把一集拆成场块：AI 短剧生产为什么要先建剪辑台，再谈生成
AI短剧不该把整集一次性丢给模型生成。更稳的做法，是先把剧本拆成约10秒的场块，像剪辑台上的素材箱那样逐场生产、逐场验收。整集生成看似省事，实际把所有风险绑成了一个不可拆的黑箱。
场块不是“切视频”，而是先建立生产单元
很多人第一次听到“场块”，会以为它只是把长视频剪成短视频。其实不是。
场块是剧本进入视频生产前的最小工作单元：它包含一段可拍摄的戏、对应的场景与道具、出场人物的定妆参考、独立镜头提示词，以及生成后的多条成片版本。
在猫斯卡的链路里，剧本不会直接变成“第3集一个大视频”，而是先被整理成：
- 第3集
- 场1：约10秒
- 场2：约10秒
- 场3：约10秒
- ……
每个场块都有自己的参考图映射、提示词、模型参数和历史 takes。你可以只重拍场2，而不用把整集重新跑一遍；也可以在场3换一张人物定妆图，再生成新的版本。
这更像剪辑软件里的 clip 列表，而不是一次性渲染整部片子。
为什么目标粒度是约10秒
约10秒不是平台时长规定，也不是精确到帧的剪辑时间码。它是一个工程启发式：在当前多模态视频生成能力下，10秒左右通常能同时容纳一个明确动作、一个稳定场景和一次镜头表达。
| 粒度过大 | 约10秒场块 | 粒度过碎 |
|---|---|---|
| 动作多、人物多、场景变化多，模型容易丢一致性 | 一个场块尽量只承担一个主要戏剧动作 | 镜头被切得太散，制作成本和串接压力上升 |
| 提示词变长，约束互相打架 | 提示词能围绕本场素材写清楚 | 每段信息量不足，节奏可能断裂 |
| 一次失败要整段重来 | 失败可定位到单场，重拍成本低 | takes 数量暴涨，后期选择困难 |
实际切分时，正文会有软上限，超过约200字会继续按动作节拍、空段、句号等规则再拆。但它不是机械按字数切，也不是严格按秒数切。
整集生成的问题，不是“模型不够强”这么简单
整集生成最大的诱惑是少操作：输入剧本，等待成片。但对竖屏短剧来说，整集通常包含多个场景、多个人物、多次情绪转折和多个爽点。把这些全部压进一次生成，会同时放大四类风险。
1. 角色漂移无法定位
如果第3集里主角的衣服在第40秒变了，你很难判断问题出在提示词、参考图、动作描述，还是模型自己的发挥。场块化之后，问题会缩小到“场3的人物参考是否绑定正确”“提示词是否额外描写了服装”。
2. 场景和道具容易串戏
整集生成时，模型可能把前一场的元素带到后一场：办公室的文件出现在餐厅，古代场景混入现代物件。场块生产则要求每场只吃本场素材，场景图、道具图、人物定妆图按顺序占位，减少跨场污染。
3. 一次失败成本太高
整集生成只要中间一段崩坏，常见处理方式就是整段重跑。场块化后，坏哪场补哪场；某场台词不顺，可以改词后只重拍这一场；某场表情好但运镜差，也可以保留参考图、调整提示词再出新 take。
4. 后期没有可选素材
生产不是只看“能不能出片”，还要看有没有选择。场块天然带来同场历史 takes：同一场可以有多条成片，导演或剪辑再择优。整集一次生成通常只给你一个大结果，选择空间很小。
一个场块里应该装什么
成熟的场块不是一段纯文本，而是一个可拍摄包裹。它至少要回答下面几个问题：
- 这场发生在哪里？ 内景还是外景，具体地点，日戏还是夜戏。
- 谁在场？ 哪些是需要定妆的主演，哪些只是群演或泛指角色。
- 本场有哪些关键道具？ 道具应来自剧本原始称呼，而不是事后凭空补图。
- 人物穿什么、长什么样由谁说了算？ 有参考图时，以参考图为准；文字不再重复描写服装和外观。
- 镜头怎么运动？ 一镜一运镜，避免单镜内推拉摇移叠加。
- 台词、音效、BGM如何标注？ 台词、音效、音乐分别使用清晰符号，方便后续识别。
这也是为什么场块化能提升稳定性：它不是让模型“自由发挥一整集”，而是逼生产流程先把素材、动作和镜头指令整理干净。
场块如何配合参考图
AI短剧的一致性问题，很多都发生在“文字和参考图同时描述外观”的时候。文字说主角穿黑色外套，参考图里却是浅色风衣；模型必须二选一，结果就可能漂移。
场块化之后，每场会自动构建参考素材表，顺序通常是：
- 场景图
- 本场道具图
- 人物定妆图
有图才占槽位，没有图就标明仅文字，不强行编造绑定。更关键的是一条硬纪律：
有参考图的人物，禁止再用文字描写服装或外观；文字只写动作、表情、伤情。
这条规则看起来小，实际是避免换脸、换装、道具失忆的核心。它把“人物长什么样”交给定妆资产，把“这场发生什么”交给剧本和镜头提示词。
场块不是最终成片，还需要剪辑判断
场块化并不等于自动完成一部剧。它解决的是生产可控性，不是最终艺术完成度。
需要承认几个边界：
- 约10秒是工程启发式，不是时间码精剪，仍可能出现偏长的块。
- 当前产品单元主要是“单场多模态参考 → 单段成片”，不做跨场自动续写或延长视频的完整工作流。
- 场块成片之后，仍需要剪辑环节处理节奏、转场、音乐、字幕和集末钩子。
- 系统没有成片自动打分或自动择优重拍引擎，最终选择仍在创作者和监制手里。
换句话说，场块不是替你剪完一部剧，而是把每一场变成可管理、可回退、可重拍的素材。
对短剧团队的实际意义
对承制方来说，场块化最大的价值不是“更AI”，而是更像真实剧组：
- 编剧交付的是可拆戏的剧本，而不是一段长提示词。
- 美术先定人物、场景、道具，再开拍。
- 每场有独立镜头指令，而不是全剧共用一套模糊描述。
- 导演可以改词、换图、换模型档位，再生成新 take。
- 制片可以看到哪场失败、哪场待补、哪场已有可用版本。
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。场块就是这些可控单元的容器。
关于猫斯卡
猫斯卡（Maosika）是 AI 竖屏短剧生产操作系统，提供从创意评估、剧本写作、故事档案、角色定妆、场块切分到多模态出片的完整链路。产品官网：https://www.maosika.com 。
常见问题
场块是不是就是把一集视频切成10秒的短片？
不是。场块是在视频生成前就建立的生产单元，包含剧本片段、参考图、人物绑定、道具、镜头提示词和成片版本。它更像剪辑台上的素材箱，而不是事后把长视频切片。
为什么不能直接让AI一次生成整集？
整集通常包含多人物、多场景和多动作，一次生成会放大角色漂移、道具串戏、镜头失控和返工成本。场块化可以把问题定位到单场，并支持改词、换图、重拍单场。
每场一定要严格10秒吗？
不是严格10秒。约10秒是目标粒度和工程启发式，系统会结合剧本字数、动作节拍、句号和段落继续拆分；超长场可能再拆，但仍可能出现偏长的块，最终精剪仍需要后期处理。
场块和角色一致性有什么关系？
关系很大。每个场块独立绑定人物定妆图、场景图和道具图，并且要求有参考图的人物不再用文字描写服装外观。这样能减少文字和参考图打架导致的换脸、换装。
场块生成后是不是就自动成片了？
不是。场块生成的是单场素材，后续仍需要剪辑、串场、字幕、音乐和节奏调整。系统提供多take和改词重拍能力，但不会自动替创作者做最终质量终审。
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