AI 竖屏短剧生产流水线拆解：立项、剧本、定妆、分场到成片的 12 道工序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 7 月 29 日

AI 做短剧真正难的不是「出片」，是让第 30 集还认得第 1 集的人。解法不是更长的提示词，而是把剧组的质量控制顺序——立项、剧本、定妆、分场、多 take——固化成每一步都有可验收产物的流水线。

为什么多数 AI 短剧项目死在「能出片」之后

市面上多数 AI 短剧工具的默认路径是：丢一句话 → 生成剧本 → 直接出视频。看起来快，实际一跑长集就翻车：第 5 集主角换了张脸，第 8 集道具凭空消失，第 12 集埋的伏笔没人记得收。

问题不在模型能力，而在工序顺序错了。真人剧组不会拿着一句 logline 就开机，AI 剧组也不应该。

下面把一条能跑长集的 AI 竖屏短剧生产链，拆成 12 道工序。每一道都对应一个可看、可改、可回退的中间产物——这是它和「一键生成」最本质的区别。

工序总览：12 道，每道都有交付物

这 12 道不是建议，是顺序。跳步的代价后面会讲。

立项阶段：Brief 没锁，不要开机

工序 1–2：创意准入评分与引导

创意入口不是一个文本框，而是一个打分器。系统按题材、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 10 个维度给 Intake 打分（0–100）。

• ≥80 分：可跳过大部分引导，直达简报
• 40–79 分：只补缺失维度
• <40 分：走完整 10 步引导

单集时长以竖屏 1–2 分钟为主，最长收敛到 3–4 分钟。这个阈值是系统强制改写推荐路径的，不是模型「口头说够了」就放行——立项会没开完，不许进下一步。

工序 3：创意简报锁版

简报是后续所有环节的硬约束，锁版后才能进入下一阶段。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——这是区别「爽文流水账」和「有成长线的剧」的第一道闸门。

剧本阶段：不靠模型记性，靠结构化档案

工序 4：角色阵容与视觉确认

进入写作前，阵容要过一道硬门禁：齐全、姓名合法、视觉字段完整、主角与简报对齐。不过关不能写。

工序 5：故事档案（Continuity Bible）

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。

写作时模型只吃档案切片（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。一句话：不靠模型记性，靠结构化档案。

工序 6：分批剧本写作

剧本不是一口气吐 100 集，而是分批写作，每批数集。每批内部走四步：

1. 场戏清单先行：先出 Beat Sheet + 集末 cliffhanger，再写正文
2. 正文写作，内嵌四条铁律：

• 黄金 3 秒：第 1 场必须强冲突或强悬念，禁平淡开场与长篇背景介绍
• 单集结构：开场钩子（1 场）→ 矛盾升级 → 集末 cliffhanger（最后 1 场）
• 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
• 台词：短句为主，单句一般不超过 20 字；禁论文腔与大段旁白解释

1. 规则质检：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交付
2. 档案回填：本批新状态、新伏线、新道具写回故事档案

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，防止烂尾。

美术阶段：一致性靠资产，不靠运气

工序 7：选定画风

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。选定后，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。

工序 8：定妆出图

立绘走两段式工艺：

1. 文本润色：用该画风的人物手册 + 性别硬规则（性别为硬规则，不随模型发挥），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

三条纪律：

• 空镜纪律：场景图严禁出现人物
• 内容权威：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）
• 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

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。

拍摄阶段：系统教模型用分镜表语言说话

工序 9：切场块

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。

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——相当于剪辑台上的 clip 列表。

工序 10：绑定参考图 + 工程化镜头提示词

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。

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。

此外支持：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、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（时代造型路由）。

开拍前有齐套校验：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。

镜头提示词按八大要素组织：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）。

几条硬规范：

• 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：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，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。

工序 11：多模态出片

输出规格默认 9:16 竖屏（亦支持其它比例），不是事后裁切——这是默认交付形态。

出片时 Worker 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。

生产级可靠性上，几条机制值得制片方关注：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。这不是玩具脚本，是可运营的生产队列。

后期阶段：终审在人，不在模型

工序 12：审片与重拍择优

出片后，创作者可以：

• 编辑视频提示词（相当于导演改分镜说明）
• 更换人物 / 场景 / 道具参考图（换定妆 / 换场景板）
• 手动角色绑定（处理称呼不一致、客串指代）
• 道具纳入 / 排除（控制本场视觉焦点）
• 切换画风（统一美术语言）
• 选择模型档位（质量 / 成本 / 速度权衡）
• 回看同场历史 takes 多 take 择优

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。

诚实边界：这 7 件事当前做不到

主动划边界比堆形容词更能建立信任。

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」。

人坐在哪、机器坐在哪

整条链路上，机器负责把确认过的方向落到每一集、每一场；人在关键节点做确认与审美判断——简报锁版、阵容确认、画风选定、定妆验收、每批意图锁定、提示词审阅、终版 take 择优。

猫斯卡（Maosika）把这套流程固化成了一条从想法到成片的自动生产链，由 18 位数字专家（5 位核心 + 13 位视频制作）对标真实剧组编制协同工作，用户能看到流式工作记录（▸ 角色：动作），像监制看日报，不是黑箱。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。

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。

如果你正在搭自己的 AI 短剧生产流程，可以先读我们关于竖屏短剧剧本工艺的拆解，以及AI 视频一致性问题的机制解法——这两篇是这条流水线在剧本侧和美术侧的展开。

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