AI 竖屏短剧生产全流程拆解：立项、剧本、定妆、分场、出片的工业顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

AI 做短剧最容易翻车的，不是模型不够强，而是顺序错了：没锁 Brief 就写剧本，没定妆就出片，没切场就硬生成。专业做法是把链路拆成可验收的中间产物，每一步确认后再往下走。

先把顺序排对：AI 短剧不是一个按钮，是一条生产线

很多团队第一次用 AI 做竖屏短剧，会把流程理解成「写一段提示词 → 生成视频 → 剪一剪」。结果通常是：第一集人物还能看，第三集开始换脸；前两集埋的伏笔，第五集模型自己忘了；场景里凭空冒出道具，台词越写越像论文。

问题不在模型，在于没有把生产顺序固化。传统剧组之所以能稳定产出，靠的是立项会、剧本会、定妆、分镜、拍摄、审片这套先后关系。AI 短剧要想规模化，也得把这套顺序搬进系统。

一条可落地的 AI 竖屏短剧生产链，应该是这样的：

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/道具定妆出图 → 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

这条链路的核心主张只有一句：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，都能看、能改、能回退。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。

第一阶段：创意准入——别让模糊想法直接进生产线

一个想法能不能开拍，不取决于它听起来多爽，而取决于它的信息是否齐套。

创意准入评分是这一阶段的关键动作：系统会按题材、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、投放平台与受众这十个维度打分，分值 0–100。

• ≥80 分：信息足够，可跳过大部分引导，直接进入简报锁版；
• 40–79 分：只补缺失的维度，不重复问已经清楚的部分；
• <40 分：走完整的深度引导，把模糊想法一步步问成可执行的 Brief。

这个分流是系统强制的，不是模型「口头说够了」就放行。类比传统剧组，就是立项会开完、Brief 锁版，才允许进剧本。

竖屏短剧在这一阶段有几个必须问清的维度：单集时长以 1–2 分钟为主，最长收敛到 3–4 分钟；爽点与钩子节奏要提前定，不能写到一半再想；投放平台与受众直接影响台词密度和反转节奏。

第二阶段：创意简报锁版——Brief 不锁，后面全是返工

创意引导结束后，产出的是一份锁版的创意简报。锁版的意思是：不回到这一步改，下面的环节就不能动它。

简报里固化的字段包括：

主角字段必须包含人物弧光——主角从哪里开始、经过什么、变成什么样。没有弧光的主角，写到几十集后必然塌。

第三阶段：剧本分批写作——先规划，再正文，再质检

剧本不是一集一集硬写的，而是分批写作、每批数集。一批写完、归档确认，再写下一批。

3.1 先出场戏清单，再写正文

每一集动笔前，先出场戏清单（Beat Sheet），并提前定好集末的 cliffhanger。正文是跟着 Beat Sheet 走的，不是模型自由发挥。

竖屏剧本有几条内嵌的写作铁律，是系统强制执行的：

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：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。

3.2 故事档案：不靠模型记性，靠结构化档案

长篇短剧最大的敌人是「上下文失忆」——第 3 集埋的伏笔，第 30 集模型忘了；主角上一集刚受伤，这一集活蹦乱跳。

故事档案是一份贯穿全剧的结构化设定记录，相当于传统编剧室里的 continuity bible。它记录：

• 人物身份与稳定性格特征；
• 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（伏线账本）；
• 按集出场表；
• 每批剧情纪要；
• 道具视觉描述。

写作时模型只吃档案切片：人物当前状态、未结伏线、近批摘要、本批主线。既防失忆，也防噪音。每批写完自动回填，续写前自动调取。

从第 2 批起，系统会先问定四件事——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「用户已确认的硬约束」，与档案冲突时以创作意图为准。写作进度过半后，还会强制注入结局约束，防止尾段跑飞。

3.3 规则质检：不合格不出稿

每批剧本写完要过规则质检器，卡住的典型问题包括：集标题错误、场景数不匹配、缺【人物】行、对白过少、出现「未完待续」这类占位敷衍。

不合格的稿子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。

第四阶段：美术与一致性——先定妆，再开拍

剧本锁了之后，不要急着出视频。先定妆，这是 AI 短剧角色一致性的根基。

4.1 选画风：一套手册管到底

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。这避免了最常见的翻车：「人物是日漫，视频变成写实」。

4.2 立绘两段式：文本润色 → 图像生成

人物立绘不是直接把档案描述丢给出图模型，而是分两步：

1. 文本润色：用所选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，这一步人工可以覆盖；
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。

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。

角色确认时有硬门禁：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。

4.3 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。

这条直接针对 AI 视频的经典翻车：文字描述与参考图打架，导致换装、换脸。

除此之外，参考图机制还支持：

• 手动角色绑定：剧本里叫「警官」，绑到档案里「李强」的定妆，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：在同类同名下替换为另一张历史版本图；
• 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。

场景图有一条纪律：严禁出现人物，否则会和人物定妆在参考里打架。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。

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——但这是提醒式的制片助理，不是静默硬生成。跳过纯文字通常质量更差，专业流程应该先定妆再开拍。

第五阶段：场块切分与镜头提示词——教模型用分镜表说话

剧本和定妆都齐了，进入拍摄准备。

5.1 切场块：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，超过则按动作节拍、空段、句号等规则再拆。群演和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……」。每场有独立的提示词、独立的参考图、独立的成片与历史 takes。可以整集重新切分。

5.2 工程化镜头提示词：八大要素

提示词不是写小说，是写分镜表。一场的提示词由八大要素构成：

复杂度上有分流：简单场景用一段式；复杂影视化场景走三段论——总体设定 → 镜头 1/2/3… → 约束包。镜头用序号标注，不用绝对秒数（禁止写「0–3s」）。

动作原则是优先低缓连续动作，减少高爆发动态崩坏。符号上有统一规范：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。

一句话总结：系统在教模型用分镜表语言说话，而不是写小说。

5.3 合规清洗

提示词交付前会剥离特定影视作品/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。选题入口做题材合规过滤，平台禁令与监管红线随政策更新。

第六阶段：拍摄、重拍与成片交付——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 → 选模型档位/比例/分辨率/时长 → 提交出片 → 队列渲染 → 回看历史 takes 择优。

输出规格默认是 9:16 竖屏（亦支持其它比例），这是默认交付形态，不是事后裁切。时长可用智能时长或固定 5–15 秒，模型档位分标准/高速/轻量，分辨率按模型白名单（如 480p–4K），音频默认可生成，水印默认关。

拍摄阶段给创作者留的专业可控点，基本对应剧组里的真实岗位：

出片时系统不会重新发明提示词：用的是用户已确认或已编辑的提示词，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」是一个逻辑。

生产级可靠性上，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。

必须讲清的边界：哪些事 AI 短剧系统不做

诚实划边界，反而能建立信任。以下几点是从业者选型时必须知道的：

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。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。

给团队落地的三条建议

1. 先锁 Brief 再写剧本，先定妆再出片。 顺序错了，后面每一步都是在给前面的模糊还债。
2. 把场块当生产单元，不要当集当块。 每场独立提示词、独立参考、独立 take，问题能定位到具体一场，而不是整集返工。
3. 把质检和档案当成本，不是负担。 规则质检卡住的是低级错误，故事档案兜住的是长篇连续性——这两件事省了，后期一定加倍还回来。

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。

---

猫斯卡（Maosika）是 AI 竖屏短剧生产操作系统，主张「一个想法，全程自动 / 一个人，一天，一部剧」。它用 18 位对标真实剧组编制的数字专家，把从创意评估到多 take 成片的链路拆成可验收的中间产物，让团队在关键节点做审美判断，机器负责把方向落到每一集、每一场。了解完整生产流程可访问 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