AI短剧从0到1：先搞懂这是一门”工业”，不是一场”创作”
先讲一个很扎心的现象。很多人第一次尝试AI短剧，都是从”我有一个特别好的故事”开始的。写了三千字的剧本大纲，设计了七八个性格鲜明的人物，甚至想好了片尾曲。然后打开绘画工具，生成第一张图——脸崩了；换一个模型，风格跑了；凑齐二十张图，人物一会儿是二十岁一会儿是四十岁；再丢进视频工具，人物的嘴在自己动，眼睛在往两边飘。三天过去，产出三十秒素材，能用的不到五秒。第四天，就放弃了。
问题不在于工具不好用，也不在于你没有才华。问题在于把一件工业化的事，当成了一件手工艺的事来做。
AI短剧的本质是什么？说穿了，它是一种”快消品”，不是”艺术品”。观众在电梯里刷到，前3秒不抓人就划走，90秒看完，爽到了点个赞，不爽就骂一句划过去。没有人会在意你的分镜有多讲究、你的台词有多文学性、你的镜头语言有多高级。他们只在意一件事：这90秒里，有没有让我情绪起伏。
既然是快消品，就应该用快消品的做法来做：标准化、可复制、可批量、可迭代。这也就是所谓的工业化思维。一条流水线跑通之后，你的第二集应该比第一集快三倍，第十集应该比第二集快五倍。如果你做第十集还在为”这个人物怎么保证长得一样”发愁，说明你的流程没有沉淀下来。
这篇文章要讲的，就是这样一条流水线。AI短剧的完整制作流程，可以拆成七步：选题与剧本、人物设定与角色卡、分镜脚本、画面生成、图生视频与运镜、配音音效、剪辑成片与发布复盘。七步听起来多，但每一步都有明确的输入、输出和判断标准。这套是完整的制作流程，七步走完，你就拥有了一条可以反复跑的产线。
先给一个全局认知：在动手之前，把下面这张表看三遍。它告诉你，AI短剧和传统短剧之间，差的到底是什么。
AI短剧 vs 传统短剧：差的不是技术，是整套生产关系
很多人以为AI短剧只是”用AI代替了拍摄”，这个理解太浅了。真正的差别在于，它把一部短剧的生产要素从”人、场地、设备、时间”换成了”提示词、模型额度、资产库、流程规范”。生产要素变了，整个生产关系就要重排。
成本结构与周期结构的变化
传统真人短剧，一部戏要凑齐导演、编剧、摄影、灯光、服化道、演员、场记、后期，开一次机就是一笔固定支出。哪怕只拍三分钟，也要按”剧组”的模式运转，成本的大头是”把这些人凑到一起”这件事本身。这也是为什么传统短剧的试错成本极高——你不敢轻易拍一个不确定的题材，因为一旦错了，损失的不是时间，是真金白银。
AI短剧不一样。它的成本结构是”轻固定 + 重变动”。你不需要剧组，不需要场地，不需要演员，固定成本几乎为零；变动成本主要是模型调用额度、算力时间和你自己的工时。这意味着什么？意味着试错变得极其便宜。你可以一周内同时跑三个题材的第一集，看数据反馈决定加码哪个，砍掉哪个。这种”小步快跑、多点试错”的能力，是传统模式很难具备的。
下面这张表，把两种模式做一个横向对照。注意，这里的成本指的是”相对量级”和”结构差异”，不涉及具体金额——因为不同团队、不同地区、不同平台的差异太大，任何给出绝对数字的说法都不值得信。
| 对比维度 | 传统真人短剧 | AI短剧 |
|---|---|---|
| 核心生产要素 | 人（演员、剧组）、场地、设备、服化道 | 提示词、模型额度、角色资产库、流程规范 |
| 固定成本 | 高：开机即有固定支出，与片长关系不大 | 极低：无剧组、无场地、无演员 |
| 变动成本 | 按天/按场计，随拍摄量线性增长 | 按调用次数/算力计，随素材量与重生成率增长 |
| 单集制作周期 | 筹备 + 拍摄 + 后期，多环节串行 | 七步串行，但每步可并行处理多集素材 |
| 试错成本 | 高：一个题材错了，损失整组投入 | 低：可低成本并行验证多个题材 |
| 一致性控制 | 天然一致：同一演员、同一场景 | 需人工锁定：角色卡、权重、场景基准图 |
| 最大瓶颈 | 资金、档期、场景协调 | 人物一致性、动作自然度、镜头衔接 |
| 能力门槛 | 资源整合能力、剧组管理能力 | 审美判断力、提示词工程、流程管理能力 |
| 规模化的关键 | 资金与靠谱团队 | 模板沉淀与资产复用 |
AI短剧真正难的地方在哪里
看完上面这张表，你可能会觉得AI短剧简直是降维打击。别急，它也有自己的”死穴”。
死穴一：一致性
真人拍摄，只要请的是同一个演员，脸就永远是那张脸。AI生成，同一个”人”在两帧画面之间可能变成另一个人。这是AI短剧最大的技术天花板，也是几乎所有新手卡在第三集的原因。解决办法只有一条：把人物”资产化”——用角色三视图 + 角色卡把人物锁死，每一张图都基于同一套参考生成。后面第三节会详细讲。
死穴二：动作
静态图好看不难，难的是让它”合理地动起来”。真实世界的动作是连续的、有重量的、有惯性的；AI生成的视频很容易”飘”——人物走路像滑行，抬手像橡皮筋，说话嘴型对不上。这里有一个非常反直觉的结论：在AI短剧里，克制比炫技重要得多。把运动幅度压到很小，让画面几乎是”静止里带一点呼吸感”，成片质量会突然提升一个档次。后面会给出具体参数。
死穴三：叙事密度
真人短剧有大量”无意识的说服力”：演员的表情、肢体的微动、背景的真实质感，都在替剧情说服观众。AI画面没有这些，所以一切信息都必须靠台词、字幕和强冲突的镜头设计来硬塞。这就决定了AI短剧的脚本必须比真人短剧更”硬”，更直给，更没有喘息的余地。
理解了这三点，你就不会再用”艺术创作”的心态去做AI短剧了。你会像一个工头一样，盯着流水线上的每一道工序，检查它有没有达标。
核心观点：短剧是快消品不是艺术品。判断一条AI短剧好不好，不看它有多美，看它有多”抓人”。所有工序的唯一目的，是让观众在前3秒停下手指，在90秒内不走开。
第零步：动手之前，先给自己定三条铁律
在进入七步流程之前，有三条铁律必须先立住，否则后面每一步都会走歪。
铁律一：前3秒决定80%的命运
这句话值得刻在墙上。在所有短视频平台上，前3秒的跳出率是所有指标里最重要的一个——重要到它几乎决定了后面所有努力的价值。一个残酷的事实是：你的第2秒到第90秒再精彩，如果观众没撑过前3秒，那些精彩就等于不存在。
所以，AI短剧的创作逻辑必须倒过来：先设计前3秒，再写整集。一集90秒的戏，前3秒就要把最强的冲突扔到观众脸上——不是”在一个寒冷的冬夜”，而是直接”你为了这个男人，亲手害死了我全家”。不要铺垫，不要交代背景，背景放到后面用闪回补。
铁律二：单集是一个完整的小闭环
短剧的”集”不是连续剧的一集，它更像一条独立的短视频。每一集都必须有开头、冲突、反转或爽点、结尾钩子。观众从任何一集刷进来，都应该能看懂、能爽到、能被勾住。这意味着不要用电视剧的思维做分集。
铁律三：所有产出都要能沉淀为资产
这是工业化思维的核心。你写的每一个提示词、每一次成功生成的角色图、每一张场景基准图、每一个调好的配音音色，都不是”用完就扔”的消耗品，而是可以复用的资产。提示词库越攒越厚，人设卡越攒越准，你的第十部戏会比第一部轻松十倍。这就是复利。
第一步：选题与剧本——先把”爽点”写死在纸上
选题是整部戏的地基。地基歪了，后面所有工序都是白费。AI短剧的选题逻辑和传统内容完全不一样：不是你想讲什么，而是观众想爽什么。
题材选择：优先三大爽感母体
在AI短剧的赛道里，经过大量验证的题材主要集中在三类，它们有一个共同特征——天然带强冲突，不需要复杂的世界观铺垫。
1. 古风甜宠
王爷 × 罪臣之女、将军 × 小医女、权臣 × 亡国公主。这类题材的优势是视觉上限极高：AI生成古风画面的质感、构图、服饰细节都容易出彩，而且观众对”氛围感”的容忍度高，对动作自然度的要求相对低。缺点是同质化严重，需要在人物关系上做差异化。
2. 穿越逆袭
现代社畜穿越成废柴嫡女、现代医生穿越成冷宫弃妃。这是”爽感最直给”的一类：主角知道未来，可以精准打脸。AI做这类题材最大的优势是场景成本几乎为零——现代办公室、古代宫廷、现代医院、古代药房，全都可以生成，不需要实地。
3. 权谋复仇
重生复仇、家族清算、隐忍多年后的绝地反击。这类题材的钩子最强，前3秒极其好设计。缺点是对台词要求高，台词撑不起来，就会变成”两个人在互相念课文”。
怎么选？给你一个简单的判断公式
如果你是新手上路，建议用这个顺序：先做古风甜宠或穿越逆袭中的一个，把流程跑通，再做权谋复仇。理由很实际——古风甜宠和穿越逆袭对”动作自然度”的要求最低，大量的戏可以靠”对视、特写、慢推镜头”完成，非常适合用静态图微动的方式做。权谋复仇的戏份多在对话和情绪对峙，需要更多的镜头切换和面部表情，对一致性要求更高，适合有一定经验之后再做。
单集结构：60-90秒，8-15个镜头
这个参数是经验值，不是随便定的。为什么是60-90秒？因为多数平台的推荐流里，这个长度是”完播率”和”信息量”的最佳平衡点。太短，讲不完一个冲突；太长，完播率掉得厉害。为什么是8-15个镜头？因为按每个镜头2-4秒计算，8-15个镜头正好覆盖60-90秒；镜头太少，画面会停滞；镜头太多，每个镜头不到2秒，观众会觉得”闪得慌”，而且你的工作量会翻倍。
一集90秒的结构，可以这样分配：
| 时间区间 | 叙事功能 | 镜头数 | 写作要点 |
|---|---|---|---|
| 0-3秒 | 强冲突钩子 | 1-2个 | 直接抛最狠的一句话或最惨的画面，不交代任何背景 |
| 3-15秒 | 情境建立 | 2-3个 | 快速交代”谁、在哪、和谁对立”，用闪回带背景 |
| 15-55秒 | 冲突升级 | 3-6个 | 反派施压 → 主角隐忍 → 压力叠加，情绪持续升温 |
| 55-80秒 | 反转 / 爽点 | 2-3个 | 主角亮底牌，打脸，情绪释放，全片最高潮 |
| 80-90秒 | 悬念钩子 | 1个 | 一句话或一个画面，把观众推向下一集 |
剧本提示词：可直接复制的模板
写剧本不要对着空白页硬憋。正确的做法是：用一条结构化的提示词，让模型按格式产出。下面这条模板可以直接复制到对话类模型里使用，把括号里的内容替换成你自己的设定即可。
你是一位擅长竖屏短剧的编剧。请为我创作一集AI短剧的剧本。
【题材】古风甜宠 / 穿越逆袭 / 权谋复仇（三选一）
【核心冲突】（例如：罪臣之女被未婚夫当众退婚）
【情绪基调】（例如：隐忍 → 屈辱 → 反转打脸的爽感）
【主角设定】姓名、身份、最想要什么、最怕失去什么
【反派设定】姓名、身份、压主角的具体手段
【时长】90秒，共10个镜头左右
【输出格式】按镜头表输出，每个镜头包含以下五项：
1. 镜头编号（S01、S02……）
2. 场景信息（地点 + 时间 + 天气/光线）
3. 画面描述（写清楚画面里有什么、谁在做什么动作、表情如何，不要写摄影术语）
4. 人物台词（每句不超过18个字，口语化，禁止书面语长句）
5. 镜头景别（远景/全景/中景/近景/特写，需交替使用）
【硬性要求】
1. 第1个镜头必须是强冲突钩子，第一句台词就要让人停下来
2. 台词必须口语化，允许有短促的怼人句，禁止大段独白
3. 全片不能有超过3秒的"无人说话"镜头
4. 最后一个镜头必须是悬念，让观众想看下一集
5. 所有场景尽量控制在3个以内，减少场景切换成本
6. 画面描述要能被直接拿去生成图片，禁止出现"运镜""景深""蒙太奇"等术语
请先输出镜头表，再输出一段100字以内的"本集钩子说明"，解释为什么前3秒能抓住人。剧本阶段的三个常见坑
坑一：台词太长
新手写剧本，一句话能写四十个字。放到竖屏上，字幕要占三行，观众还没读完就划走了。硬性标准：每句台词不超过18个字。写完之后自己念一遍，念着别扭的就是不合格。
坑二：场景太多
一集90秒，用了七个场景。意味着你要为七个场景分别做基准图、分别调风格、分别保证光线一致，工作量直接翻倍，一致性还容易崩。一集控制在3个场景以内，能用对话解决的，不要换场地。
坑三：前3秒在铺垫
这是最致命的一个。很多剧本第一镜是”繁华的汴京街头，人来人往”，然后才慢慢切入故事。错。第一镜就应该是”她跪在雪地里，面前是刚被撕碎的婚书”。先给观众一巴掌，他才会坐下来听你讲故事。
第二步：人物设定与角色卡——把”脸”焊死
这一步是整条制作流程里技术含量最高、也最容易被跳过的一步。几乎所有”第三集人物变成另一个人”的惨案，都是因为在这一步偷了懒。
为什么必须先做角色卡
AI生成模型的工作方式是”根据描述重新画一张”——它没有记忆。你不给它参考，它每次都会自由发挥。你描述”白衣女子，长发，清冷”，第一次画出来是鹅蛋脸细眉，第二次就变成一个圆脸大眼睛的姑娘。两次单独看都好看，放在一起就像换了个演员。
角色卡的思路，是把”这个人长什么样”从一段文字描述，变成一组可以反复喂给模型的视觉参考。模型有了这组参考，就不会自由发挥，而是”照着这个人再画一张”。
角色三视图：先把这个人的”标准照”做出来
在生成任何剧照之前，先用一个稳定的模型，为一个角色生成一张三视图——同一人物的正面、侧面、背面，并排放在同一张图里，统一光线、统一服装、统一发型。这张图就是这个人物的”身份证”。
做三视图的几个实操要点：
要点一：把五官特征写成一段固定的”标签串”
不要用”很美””很漂亮”这种模糊词。要写成具体的：鹅蛋脸、柳叶眉、杏眼、鼻梁挺直、唇形小巧、肤色白皙、黑长直发、发髻高挽插一支素银簪。这段描述要一个字不改地用在每一次生成里，它是这个人物的”DNA”。
要点二：服装也要锁死
同一集里，主角穿什么衣服要在角色卡上写清楚：月白色交领襦裙，袖口绣细密云纹，腰间系青色绦带。不同集可以换装，但同一集内不要乱换。换装越多，一致性越难保证，观众也越容易出戏。
要点三：三视图要做两个版本
一个中性表情版，一个情绪版（比如微蹙眉、眼含泪）。中性版用来做参考，情绪版用来告诉模型”这个人的哭长什么样”。后者在关键情绪戏里非常有用。
参考权重：0.6-0.7 是黄金区间
有了参考图之后，生成时会有一个”参考权重”参数——它控制模型多大程度上照着参考图来画。这个参数非常关键，也是最容易调错的地方。
| 权重区间 | 实际效果 | 适用场景 |
|---|---|---|
| 低于 0.5 | 参考几乎不起作用，人物脸型、五官都容易跑偏，”像但不完全像” | 不建议使用，除非要做”换装变装”效果 |
| 0.6 – 0.7 | 五官、脸型、气质都能稳定保住，同时给模型留出表演空间（表情、角度、姿势可以自由发挥） | 黄金区间，绝大多数镜头都用这一档 |
| 0.75 – 0.85 | 脸很稳，但表情会变僵硬，姿势容易被参考图”拽回去”，画面容易”面瘫” | 需要极高一致性的特写镜头，或人物多集连续出场的”定妆”镜头 |
| 高于 0.9 | 画面几乎是参考图的重绘，人物像蜡像，动作和角度会变得非常受限 | 一般不用 |
实操经验：先用0.65跑一张，如果脸还是不稳，往上调到0.7；如果表情太僵，往下调到0.6。不要一次调太多，每次动0.05。另外要记住，权重和描述词是一对搭档——权重高的时候，描述词里的”表情”部分要写得更强，否则模型会忽略。
场景基准图：让同一个地方”每次都是同一个地方”
人物要锁，场景也要锁。剧本里三个场景，就先为每个场景生成一张全景基准图——把这个地方的建筑风格、色调、光线方向、关键陈设都定下来。之后所有在这个场景里发生的镜头，都基于这张基准图去生成。
基准图的四个要点：
1. 一定要有一张”大全景”
大全景交代空间关系：门在哪、窗在哪、主角坐在哪。后面的中景近景，都从这张大全景里”切”出来。没有大全景，你后面每个镜头都是凭想象生成的，空间关系会乱。
2. 色温要写死在提示词里
同一个房间，上午是冷白光，下午是暖黄光，晚上是烛光——如果你不写死，模型会在三个镜头里给你三种完全不同的光线，剪起来像换了三个房间。建议在场景提示词里固定一句：画面主色调为冷灰蓝，光源来自左侧窗棂，柔和自然光，无强烈阴影。
3. 关键陈设要”点名”
如果剧情里有一个”碎掉的玉佩”或者”染血的裙角”是关键道具，那它必须在基准图里就有位置，否则后面特写时模型会瞎编一个。
4. 把场景图和人物图分开生成，再合成
最稳的做法不是一句话生成”某人在某地”，而是先生成空场景，再把人物放进去。后者一致性高得多，也方便后面重复使用同一场景换不同人物。
资产库要这样建
从第一部戏开始，就建一个文件夹结构，所有资产分门别类存好：
短剧资产库/
├── 01_剧本/
│ ├── 剧本模板.txt
│ └── 第01集_剧本.md
├── 02_角色卡/
│ ├── 女主_柳如烟/
│ │ ├── 三视图_中性.png
│ │ ├── 三视图_情绪.png
│ │ ├── 角色卡.txt（五官标签串 + 服装串 + 权重记录）
│ │ └── 参考图/
│ └── 男主_萧景珩/
├── 03_场景库/
│ ├── 雪夜庭院_大全景.png
│ ├── 雪夜庭院_中景.png
│ └── 场景提示词.txt
├── 04_分镜表/
│ └── 第01集_分镜表.csv
├── 05_原始画面/
├── 06_视频片段/
├── 07_配音/
├── 08_成片/
└── 09_发布记录/
└── 发布复盘表.csv这个结构看起来麻烦，但一旦建起来，你做第二部戏的时候，可以直接把”角色卡格式”和”场景提示词”复制过去改名字，省下来的时间是指数级的。
第三步：分镜脚本——把剧本翻译成”能生成的画面”
很多人以为分镜是”画出来”的，其实在AI短剧里，分镜的主要形态是一张表格。它的作用是：把剧本里的文字，翻译成模型的”语言”——画面描述、景别、时长、参考图。这一步做好了，后面生成画面就是”照着表格填”。
分镜表五要素
一张合格的分镜表，每个镜头必须包含五项信息，缺一不可：
1. 镜头编号
用 S01、S02 这样的格式，和剧本的镜头号一一对应。后期剪辑的时候，可以直接按编号找素材，不会乱。
2. 场景信息
地点 + 时间 + 光线/天气。写清楚”雪夜庭院 / 亥时 / 冷月清光”。场景信息的作用不仅是给观众交代，更重要的是给模型定色调。
3. 画面描述
这是最重要的一栏。写清楚三件事：画面里有什么（人物 + 环境）、人物在做什么（动作 + 姿态）、人物什么表情。不要写”气氛很压抑”这种主观词，要写”她跪在雪地里，双手撑着地面，头低垂，肩膀微颤”。
4. 人物台词
和剧本一致，但要标清楚是谁说的。后期配音时要按人物分轨，所以分镜阶段就要写明白”女主：””男主：””旁白：”。
5. 镜头景别
远景 / 全景 / 中景 / 近景 / 特写。这一栏不是摆设——它决定了这个镜头应该用什么生成方式、运动幅度多大、时长多长。
景别交替：最容易被忽视的节奏武器
新手分镜的通病是：连续五个镜头都是中景正面人物。剪出来像PPT翻页，观众三秒就腻了。景别交替是制造节奏感最便宜的手段，原则是：
远景 / 全景：交代空间，制造压迫感
人物在画面里很小，环境占比大。适合开场交代场景、结尾留白、表现主角的孤立无援。AI生成远景特别出彩——因为脸小，一致性压力小；而且远景的构图美是AI的强项。建议每集至少放1-2个远景或全景。
中景：交代动作，是叙事的骨架
人物从腰部以上，能同时看到表情和手部动作。适合对话、行礼、递东西。这是用得最多的一档，但不要连用超过两个。
近景：情绪的主体
胸部以上。适合表现隐忍、冷笑、欲言又止。这是”表演”最集中的景别，也是观众共情的入口。关键情绪点一定要用近景。
特写：情绪的爆点
脸部局部、眼睛、手、嘴角、道具。特写是用来”钉住情绪”的：一句狠话说完，直接给一个眼睛的特写，情绪就钉死了。每集2-3个特写足矣，多了反而失效。
一个简单好用的规律：远景 → 中景 → 近景 → 特写 → 全景，情绪推上去，再拉回来。就像呼吸，有进有出。
分镜表格模板：可直接复制到表格软件
下面这个模板，可以复制到 Excel、WPS 或任何表格工具里，直接用逗号分隔导入。前两行是示例，后面照着加行即可。
镜头编号,场景信息,画面描述,人物台词,景别,时长(秒),参考图,运动方式,运动幅度,备注
S01,雪夜庭院/亥时/冷月清光,她跪在雪地里，面前是被撕碎的婚书碎片，双手撑地，头低垂，睫毛挂雪，肩膀微颤,无,全景,3,场景_雪夜庭院_大全景,缓慢推镜,0.2,开场钩子
S02,雪夜庭院/亥时/冷月清光,她的脸部特写，眼眶通红，牙关紧咬，一滴泪悬在下睫,女主：我柳如烟——今日以雪为誓。,特写,3,角色_女主_情绪版,无运动,0,情绪钉子
S03,正厅/子时/烛光摇曳,萧景珩立于厅中，背对门口，手中捏着一枚玉佩，指节发白,男主：她若不来求饶，明日便退婚。,中景,2.5,角色_男主_中性版,轻微摇镜,0.15,反派施压
S04,正厅/子时/烛光摇曳,柳如烟推门而入，风雪涌入，她衣角带雪，眼神平静，直视前方,女主：不必明日。今夜就断。,近景,3,角色_女主_中性版,横移,0.2,反转铺垫
S05,正厅/子时/烛光摇曳,萧景珩猛然回头，玉佩从指间滑落，脸上是不可置信,男主：你——,中景,2,角色_男主_情绪版,无运动,0,反应镜头分镜阶段的踩坑经验
坑一：画面描述写成了”文学描写”
“她心中千回百转，往事如潮水般涌来”——这种句子模型没法画。要翻译成可见的动作或表情：”她低头，手指攥紧衣袖，指节发白”。所有写进画面描述的东西，都必须是”能被看见的”。
坑二：镜头数量和时长的乘法没算对
每个镜头2-4秒，10个镜头就是20-40秒；如果你想要90秒的成片，至少要12-15个镜头。先把总时长除以平均镜头数，倒推出需要的镜头数量，再写分镜。很多人写完分镜才发现只有50秒，临时加塞，导致节奏乱掉。
坑三：忽视了”音画同步”
一段台词要念3秒，那这个镜头的画面至少要3秒，最好3.5秒，给剪辑留余量。先配音，再定镜头时长，比反过来更稳。所以实际工作中，可以把第五步的配音提前到分镜之后、画面生成之前做，这样每一步的时长都是准的。
第四步：画面生成——把模板当”填空题”做
到了这一步，你终于要打开画图工具了。但别急着”想怎么画怎么画”，正确的姿势是：拿着分镜表，一个一个镜头往下填。每一格的画面描述，加上对应的角色卡和场景基准图，组合成一条生成提示词。
提示词的标准结构
一条稳定的画面提示词，建议固定成下面这个顺序。顺序不重要，但一致性重要——每次都用同一个结构，你才能判断”到底是哪一部分出了问题”。
【主体】+【外貌/服装标签串】+【动作与表情】+【场景描述】+【构图与景别】+【光线与色调】+【风格/画质】
示例：
一位身穿月白色交领襦裙的年轻女子，鹅蛋脸，柳叶眉，杏眼，黑长直发，发髻高挽插一支素银簪，
跪在积雪的庭院中，双手撑地，头低垂，睫毛上挂着雪粒，肩膀微微发颤，
身后是一座古宅的朱红门扉，门楣上悬着褪色的灯笼，远处是暗青色屋檐轮廓，
全景构图，人物位于画面下方三分之一处，
冷灰蓝色调，月光从画面上方斜射，雪地反射微光，
工笔国风插画质感，细节丰富，竖屏9:16注意，这个结构里没有”运镜””景深””焦距”这些摄影术语。这是因为画面生成只负责”这一刻定格长什么样”，运动是下一步的事。混在一起写，模型会理解混乱。
生成顺序：先难后易，先主后次
一个非常实用的建议：先把最难的那个镜头做出来，再回头做容易的。比如一集里有一个”两人同框对视”的镜头，这是最难的一致性关卡，先攻下它，你就知道这一集的一致性上限在哪。如果连这个都过不了，及时调整策略，比做完十个镜头才发现不行要好得多。
另一个建议是先做特写和近景，再做全景。因为特写和近景对脸的要求最高，先把脸定了，后面才好对齐。
负面词清单：可直接复制使用
几乎所有的画面生成工具都支持”负面提示词”。它的作用是告诉模型”不要出现这些东西”。这份清单可以按”画质类 / 人物类 / 场景类 / 风格类”四组，直接复制粘贴：
【画质类】
低分辨率，模糊，噪点，涂抹感，过度锐化，压缩失真，水彩溢出，线条断裂，色块不连贯
【人物类】
多余的手指，六指，断肢，畸形手，关节反转，五官扭曲，脸部左右不对称，
眼睛大小不一，瞳孔异常，斗鸡眼，牙齿错位，多颗牙，耳朵变形，脖子过长，
双头，多臂，身体比例失调，人物融进背景，脸部重复，人群面部堆叠
【场景类】
透视错误，建筑倒塌，家具悬空，倒影方向错误，光线方向矛盾，阴影混乱，
文字乱码，招牌文字可读，画面上出现水印，画面上出现logo，现代物品混入古代场景
【风格类】
3D渲染感，塑料质感，过度磨皮，网红滤镜感，卡通廉价感，过度饱和，恐怖诡异，
血腥，暴力，裸露，真人照片感过强（避免与实际人物相似）批量生成的三个提效技巧
技巧一：用”同一种子 + 微调描述”做变体
如果一次生成的构图不错但表情不对，不要整条重来。保留种子值，只改表情部分——”眼神空洞”改成”眼眶泛红”。这样构图和光线都能保住，你只需要挑表情。
技巧二：一次一个维度
每次重生成，只改一个地方。同时改三个地方，你不知道是哪个起了作用，也无法复现成功的那一次。一张好图，是”二十次单变量调优”调出来的，不是”运气”生成的。
技巧三：好图立刻存进资产库
某一集里用不到的图，可能在下一集里刚好合适。每生成一批图，花两分钟把”过了但没用上”的挑出来，放进资产库的对应文件夹。三个月后，你会发现你的”成片素材”里有一大半是”存货”。
画面生成的判断标准
一张图要不要”过”，用三个问题判断：
第一，像不像这个人？和角色卡对比，五官、脸型、气质对不对。第二，有没有畸变？重点看手指、眼睛、耳朵、脖子。手指最容易出问题，一定要放大检查。第三，情绪对不对？这张图单独拿出来，能不能让一个没看剧本的人感受到”她很难过”？三个问题都过了，才进入下一步。
第五步：图生视频与运镜——克制，克制，再克制
这一步是新手翻车率最高的，原因只有一个：贪心。看到”画面动起来了”就兴奋，恨不得让人物跑起来、镜头转起来、花瓣飘满屏。结果就是：脸崩、手糊、背景变形，成片像个灾难现场。
核心参数：运动幅度 0.2 – 0.3
先把这句话记住：运动幅度控制在0.2到0.3之间，超过0.4极易崩脸变形。这不是玄学，而是模型的工作机制决定的——视频生成模型需要在多帧之间保持人物的一致性，运动越大，帧与帧之间需要”猜”的信息越多，”猜错”的概率就越大。
| 运动幅度 | 实际效果 | 推荐用法 |
|---|---|---|
| 0 – 0.15 | 几乎静止，微弱呼吸感，人物极稳 | 特写、关键台词镜头、情绪钉子 |
| 0.2 – 0.3 | 轻微转头、眨眼、衣角飘动、光影变幻，稳定性好 | 主用区间，80%的镜头都用这一档 |
| 0.35 – 0.4 | 能做出明显动作，但面部开始不稳定，手部容易变形 | 远景、全景中的非主角动作 |
| 0.45 以上 | 崩溃高发：脸变人、手变爪、背景融化 | 不使用 |
时长统一 2-4 秒
单个视频片段的时长，统一控制在2到4秒。为什么这么短？三个原因：
一是崩坏概率随时长指数上升。2秒的片段，模型只需要维持48帧（25fps）的一致性；4秒是96帧，翻了一倍。时间越长，越容易”飘”。
二是短片段便于剪辑和重组。一条2秒的片段，你能放在任何位置、接任何镜头；一条8秒的片段，几乎只能整段用，一旦节奏不对就要重做。
三是符合短剧的节奏。短剧的镜头节奏本来就快，2-4秒一个镜头，视觉上更有”抓人感”。
运镜：缓慢推镜、横移、轻微摇镜
运镜的原则是”稳、慢、小“。推荐的三种：
缓慢推镜
镜头缓慢向人物推近，或者从人物缓慢拉远。推镜能制造”情绪逼近”的效果，特别适合放在情绪即将爆发的前一刻；拉远则适合表现人物的孤立或者失落。速度要慢——一个3秒的片段，推镜的位移不要超过画面宽度的10%。
横移
镜头水平平移，适合展示空间、或者营造”旁人在看”的旁观感。横移的幅度同样要小，别做成”公交车上拍街景”。
轻微摇镜
镜头在固定的机位上轻微转动，幅度很小。适合跟随人物视线转移，或者制造”压迫感”。
禁止清单：这些运镜不要碰
禁止快速晃动：手持晃动感在真人短剧里是”真实感”，在AI短剧里是”画面碎裂”。禁止快速环绕：人物在旋转镜头里会像陀螺一样变形。禁止快速推拉：镜头猛地怼脸，AI一定会把脸画崩。禁止复杂走位：人物从一个位置走到另一个位置，AI大概率会把两条腿画成四条。禁止多人互动动作：两个人握手、拥抱、打斗，这是AI的死区。
把”动”变成”演”的技巧
既然不能做大动作，怎么让画面”有戏”？答案是用”微表情 + 环境动”替代”人物动”。
1. 让眼睛动
一个眼神从”平视”变成”垂下”，就足够表达委屈；从”平视”变成”微微眯起”，就足够表达杀意。这类微表情的生成成功率高得惊人。
2. 让环境动
雪在飘、烛火在晃、衣角在动、发丝被风吹起、光影在缓慢移动——这些”环境动”消耗小、稳定性高，却能让画面”活”起来。很多高质量的AI短剧，人物的动作几乎为零，全靠环境在动。
3. 让光动
画面上的光从亮变暗、从冷变暖，观众会自动解读为”时间流逝”或”情绪转变”。这是性价比最高的”运动”。
核心观点：AI短剧里的”动”，目的不是炫技，是制造”活的”错觉。观众要的是”她在呼吸”，不是”她在翻跟头”。
片段管理：命名规则很关键
剪完一集，你会有十几个片段。如果没有命名规则，剪辑时你会疯。建议用集号_镜头号_版本号的格式：
E01_S01_v1.mp4 （第一集第一个镜头，第一版）
E01_S01_v2.mp4 （重生成版）
E01_S02_v1.mp4
...剪辑时按文件名排序，就自动是按镜头顺序排列的。这个小习惯，能省掉大量”哪个是最终版”的抓狂。
第六步：配音与音效——声音决定”像不像剧”
很多AI短剧”看起来还行，但总觉得哪里不对”，八成是声音的问题。声音是观众判断”这是不是一部剧”的关键——画面可以是风格化的，声音必须是”真实可信的”。
工具选择：剪映文本朗读
对新手来说，最稳的方案是剪映的文本朗读。它内置了多种音色，支持情绪标签，而且直接在剪辑软件里完成，不需要来回导文件。优点：省事、和剪辑无缝衔接、支持中文口语自然度高。缺点：某些小众音色表现力一般，需要多试。
关键操作：台词分开粘贴，不要整段生成
这是最容易犯的错误，也是我最想强调的一条：每一句台词要单独粘贴、单独生成，不要整段丢进去。
为什么？因为整段生成有三个致命问题：一是断句错乱，模型会把两句话连成一句，或者在一句话中间喘气；二是情绪一刀切，整段用一个情绪标签，前后情绪的转折就消失了；三是无法单独调整，某一句读得不好，你得整段重来。
正确的做法是：把分镜表里每一句台词，一字一句地拆成独立的文本块，分别粘贴生成，单独试听，单独调整情绪标签。这看起来很繁琐，但工作量其实一样——因为你本来就要逐句检查。
音色管理：固定，固定，固定
一部戏里，男女主的音色必须固定，旁白的音色也必须固定。这是”听感一致”的基础。观众听两集之后，会在大脑里把”这个声音”和”这个角色”绑定；一旦音色换了，观众的代入感瞬间崩掉。
建议在角色卡里额外加一栏”音色”，写清楚：
【女主 柳如烟】
音色：温柔中带清冷的女声（清冷女声）
语速：0.95倍
常用情绪标签：委屈 / 冷淡 / 温柔 / 隐忍
禁用音色：甜美萝莉音、知性御姐音
【男主 萧景珩】
音色：低沉有磁性的男声（低沉男声）
语速：0.9倍
常用情绪标签：冷淡 / 愤怒 / 克制
禁用音色：少年音、阳光男声
【旁白】
音色：中性叙事音（沉稳旁白）
语速：0.85 - 0.9倍
常用情绪标签：无（旁白不刻意加情绪）情绪标签：直接写在台词前面
目前主流的文本朗读工具，都支持在台词前加上情绪指令。常用的标签有：
| 情绪标签 | 适用场景 | 使用示例 |
|---|---|---|
| 冷淡 | 主角隐忍、反讽、不动声色的反击 | （冷淡）不必明日。今夜就断。 |
| 委屈 | 被冤枉、被羞辱、独自落泪 | （委屈）我从未求过你什么，只这一次。 |
| 愤怒 | 爆发、反击、揭穿真相 | （愤怒）你欠我柳家的，今日一并还来！ |
| 温柔 | 甜宠的互动、告白、安抚 | （温柔）别怕，我在。 |
| 慌张 | 被识破、突发事件、危机 | （慌张）你怎么会在这里…… |
实操中，情绪标签要慎用、精用。一集里情绪标签超过10个，反而会显得”戏很用力”。留几处”平”的、不加标签的台词，能让情绪的起伏更有层次。
旁白：语速 0.85 – 0.9 倍
旁白是短剧里的”交代工具”，它要把背景、时间、心理活动说清楚。语速太快，观众跟不上；太慢，又会拖节奏。建议旁白的语速调到正常的0.85到0.9倍——比日常说话略慢一点，有一种”讲故事”的从容感。
另外，旁白的文字本身也要克制。每段旁白不要超过30个字，一集里旁白总时长不要超过10秒。旁白是用来”补刀”的，不是用来”讲解”的。
音效与环境音：一个便宜的”真实感”
画面是AI生成的，天然缺少”真实感的颗粒”。而音效可以把这个缺口补上，而且成本极低。
三个必加的音效类型
环境底噪：风雪声、雨声、虫鸣、烛火噼啪声、远处的更漏声。加一个合适的底噪，画面瞬间”落地”。
动作音效：推门的”吱呀”、玉佩落地的”叮”、衣料摩擦的”窸窣”、扇子合的”啪”。这些声音要在对应的画面上精确卡点，卡准了就是”高级”，卡偏了就是”廉价”。
情绪重音：在关键台词落下的地方，加一个短促的低频”轰”或者一声”钟鸣”，用来强化情绪的重量。
BGM：宁缺毋滥
一部90秒的短剧，配一两段BGM就够。建议是：前半段用一个克制的、低音量的背景乐，情绪爆发点进一个强一点的段落，结尾回到安静。不要把BGM从头铺到尾，也不要在台词密集的地方让BGM抢戏。
音频合规：这一步千万别省
所有用到的BGM和音效，必须是明确可商用的。这一点在发布环节会出大问题——很多看起来”免费”的音乐资源，实际授权范围只限个人使用，用在商业内容上会收到侵权投诉，轻则下架，重则账号受限。
判断标准很简单：素材页面必须明确标注”可商用”，最好有授权书或使用条款截图存档。如果没有明确说明，就当作不能用。配音工具生成的TTS（文本转语音）本身一般没有问题，但要注意工具的许可条款。
第七步：剪辑成片与发布复盘——最后一公里
素材齐了，声音齐了，接下来就是”把它们装进一个盒子里”。这一步看起来是纯技术活，其实有很多决定成片质感的细节。
画幅与参数
先把两个必须记住的参数刻在脑子里：
画幅：1080×1440（3:4）或 1080×1920（9:16）
两者都是竖版，但用途不同。9:16 是”满屏”，适合抖音、快手这类全屏播放的平台，视觉冲击最强。3:4 是”半屏”，适合小红书这类有上下信息栏的社区平台，画面不会被裁得太狠。建议一集做两个版本，或者直接做3:4，因为在9:16上会被居中等比放大，损失不多。
帧率：25fps
25帧每秒，是中国视频内容的标准帧率。不要用24（电影感但会有中文内容的轻微不适），不要用30或60（文件会更大，而且和其他素材拼接时容易抖动）。
码率：高
画质是AI短剧的”第一印象”。压缩太狠，画面会糊成一片，尤其是在手机上竖屏放大后，糊感会被放大三倍。建议导出时选择较高的码率档位，宁可文件大一点，也不要糊。
封装格式：MP4
MP4 是各平台兼容性最好的格式。H.264编码，几乎任何平台都能无压力上传和播放。
时间线结构
一集90秒的时间线，建议这样搭：
0-0.5秒：直接进入第一镜头，不要做任何片头、logo、片名动画。任何”欢迎观看”都在杀死留存。0.5-3秒：钩子镜头 + 第一句台词，字幕大、位置高、不挡脸。3-85秒：按分镜顺序推进，每2-4秒切一次。85-90秒：悬念镜头 + 一句钩子台词 + “下一集”提示（如果做合集）。
字幕：不挡脸，是底线
竖屏字幕的位置极其讲究。给了四条经验：
1. 位置：画面下三分之一，但不要压在下巴上
字幕基线建议放在画面从下往上约65%-80%的位置。不要贴着最底下（会被平台UI覆盖），也不要超过85%（会挡住嘴和下巴）。
2. 字号：手机上一眼能读完
在1080宽的画布上，字号建议在60-80之间。每行字数不要超过12个字，超过就换行。行数最多两行。
3. 描边：必须加
白字 + 黑色描边（或者半透明底色块），确保在任何背景上都能看清。纯白无描边的字幕，在浅色背景上会完全消失。
4. 关键词高亮：谨慎用
把”退婚””杀了你””三年前”这类关键词用不同颜色标出来，能强化冲击力。但一集里不要超过3处，多了就是”花里胡哨”。
转场：能用硬切就用硬切
新手特别喜欢加各种转场：叠化、闪白、旋转、缩放、翻页……结果成片像PPT。真相是：短剧的节奏靠”切”，不靠”转”。
90%的镜头之间，应该用硬切。硬切干脆、利落，符合短剧的”快”感。只有三种情况需要转场：
时空跳跃时，用一个叠化或闪白，告诉观众”时间过去了”；回忆开始时，用一个过曝闪白，进入闪回；情绪段落切换时，用一个短暂的暗场。除此之外，全都硬切。
调色：统一，比好看重要
AI生成的素材，不同镜头的色温、饱和度、对比度往往不一致。剪辑时第一步应该是统一调色：把所有素材拉到同一个色调基准上，再考虑加风格。
实操建议：古风题材，整体压暗、降低饱和度、加一点冷调；现代逆袭题材，可以适当提高对比度，用暖调。一集里色调不要超过三个。
发布前质检清单：可直接复制使用
每次发布前，对照这份清单逐项打勾。任何一项不通过，都不要发。
【画面】
□ 画幅正确（1080×1440 或 1080×1920），帧率25fps
□ 所有镜头的色调、饱和度、对比度一致
□ 人物在所有镜头中五官、发型、服装一致
□ 没有崩坏的畸变（重点检查手指、眼睛、耳朵）
□ 没有画面撕裂、闪烁、卡顿
□ 没有画面中出现的水印、logo、乱码文字
□ 没有恐怖的、畸形的、疑似违规的画面
【声音】
□ 男女主和旁白的音色全程一致
□ 没有"AI念课文"的机械感，语气自然
□ 没有爆音、破音、忽大忽小
□ 音效卡点准确（推门、落下、扇合）
□ BGM没有压过台词
□ BGM和音效都是可商用授权
【字幕】
□ 字幕不挡脸、不挡关键道具
□ 每行不超过12个字，最多两行
□ 白字加描边，任何背景都清晰可读
□ 没有错别字、没有断句错误
□ 全文通读，无敏感词（政治、血腥、低俗、违禁）
【节奏】
□ 前3秒是强冲突，没有片头
□ 每个镜头2-4秒，没有超过5秒的静止镜头
□ 景别有交替，没有连续三个同景别
□ 结尾有悬念钩子
□ 总时长在60-90秒之间
【合规】
□ 没有搬运他人素材、没有抄袭真人影视片段
□ 没有影射真实人物、没有使用真实人物的脸
□ 没有诱导性、虚假宣传的内容
□ 标题和封面与内容一致，不夸大、不误导发布：平台选择决定你的第一波流量
同一个成片，发到不同平台，结果可能天差地别。原因是每个平台的内容生态、用户画像、推荐逻辑都不同。下面这张表，是四大平台的特性对照：
| 平台 | 流量特点 | 适配内容 | 最佳时长 | 发布要点 |
|---|---|---|---|---|
| 抖音 | 流量池最大，推荐机制最成熟，前3秒跳出率直接决定推流 | 60-90秒短漫剧、强冲突爽剧 | 60-90秒 | 前3秒必须是钩子，标题带冲突，封面用最激烈的一帧 |
| 快手 | 用户粘性高，”爽文逆袭、重生”类题材受众基础雄厚，评论区互动活跃 | 逆袭、重生、马甲、打脸爽剧 | 60-120秒 | 剧情要”接地气”，爽点要密，可以适当放长到两分钟 |
| 小红书 | 审美导向强，精致内容有自然流量，用户对”颜值”和”氛围”敏感 | 韩漫风、古风精致情感、唯美画面 | 45-90秒 | 画质要高，色调统一，封面精致，标题偏”故事感” |
| B站 | 容得下长内容，合集有持续流量，用户愿意”追剧” | 长合集连载、世界观完整的系列 | 单集90秒，合集10-30集 | 做成合集，讲究”系列感”，片头片尾可以统一 |
新手先发哪个平台
如果你是新手，建议先在抖音上跑第一轮数据。理由是：抖音的反馈最快、样本最大。同样一条内容，抖音可能给你几千次曝光，你就能得到”3秒跳出率、完播率、点赞率”的初步结论；而在其他平台，这个样本量可能需要几周才能攒够。
但抖音对新手也最”狠”——前3秒不行就是不行，没有情面。所以把抖音当”测试场”，把快手、小红书、B站当”沉淀场”：跑出爆款之后，同一集在快手做长版，在小红书做精修版，在B站做合集。
复盘：只看四个指标
发布之后，很多人陷入”数据焦虑”：播放量多少、涨粉多少、有没有上热门。这些其实都是结果指标，你没法直接控制。真正能指导你下一步动作的，是这四个过程指标：
1. 前3秒跳出率（最重要）
这是所有指标里的”王”。它衡量的是”有多少人在前3秒就划走了”。这个指标高，说明你的钩子没做好——和后面的剧情、画面、配音全都无关。优化方向：换第一句台词、换第一个镜头、把冲突提前、去掉一切片头。
2. 完播率
看完整条内容的人占比。它反映的是”中段的节奏和情绪曲线”。完播率低但跳出率正常，说明”钩子抓到了人，但中间没接住”——通常是节奏拖沓、BGM不对、或者中段没有新的冲突。优化方向：缩短镜头、砍掉过渡戏、在中段再加一个反转。
3. 点赞
点赞是”认同感”的信号。点赞率低，说明内容”看完了但没爽到”，或者”没有值得点赞的点”。优化方向：把爽点做得更明确，结尾的情绪释放更充分。
4. 评论
评论是”参与感”的信号。评论多，说明内容引发了观众的表达欲——可能是争议、共情、吐槽、或者”猜下一集”。这一项没法直接优化，但可以在结尾埋一个”争议点”或”提问”，引导观众说两句。
核心观点：复盘不是”看数据”，是”找变量”。每一集只改一个变量：这一集换钩子，下一集换节奏，再下一集换封面。三个月下来，你会得到一份”我的观众吃什么”的私人地图，这比任何教程都值钱。
七步流程速查：每一步的工具和产出物
七步流程走完，你会发现它其实是一个”漏斗”：剧本是设计，分镜是图纸，画面和视频是施工，配音是装修，剪辑是交付，复盘是验收。每一步都有明确的交付物，交付物不合格，就不进入下一步。
下面这张表，把每一步的输入、工具、产出物和判断标准放在一起，可以直接打印出来贴在工位上：
| 步骤 | 核心任务 | 主要工具类型 | 产出物 | 合格标准 |
|---|---|---|---|---|
| 1. 选题与剧本 | 定题材、定钩子、写镜头表 | 对话类大模型 | 单集剧本（8-15个镜头）、前3秒钩子说明 | 第一句台词就能让人停下；每句台词≤18字；场景≤3个 |
| 2. 人物与角色卡 | 做三视图、锁五官服装、建场景基准图 | 图像生成模型 | 角色三视图（中性+情绪）、角色卡文本、场景大全景 | 五官标签串固定；参考权重0.6-0.7；场景色温写死 |
| 3. 分镜脚本 | 把剧本翻译成五要素表格 | 表格工具 + 大模型 | 分镜表（CSV） | 五要素齐全；景别交替；时长合计60-90秒 |
| 4. 画面生成 | 按分镜表逐格生成静态图 | 图像生成模型 + 参考图功能 | 每个镜头1-3张备选图 | 像本人、无畸变、情绪对；手指放大检查 |
| 5. 图生视频 | 让静态图微动、加运镜 | 图生视频模型 | 2-4秒视频片段（按E集_S镜_v版命名） | 运动幅度0.2-0.3；不崩脸；运镜缓慢 |
| 6. 配音与音效 | 逐句生成台词、配环境音和BGM | 文本朗读工具 + 音效库 | 分轨音频、音效素材 | 音色固定；情绪标签准确；素材可商用 |
| 7. 剪辑与复盘 | 拼接、字幕、调色、导出、发布 | 剪辑软件 + 平台后台数据 | MP4成片（1080×1440/1920，25fps）+ 复盘表 | 过质检清单；前3秒跳出率、完播率有记录 |
给流程加一个”回流”：把每一集都当成产品迭代
上面的七步是线性流程，但真正跑起来之后，它应该是一个闭环。第七步的复盘结论，要回流到第一步的选题、第二步的角色卡、第四步的提示词。具体来说：
如果前3秒跳出率一直高，回第一步，换钩子公式。如果人物一致性总是崩，回第二步，补做三视图、提高参考权重。如果画面总有畸变，回第四步，更新负面词清单。如果完播率低，回第三步的分镜，砍镜头、提节奏。
每一次回流，你的模板都会变得更准一点。这就是”从0到1″之后的事情——从1到10，靠的不是灵感，是这套回流机制。
版权与合规：这五条红线，一条都不能踩
内容做得再好，一条违规就能让账号归零。这不是危言耸听，而是行业里每天都在发生的事。以下五条红线，必须在制作阶段就守住，而不是等发布之后再说。
红线一：BGM和音效必须可商用
前面已经说过，这里再强调一次：所有音乐和音效，来源页面必须明确标注可商用。保留授权截图或条款存档。很多”免费背景音乐”只限个人非商业使用，用在短剧上就是侵权。
红线二：字幕不能有敏感词
字幕是审核的第一关。修改建议：所有涉及暴力、血腥、低俗、政治、宗教的内容，全部删除或替换。比如”杀了他”改成”让他消失”，”血洗”改成”清算”。这不是”迂回”，是必要的表达转换。
红线三：画面不能出现畸形、恐怖元素
AI生成”崩坏”的图，不仅难看，还可能被判定为”惊悚””不适内容”。比如人物脸部扭曲、多只手、眼睛错位——这些图绝对不能进成片。画面上也不要出现真实人物的脸（包括明星、公众人物），避免肖像权风险。
红线四：题材要避开暴力恐怖、违规擦边
古风甜宠、穿越逆袭、权谋复仇这三类题材本身是安全的，但表现方式要注意：复仇不要让暴力成为爽点，甜宠不要有过分亲密的镜头，权谋不要涉及真实历史人物或事件。
红线五：不搬运、不抄袭
不要拿真人短剧的片段做”AI重绘”，也不要直接复刻别人的分镜和台词。AI只是工具，素材的来源必须是你自己生成的。如果参考了别人的内容，要在自己的剧本里做实质性的再创作。
新手最容易犯的五个错误
写到这里，我把这些年看到的高频错误总结成五条。看完这一节，你能省掉至少三个月的弯路。
错误一：从”画面”开始，而不是从”剧本”开始
很多人一上手就去生成炫酷的画面，然后硬凑剧情。这是完全反过来的。正确顺序是：剧本定调 → 分镜定图 → 生成定细节。画面是”实现”，不是”灵感来源”。
错误二：一上来就追求”完美”
新手常常在一个镜头上反复生成三十次，追求”完美的一张图”。结果三天做一集。正确的心态是：“够用”就过。一张图在手机上、在2秒的播放里，观众根本看不清睫毛有几根。把时间花在”前3秒的钩子”和”整体的节奏”上，收益大得多。
错误三：追求”大动作”
这是最典型的坑。看到别人做的AI视频里人物在跳舞、在奔跑，就想复刻。结果自己的画面全是崩的。记住：AI短剧的高级感，来自”克制”。0.2的运动幅度、3秒的慢推镜、一个眼神的微动——这才是属于AI短剧的美学。
错误四：不做资产沉淀
每部戏都从零开始，每次都要重新调人物、重新调音色、重新想提示词。做了十部戏，水平和第一部差不多。正确做法是：把每部戏的资产都存进资产库，第二部戏直接调用第一部的模板。
错误五：不发布，只”憋大招”
很多人做完一集觉得”还不够好”，不敢发，再做一集，再改，永远在准备。真相是：不做复盘的数据，就是没有数据。第一集可以粗糙，但一定要发出去，拿到真实反馈。真实世界里”75分的成片”远比”想象中的95分”更有价值。
核心观点：素材资产化是AI短剧最大的复利。提示词库和人设卡不是”文档”，是你的生产线。今天多存一条提示词，三个月后你少熬一个通宵。
FAQ：新手上路最常问的六个问题
Q1：做一部AI短剧要多久？
看你怎么定义”一部”。如果是一部10-20集的短剧，新手跑通第一集通常需要三到五天（大部分时间花在试错和调参上），流程稳定后，每集大概一到两天。成熟的个人创作者，可以做到一天一到两集。如果只做”一集成片”作为作品，从零开始，一个星期之内是现实的目标。
关键在于：第一部戏一定慢，但慢的地方要慢在”建模板”上，而不是慢在”反复重做同一张图”上。前者能复用，后者是浪费。
Q2：成本大概多少？
成本结构很简单：工具订阅费 + 模型调用额度 + 你的时间。对个人创作者来说，主要开销是图像和视频模型的调用额度，用量和”重生成率”直接相关。新手重生成率往往是老手的五到十倍——一张图要试二十次，而不是三次。
省钱的核心方法就一条：降低重生成率。做好角色卡、写好提示词、先做最难的那个镜头、每次只改一个变量——这些方法能让同一集的开销下降一个数量级。所以”学会流程”，本质上是”学会省钱”。
Q3：新手先做哪个平台？
先做抖音。理由在第七步里说过：抖音样本最大、反馈最快，能让你在一周内拿到”前3秒跳出率”和”完播率”的初步结论。
但要注意：抖音对新手最不友好。前3秒不行就没有后续。所以心理上要准备好”前几条数据很差”。这不是你的内容不行，是算法在告诉你”钩子没做对”。把抖音当”测试机”用，别当”成绩单”看。
跑通之后，再根据题材分发：逆袭爽剧去快手，精致古风去小红书，系列长做去B站。
Q4：AI短剧会不会被限流？
会，但绝大多数限流不是因为”AI”这个身份，而是因为内容质量或合规问题。常见的限流原因有四类：
一是画质低：模糊、闪烁、压缩过度，平台会判为”低质内容”。二是内容重复：和已有内容高度相似，会被判”搬运”或”低质重复”。三是合规问题：敏感词、血腥画面、侵权BGM。四是完播率太低：算法判断”用户不喜欢”，自然就不推了。
所以，避免限流的方法，其实就是把前面的七步做好：画质要清晰、内容要有原创性、字幕和画面要合规、前3秒要抓人。没有哪个平台的规定写着”禁止AI”，真正被限的，是”低质”。另外，有些平台对AI生成内容有标注要求，发布前记得看清楚平台的最新规定，该标注的要标注。
Q5：一部戏可以做几集？一集要不要”独立”？
建议先做一个完整的”十集小闭环”。原因：一集证明不了什么，十集才能看出观众是不是”真的想看下去”。而十集刚好能验证三个关键问题：人物能不能保持一致性、剧情能不能持续勾人、你的产能能不能支撑更新。
关于”独立”：每一集要能单独成立，但集与集之间要有”钩子链条”。也就是说，观众从任何一集切入，都能看懂、能爽到；但从第一集看起，会看得更爽。这是短剧和连续剧最大的形式差异。
Q6：需要会画画/会剪辑吗？
不需要”会画”，但需要”会看”。AI短剧的关键能力是审美判断力——你能快速判断”这张图对不对””这个节奏舒不舒服””这句台词狠不狠”。这种判断力不需要科班训练，靠的是大量观看同类内容 + 大量自己动手。
剪辑方面，需要掌握的是”基础操作”，不是”高级技巧”。时间线拼接、字幕、调色、音频调整、导出设置——这五项，看两个小时的教程就能上手。真正拉开差距的，不是”会不会剪”，而是”知不知道该剪成什么样”。
写在最后：从0到1之后，你真正拥有的是什么
做完第一条成片，你会发现自己拥有的不是”一部短剧”，而是三样东西。
第一，一套可复用的流水线。七步流程、分镜表格、角色卡、负面词清单、质检清单——这些模板在第二部戏里可以直接用。你会发现自己做第二集的时间，只有第一集的一半。
第二，一个不断变准的”观众地图”。哪一类钩子在你这里跳出率最低，哪一类题材的完播率最高，哪一句台词让评论炸了——这些数据只属于你的账号，任何教程都给不了你。
第三，一种工业化的工作习惯。你开始习惯”先定义产出物，再动手”；开始习惯”每次只改一个变量”；开始习惯”把好东西存起来”。这种习惯会渗透到你做其他所有内容的方式里。
AI短剧不是一门”技术”，它是一条流水线。流水线不需要天才，需要的是标准、耐心和反复。从0到1，你要做的不是做出一部惊世之作，而是把这条线跑通一次。跑通之后，剩下的就是从1到10，用这套流程，一集一集，把它跑得更快、更稳、更准。
现在，去写第一集的第一个镜头吧。就写那句话：让观众在第3秒停下来的那句话。
暂无评论内容