是一个物种。引导阶段要问清的十件事：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。

其中单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏用户的注意力上限，不是审美偏好。

第三道：创意简报锁版，之后才许动剧本

简报是全剧的「宪法」。锁版后的字段包括：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——没有弧光的主角，写到第 30 集一定会塌。

锁版的意义在于：后面所有工序（剧本、定妆、镜头）都以这份简报为上游约束。中途想改？可以，但要回到简报层改，再让下游全部重跑，而不是在某一集剧本里偷偷改设定。

第四道：角色阵容与视觉确认

这一步有硬门禁：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。

为什么要卡这么死？因为 AI 短剧最经典的翻车——「第 5 集主角突然换了个人」——根源都在这里：阵容没锁，视觉字段没填，下游每一场都在重新想象这个人长什么样。

第五道：故事档案，不靠记性靠账本

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 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。

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，也防噪音。每批写完自动回填，续写前自动调取。

一句话：不靠模型记性，靠结构化档案。

第六道：分批剧本，先规划后正文

竖屏剧本有四条内嵌的写作铁律，是系统提示词里就写死的：

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。

结构上有三个保障机制：

• 先规划后正文：每集先出场戏清单（Beat Sheet）+ 集末 cliffhanger，再写正文；
• 伏线账本：档案里每条伏线标 open / resolved，不允许埋了不收；
• 进度过半强制收束：写作进度过半后，强制注入结局约束，防止写到结尾收不回来；
• 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——这些被标记为硬约束，与档案冲突时以创作意图为准。

写完还要过规则质检器，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」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。

第七道：画风选定，一套语言画到底

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）。

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、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。避免那种「人物是日漫、视频突然变写实」的断层。

第八道：定妆出图，两段式工艺

立绘走两段式：

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的提示词（这一步可人工覆盖）；
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。性别是出图时的硬规则，不随模型发挥。

场景图有一条铁律：空镜纪律——场景图严禁出现人物。否则人物会被「印」在场景里，和真正的主演叠影。

道具按集以「道具师」视角提取剧本原始称呼，全剧合并成 catalog，不丢集。

第九道：切场块，把一集变成剪辑台上的 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。

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。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。

这一步的类比就是剪辑台上的 clip 列表——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。

第十道：参考图映射 + 镜头提示词，最关键的一致性机制

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。

这里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：文字描述与参考图打架 → 换装、换脸。

除此之外还支持：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；在同类同名下替换为历史版本中的另一张图；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。

镜头提示词的八大要素

提示词本身按工程化规范生成，包含八大要素：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。

几条硬规矩：

• 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 （）；
• 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。

一句话总结：系统在教模型用分镜表语言说话，而不是写小说。

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；参考图被识别为疑似真人照片时，返回明确引导，建议改用平台绘制链路。

第十一道：多模态出片，默认就是竖屏

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 / 比例 / 分辨率 / 时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

输出规格：

竖屏是默认交付形态，不是事后裁切——这一点决定了构图、运镜、人物站位从第一场就是为竖屏设计的。

生产级可靠性上，有几件事是「玩具脚本」不会做的：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，禁止二次创建与二次预扣。

第十二道：审片与重拍，质量终审在人

专业可控点对应到片场语言是这样的：

出片时不重新发明提示词：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。

七件做不到的事，提前说清

诚实边界是生产工具的资产，不是负债。

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，一个想法，全程自动 / 一个人，一天，一部剧。了解完整工序可访问 https://www.maosika.com 。

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