AI 竖屏短剧生产全流程拆解：从一个想法到竖屏成片的 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，真正的分水岭不是「能不能出片」，而是有没有一条从想法到成片、每一步都能验收、能回退、能重拍的生产链。下面把这条链路拆成 12 道工序。

为什么大多数 AI 短剧项目卡在「能出 demo，不能交货」

问题很少出在模型本身，而出在流程顺序错了：剧本还没锁就去出图，人物还没定妆就去拍视频，上一场的道具下一场就忘了，集与集之间靠模型「记得」。结果是能剪出一条样片，但做不到连续几十集稳定交付。

工业化的解法是把整条链路拆成有明确交付物的工序，每一道都有「过 / 不过」的判断，不过就不往下走。

下面这套工序，是把一个竖屏短剧想法落到成片的完整路径。

工序总览：12 道，每道都有中间产物

这 12 道不是线性瀑布——第 8 到 12 步会反复循环——但顺序不能乱。先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优，这是被短剧工业反复验证过的质量控制顺序。

前段：立项与剧本——简报不锁，后面全是返工

工序 1–3：从「一个想法」到「锁版简报」

一个想法刚进来时，完整度差异极大：有的只是一句「霸总追妻火葬场」，有的已经带着分集梗概和人物小传。工业化流程不会对两种输入一视同仁。

做法是先给创意做一个 0–100 的完整度评分，按分数分流：

• ≥80 分：维度基本齐全，可跳过大部分引导，直接进入简报。
• 40–79 分：只补缺失的维度，不重复问已经说清的。
• <40 分：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、投放平台与受众逐项问清。

这里的关键是：引导的结论要落成一份可锁版的创意简报，而不是停留在对话里。简报固化的字段包括：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。

创意简报是立项会开完的那张纸。它没锁版，等于剧组没开机仪式就直接拉到片场。

工序 4–5：角色阵容与故事档案

竖屏短剧最容易翻车的不是第一集，而是第十集、第三十集：人物性格漂移、伏线忘了收、上集受的伤下集消失、道具凭空出现又凭空消失。

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、分批剧情纪要、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。

不靠模型记性，靠结构化档案。

角色确认是一道硬门禁：阵容齐全、姓名合法、视觉字段完整、主角与简报对齐——任何一项不过，都不能进入下一阶段。

工序 6：分批剧本写作

几十集的剧本不能一口气写完，也不能一集一集零敲碎打。工业化做法是分批写作，每批数集，每批内部遵循固定节奏：

1. 场戏清单先行：每集先出 Beat Sheet 和集末 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，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。
4. 档案回填：这一批新出场的人物、新埋的伏线、新出现的道具，回填进故事档案，供下一批调取。

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——这些被标记为创作者已确认的硬约束，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，避免写到一半跑偏。

竖屏短剧的写作铁律（这几条是内嵌在生产流程里的，不是建议）：

• 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。
• 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；禁止论文腔与大段旁白解释。

中段：美术与一致性——定妆不完成，不要开拍

工序 7：选定画风

画风不是「选个滤镜」。它决定了人物怎么画、场景怎么画、道具怎么画、视频用什么风格标签。

成熟的流程会内置多套画风手册，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条风格路径，避免「人物是日漫、视频变成写实」的断层。

工序 8：人物 / 场景 / 道具定妆出图

立绘采用两段式工艺：

1. 文本润色：用所选画风的人物手册 + 性别硬规则，把档案里的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。

三条容易被忽略但极关键的纪律：

• 空镜纪律：场景图严禁出现人物，否则后续绑参考时会把「路人甲」当成视觉约束。
• 道具以剧本原始称呼提取：由「道具师」视角按集提取，全剧合并成 catalog，不丢集。
• 内容权威归剧本：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。

后段：拍摄——把剧本切成场块，按场出片

工序 9：本集切场块

剧本不是直接丢给视频模型生成「一整集」。工业化做法是把每集自动切成视频场块，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。

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。这更像剪辑台上的 clip 列表，而不是一镜到底的赌运气。

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。

工序 10：绑定参考图 + 工程化镜头提示词

这是 AI 短剧一致性的核心机制。每场自动构建一张参考素材表，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。

最高优先级的约束只有一句话，值得贴在显示器上：

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 视频最经典的翻车：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、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。

参考图齐套后，进入镜头提示词撰写。成熟的工程化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。几条硬规范：

• 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（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 （）。

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。

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。

工序 11：多模态出片

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。

默认交付形态是 9:16 竖屏，不是事后横裁竖——这一点对投流短剧是硬要求。

出片时不重新发明提示词：系统用的是创作者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，有几件事必须做到位：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。

工序 12：审片与重拍

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，而不是一个自动打分择优的魔法按钮。

不满意时，有三种典型改法：

1. 改词重拍：调整镜头提示词里的动作、运镜、光影，再生成新 take。
2. 换图重拍：替换人物 / 场景 / 道具参考图，或调整绑定关系。
3. 换档重拍：切换模型档位、分辨率、时长，平衡质量与成本。

这条流程的诚实边界

在把整条链路讲清楚之后，有七件事必须主动说清楚——它们不是缺陷，是边界：

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。
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」。

这套工艺在哪个产品里被固化了

上面这条从想法到成片的 12 道工序，正是 猫斯卡（Maosika，https://www.maosika.com ）固化下来的生产链。猫斯卡的定位是 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。

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。链路里有 18 位对标真实剧组编制的数字专家（5 位核心专家 + 13 位视频制作专家），用户能看到流式工作记录，像监制看日报，不是黑箱。

需要强调的是：猫斯卡不适合只想「按一下出爆款」的团队。它适合的是已经在做、或准备认真做竖屏短剧，想把重复、易漂移、易失控的部分变成可约束流水线，同时把审美判断留在人这边的承制方、编剧、导演和 MCN。

如果你正准备启动一个 AI 竖屏短剧项目，可以从 AI 竖屏短剧生产全流程 开始，按上面 12 道工序逐项对齐自己的团队分工。

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