AI 竖屏短剧生产全流程拆解：从一句话创意到可交付成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 25 日

AI 做竖屏短剧最容易踩的坑，不是模型不够强，而是把「从想法到成片」当成一次生成。专业做法是把链路拆成一道道有中间产物、可回退、可验收的工序，人在关键节点拍板，机器负责把确认过的方向落到每一集每一场。

为什么「一次生成」做不出能上线的竖屏短剧

很多团队第一次用 AI 做短剧，路径是这样的：写一段故事梗概，丢给模型出剧本，再把剧本丢给视频模型出片，最后剪到一起。结果通常是三类问题集中爆发：人物每集换脸、道具和场景前后对不上、钩子节奏散、第 10 集已经忘了第 2 集埋的伏笔。

根因不在模型，而在工序。传统剧组之所以能稳定产出，靠的是立项、剧本、定妆、分镜、拍摄、剪辑这套顺序里每一步都有可签字的中间产物。AI 短剧要工业化，也必须把这套顺序固化下来——不是把剧组换成一个按钮，而是把剧组的质量控制点搬进生产链。

下面把一条可规模化的 AI 竖屏短剧生产链拆成 12 道工序，每道工序讲清楚：交付物是什么、谁来拍板、最容易翻车的点在哪。

工序总览：12 道工序，每道都有可验收产物

这张表里有一条贯穿始终的原则：每一环都有可验收的中间产物，可看、可改、可回退。 没有「黑箱里自己搞定」的环节。

第一道关：创意准入，不够完整就不允许开写

传统剧组立项会没开完不会开机，AI 短剧也一样。创意准入阶段会对输入的想法做完整度评分，分数从 0 到 100：

• 80 分及以上：核心维度齐全，可以跳过大部分引导，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 分以下：走完整引导，把题材、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 10 个竖屏创作维度问清楚。

这套分流是系统强制的，不是模型「觉得差不多」就放行。单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟——这是竖屏短剧的工业现实，不是偏好。

第二道关：创意简报锁版，没锁版不进剧本

引导结束后产出的是一份创意简报，它相当于立项会的会议纪要，必须锁版才能进入下一阶段。固化字段包括：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——主角从哪里开始、经过什么、变成什么样，没有这条的剧本写到中后期一定会塌。

创意简报是整个项目的「宪法」。后面所有环节——剧本、定妆、镜头、剪辑——遇到分歧都回到简报，而不是临时拍脑袋。

第三道关：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、每条伏线的 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，作用是让第 200 集还记得第 3 集埋了什么。

档案机制有三个关键设计：

1. 写作时只吃档案切片：写某一批时，只调取相关的人物状态、未结伏线、近批摘要和本批主线，既防上下文失忆，也防无关噪音干扰；
2. 每批写完自动回填：新出场的人物、新埋的伏线、新出现的道具状态，写完一批就回写进档案；
3. 伏线账本：每条伏线标记 open 还是 resolved，避免埋了不收、收了没埋。

一句话：不靠模型记性，靠结构化档案。

第四道关：分批剧本，先规划后正文

剧本不是一口气从头写到尾，而是分批写作、每批数集。每一批的内部顺序是固定的：

1. 场戏清单先行：每集先出 Beat Sheet，标清楚开场钩子、矛盾升级节点、集末 cliffhanger，再写正文；
2. 正文写作：遵守竖屏短剧的写作铁律；
3. 规则质检：写完过规则质检器；
4. 档案回填：通过质检的剧本回写故事档案。

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，避免续写时被旧档案「拉回去」。

竖屏短剧的四条写作铁律

这四条是内嵌在写作规范里的，可直接作为团队审稿标准：

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。

规则质检卡什么

质检器会卡住几类典型半成品：集标题错误、场景数不匹配、缺【人物】行、对白过少、用「未完待续」之类占位敷衍。不合格的会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。

另外有一条结构性约束：写作进度过半后，系统会强制注入结局约束，防止写到最后收不回来。

第五道关：画风选定，一种风格管到底

剧本通过后进入美术链路。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。这直接堵死了「人物是日漫、视频变成写实」的断层。

第六道关：定妆立绘，先有资产再开拍

立绘走两段式工艺：

1. 文本润色：用所选画风的人物手册加上性别硬规则，把档案里的人物描述润色成可出图的提示词，这一步允许人工覆盖；
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。

角色确认有硬门禁：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。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。

场景与道具的纪律同样重要：

• 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，否则人物定妆绑进去会串；
• 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；
• 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。

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——跳过通常意味着质量更差。

第七道关：场块切分，把一集拆成剪辑台上的 clip 列表

剧本不会被直接丢去生成一整集大视频，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。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。

切完之后，用户看到的是「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。这相当于剪辑台上的 clip 列表——哪场坏了重拍哪场，不用整集重来。

输出规格默认是 9:16 竖屏，这是交付形态，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 / 轻量三档；分辨率按模型白名单从 480p 到 4K；音频默认可生成，水印默认关。

第八道关：参考图绑定与镜头提示词，这是一致性的核心

AI 短剧最经典的翻车——同一角色每场换脸、衣服颜色来回变——根因几乎都是同一个：文字描述和参考图打架。模型每生成一段都在「重新想象」这个人长什么样，你再用文字补一句「穿黑色风衣」，它就按文字重新画，和上一场的定妆图对不上。

解法是参考图映射机制，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。

这条机制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。

除此之外，参考图绑定还支持：

• 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。

每场绑定多张参考图，按场景 → 道具 → 人物的顺序占位，有上限。

工程化镜头提示词的八大要素

提示词不是写小说，是写给模型的分镜表。规范要求每场提示词覆盖八大要素：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。

复杂影视化场景走三段论：总体设定 → 镜头 1/2/3… → 约束包。简单场景用一段式。配套规则包括：

• 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」）；
• 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 （）；
• 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。

第九道关：多模态出片，按场独立渲染

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 / 制片的专业可控点，对应片场语言是这样的：

出片时不会重新发明提示词：渲染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」完全一致。

生产级可靠性上，有几条对制片方很重要：成片做 faststart 处理，并以实测时长落库，不把厂商回读时长当唯一真相；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。

这不是玩具脚本，是可运营的生产队列。

第十道关：审片与重拍，质量终审在人

最后一道工序必须讲清楚边界：没有成片自动打分或自动择优重拍引擎。 系统提供的是多 take 和改词重拍的工具，质量终审在创作者和监制手里。

审片时的典型操作路径：

1. 回看本场所有历史 takes，择优；
2. 不满意的，判断是提示词问题、参考图问题，还是动作 / 运镜问题；
3. 改词重拍（改分镜说明）或换图重拍（换定妆 / 换场景板）；
4. 单场满意后进入下一场，最后在剪辑环节串场成片。

这套流程做不到什么：七条诚实边界

主动划边界比喊口号更能建立信任。以下七条是这套生产链当前的明确边界：

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。

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。如果你正在搭自己的 AI 短剧生产线，可以对照这 12 道工序检查团队现状——哪一步还在靠人记、哪一步还没有可签字的中间产物、哪一步还在允许边写边改，那里就是下一个该上流水线的地方。

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