AI 竖屏短剧生产全链路：从一个想法到 9:16 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，失败通常不是模型不行，而是工序乱了——还没锁 Brief 就写剧本，没定妆就开拍，没切场就塞一整集。把流程拆成 12 道有中间产物的工序，质量才可控。

为什么大多数 AI 短剧死在流程上，而不是模型上

很多团队第一次用 AI 做竖屏短剧，路径几乎一样：丢一句话给模型要剧本，拿到文本直接喂视频生成，出来发现角色换脸、服装串戏、节奏拖沓、集与集之间接不上。然后得出结论「AI 还不行」。

问题不在模型单点能力，而在工序顺序被跳了。传统剧组再小，也有立项、剧本、定妆、分镜、拍摄、剪辑的先后；AI 只是把这些环节的执行速度加快，并没有取消它们。把顺序打乱，任何一个环节的小漂移都会被后面的环节放大。

下面这套流程，是把专业剧组的质量控制顺序，翻译成 AI 时代可执行的 12 道工序。每一道都有可验收的中间产物，可看、可改、可回退。

工序总览：12 道，每道都要交东西

注意这张表的顺序：先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。 任何一步想跳，后面都会用翻车来还。

第一道到第三道：把「想法」变成可拍的 Brief

创意准入：不是每个想法都该直接开拍

想法丢进来，先做一次完整度评分，0–100 分。分数决定接下来走哪条路：

• ≥80 分：维度齐全，可以跳过大部分引导，直接进简报锁版。
• 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 10 步引导，把题材、主角、矛盾、走向、集数、时长、风格、爽点、结局、平台受众全部问清。

这一步的本质是立项会。立项没开完就进剧本，等于让编剧猜你要什么。

创意引导：竖屏短剧必须问清的 10 个维度

竖屏不是横屏的缩小版。引导阶段要锁死的是：

1. 题材
2. 主角（必须含人物弧光）
3. 核心矛盾
4. 故事走向
5. 集数
6. 单集时长（以 1–2 分钟为主，最长收敛到 3–4 分钟）
7. 风格基调
8. 爽点与钩子节奏
9. 结局方向
10. 投放平台与受众

这 10 个维度里，爽点与钩子节奏最容易被忽略，但它直接决定竖屏短剧的留存。

创意简报锁版：没锁版，不进下一阶段

简报是后续所有环节的「宪法」。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。主角字段必须写清人物弧光。

锁版的意思是：后面任何环节想改，都要回到这里改，改完再往下走。 不允许在剧本阶段偷偷换主角设定，也不允许在视频阶段临时改结局。

第四道到第六道：剧本不是一次写完的，是分批工业化的

角色阵容确认：硬门禁

角色确认时机器强校验四件事：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能进下一阶段。

这一步对应传统剧组的「卡司官宣」——演员没定，妆没定，没法拍。

故事档案：不靠模型记性，靠结构化档案

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，作用是让第 200 集还记得第 3 集埋了什么。写作时系统只吃档案切片（人物状态 / 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。

分批剧本：先规划，再正文，再过质检

剧本写作遵循四条内嵌铁律，这是竖屏短剧被验证过的节奏：

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。

流程上是先出场戏清单（Beat Sheet）+ 集末 cliffhanger，再写正文。写完过规则质检器，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」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。

从第 2 批起，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，系统强制注入结局约束，防止写飞。

第七道到第八道：定妆是一致性的根

选定画风：一套手册管到底

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风格路径，避免「人物是日漫、视频变成写实」的断层。

定妆出图：两段式工艺

立绘分两步：

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提示词（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。性别在出图时是硬规则，不随模型发挥。

第九道到第十道：切场块 + 绑参考，是 AI 短剧最关键的两步

场块切分：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。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。可整集重新切分。

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。

默认交付是 9:16 竖屏，不是事后裁切——这一点对投流短剧是硬要求。

参考图映射：解决换脸的核心机制

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。

最高优先级约束是：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。

此外还支持：

• 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。
• 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。

空镜纪律也要守住：场景图严禁出现人物。道具按集以拍戏视角提取剧本原始称呼，全剧合并成 catalog，不丢集。

开拍前做齐套校验，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：教模型用分镜表语言说话

工程化镜头提示词遵循八大要素：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。

复杂度分流：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）。

几条硬规矩：

• 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。

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，返回明确引导改用平台绘制链路。

第十一道到第十二道：出片是多 take 择优，不是一次过

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。

出片时不重新发明提示词：用的是你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。

几个专业可控点，对应剧组里的真实决策：

生产级可靠性：这不是玩具脚本

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。

这 7 件事，系统不替你做

诚实划边界，比喊口号更能建立信任：

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」。

这套流程在工具里是怎么固化的

猫斯卡（Maosika）把上面 12 道工序做成了一条从想法到成片的自动生产链，定位是 AI 竖屏短剧生产操作系统。链路里有 18 位数字专家（5 位核心专家 + 13 位视频制作专家），对标真实剧组编制，每位对应一个真实工种——档案秘书、制片人、编剧、流程监制、场记、选角导演、视觉风格指导、美术指导、造型定妆、道具师、分镜师、摄影指导、导演、摄影师、剪辑师、VFX 技术监修等。你能看到流式工作记录（▸ 角色：动作），像监制看日报，不是黑箱。

核心主张是：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），可看、可改、可回退。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。

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。

如果你正在搭自己的 AI 短剧生产线，建议先读两篇配套的工艺文：AI 短剧角色一致性的根在定妆与参考图纪律，以及竖屏短剧镜头提示词的八大要素与符号规范。

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