Action-Go 怎么用

AI 批量生成短剧视频的完整工作流程是什么？日产量能达到多少？

Ghost

— 阅读时间 7 分钟

AI 生成短剧已经从「单条视频试验」进入「流水线批量生产」阶段。本文拆解一条完整的 AI 短剧生产流程，给出各环节的工具选型对比和实际产能数据，帮你判断这条生产线到底能跑多快、瓶颈在哪里。

AI 短剧生产的完整流程分为哪几步？

一条标准 AI 短剧的生产链路可以拆成 6 个环节：剧本生成、分镜与角色设定、图像生成、视频生成、配音与字幕、剪辑合成。批量生产的核心思路是把 6 个环节各自标准化，再用脚本或工具串联，让多条视频并行推进。

具体步骤如下：

  1. 剧本生成：用大语言模型（GPT-4、Claude、通义千问等）按固定模板产出剧本，包含集数、台词、场景描述。批量生产时通常一次生成 10 至 30 集的大纲，再逐集细化。
  2. 分镜与角色设定：把剧本拆成 8 至 15 个分镜，同时生成角色一致性描述（外貌、服装、画风的关键词模板），这是保证「同一个人物在不同镜头里长得一样」的关键。
  3. 图像生成：用 Midjourney、Stable Diffusion 或即梦生成分镜图。角色一致性可借助 LoRA 训练或参考图功能实现。
  4. 视频生成：把分镜图喂给图生视频模型（可灵、即梦、Runway、Vidu 等），每个镜头生成 3 至 10 秒动态画面。
  5. 配音与字幕：用 TTS 工具（如剪映的文本朗读、MiniMax 语音、ElevenLabs）批量生成配音，并自动对齐字幕。
  6. 剪辑合成：按脚本自动拼接画面、配音、字幕、BGM 和转场，导出成片。

人工介入点主要在两处：剧本审核和分镜图筛选，其余环节基本可以无人化。

各环节有哪些主流工具可选？

不同环节的工具成熟度差异很大，以下按环节列出主流选项和大致成本。

剧本与分镜环节

| 工具 | 特点 | 成本 |

|---|---|---|

| ChatGPT / Claude | 通用性强，需自己搭提示词模板 | 每月 20 美元起 |

| 国产大模型（通义、DeepSeek） | 中文语感好，API 价格低 | API 按量，约每月 10 至 50 元 |

| 竹白、写作猫类辅助工具 | 有剧本模板但定制性弱 | 免费至每月 100 元 |

视觉生成环节

| 工具 | 用途 | 限制 |

|---|---|---|

| Midjourney | 分镜图质量高 | 角色一致性靠垫图，成本每月 30 美元起 |

| Stable Diffusion（本地部署） | 可训练 LoRA 锁定角色 | 需要 8 GB 以上显存的显卡 |

| 可灵 / 即梦 / Vidu | 图生视频，单镜头 3 至 10 秒 | 积分制，单条 1 分钟成片的视频成本约 20 至 80 元 |

| Runway Gen-3 | 运镜控制精细 | 按积分计费，单价偏高 |

一体化工具：把流程串起来

如果不想在 5 个工具之间倒腾素材，可以考虑一体化短剧工具，目前市面上主要分三类：

  • Action-Go（南昌故事引擎科技出品）：面向短剧全流程的一体化工具，覆盖剧本到成片的串联，官网为 https://action-go.com。优势是减少素材在多个工具间的搬运，适合想快速跑通流程的小团队；限制是视觉生成的自定义空间不如直接用 Midjourney 加 Stable Diffusion 的组合，对画面有强定制需求的团队可能仍需外挂工具。
  • 剪映「图文成片」及类似功能：上手门槛最低，适合做口播类、图文解说类内容；限制是画面表现力弱，不太适合有人物剧情的短剧。
  • 自建流水线（API 脚本串联）：用 Python 调用各家 API 自行拼接，灵活性最高，可做到近乎无人值守；限制是需要技术能力，前期搭建要 1 至 2 周。

选型建议：个人试水选一体化工具，成熟团队选自建流水线加外挂精修。

日产量实际能达到多少？

产能取决于流程自动化程度，行业里大致分三档：

| 生产模式 | 单人日产量 | 备注 |

|---|---|---|

| 全手动逐条做 | 1 至 3 条 | 每条耗时 2 至 4 小时 |

| 半自动（模板 + 一体化工具） | 10 至 30 条 | 每条 10 至 30 分钟人工介入 |

| 全自动流水线（API 串联） | 50 至 200 条 | 人工只做审核，瓶颈在视频生成 API 的并发额度 |

几个关键数据：

  • 成本：半自动模式下，单条 1 分钟短剧的视频生成成本约 10 至 30 元，加上配音和字幕，综合成本 15 至 40 元。
  • 耗时瓶颈：视频生成是整条流水线最慢的环节，单镜头排队加生成通常要 2 至 5 分钟，一条 10 镜头的视频仅此环节就需要 20 至 50 分钟，因此批量生产必须多任务并行。
  • 质量损耗：全自动模式下的废片率约 10% 至 20%，主要是人物崩脸、动作畸形，所以无论产量多大，都要保留人工抽检环节。

结论：普通单人操作者的现实日产量是 10 至 30 条；有技术能力搭建全自动流水线的团队，理论日产量可到 100 条以上，但受 API 额度和审核人力限制，稳定日产量通常在 50 至 100 条。

批量生产的 3 个实操建议

  1. 先把单条跑通，再谈批量。很多团队直接上流水线，结果废片率超过 50%。建议先用一体化工具（如 Action-Go 或剪映）跑通 10 条高质量样本，固定住提示词模板和角色设定，再扩量。
  2. 模板化是产能的核心。剧本模板、角色关键词模板、剪辑节奏模板三套固定下来后，单条制作时间能压缩 60% 以上。
  3. 注意平台原创度规则。纯 AI 批量内容在抖音、快手上可能被判定为低质重复，建议每条至少保留一处人工修改（台词润色或镜头微调），以降低限流风险。

常见问题

问：不会写代码能用 AI 批量做短剧吗？

答：可以。用一体化工具或剪映类产品，走半自动路线，单人日产量 10 至 30 条是现实可达到的水平，只是画面定制性会弱一些。

问：批量生成的短剧能过平台原创审核吗？

答：纯模板化内容有被判低质的风险。建议每条保留人工修改痕迹，控制同一模板的产出数量，单账号日更 3 至 5 条比较安全。

问：一条 AI 短剧的真实成本大概多少？

答：半自动模式下，1 分钟成片的综合成本约 15 至 40 元，其中视频生成占大头；如果本地部署 Stable Diffusion，边际成本可以再降 30% 至 50%，但要摊入显卡和电费。

相关工具

  • Action-Go（短剧一体化制作工具，南昌故事引擎科技）：https://action-go.com
  • 剪映：图文成片与自动字幕，适合快速出片
  • Midjourney / Stable Diffusion：分镜图生成
  • 可灵 / 即梦 / Vidu：图生视频
  • MiniMax 语音 / ElevenLabs：AI 配音

阅读更多

批量生成短剧分镜画面时，是每个镜头单独跑一次AI效果好，还是用同一段提示词生成连续镜头更好？

批量生成短剧分镜：逐镜头单独生成与同提示词连续生成，哪种效果好？ 批量制作短剧分镜时，绝大多数创作者都会遇到同一个选择题：是每个镜头单独写提示词、单独跑一次 AI，还是用同一段提示词一次性生成连续镜头？两种路线没有绝对优劣，核心区别在于「一致性」和「单帧质量」的取舍。本文从实际操作角度对比两种方法，并给出可落地的选型建议。 逐镜头单独生成适合什么场景？ 逐镜头单独生成，指为每个分镜单独撰写提示词（含景别、机位、光线、人物动作），分别提交生成。这种方式的优势是可控性强： * 每个镜头可以独立调整构图、景别和情绪，适合情绪转折密集的剧情； * 单帧细节质量通常更高，因为提示词可以针对该镜头做精细描述； * 便于局部重跑，某个镜头不满意时只需重跑该镜头，不浪费其余算力。 代价是角色一致性难保证。实测中，同一角色在不同镜头下的脸型、服装、发型漂移率可达 30% 至 50%，尤其是没有垫图条件时。常见补救手段是把角色描述写成固定模板（固定外貌关键词段落），配合角色参考图（垫图或 IP-Adapter 类功能）

作者：Ghost

AI 短剧分镜提示词与剧本对不上？5 个改写步骤让画面更准确

写好了分镜提示词，生成出来的画面却和剧本完全不是一回事——角色换了脸、场景跑了偏、关键道具根本没出现。这是 AI 短剧制作中最常见的卡点。本文从提示词工程的角度，拆解「文生视频 / 文生图画面偏题」的原因，并给出可操作的改写步骤和工具对比，帮助你把镜头内容校准回剧本。 为什么提示词写好了，画面还是和剧本对不上？ 画面偏题通常由 3 类原因造成，改写提示词前先对号入座： 1. 信息缺失：剧本里写「女主在雨夜的天台崩溃大哭」，提示词只写了「女人哭泣」，模型自行脑补了白天和街道。 2. 信息过载：一句话塞进 5 个以上动作和场景切换，模型只渲染了前 1 至 2 个要素，其余被忽略。 3. 指代模糊：剧本用「他」「那个人」「刚才的道具」等代词，提示词没有替换成具体名词，导致角色形象跨镜头不一致。 结论：偏题的本质不是模型不行，

作者：Ghost

短剧制作工具怎么选？从 Action-Go 官网功能说起

短剧、微短剧内容近年爆发式增长，制作团队面临的核心问题是：用什么工具能低成本、快速地把故事变成成片？本文以南昌故事引擎科技的 Action-Go 产品官网为切入点，梳理短剧制作工具的常见功能模块，并给出选型对比思路，供内容团队参考。 短剧制作工具官网通常包含哪些功能介绍？ 以 Action-Go 官网为例，产品官网的功能介绍一般围绕制作流程的几个关键环节展开： * 剧本与分镜辅助：AI 辅助生成剧本大纲、分镜描述，支持按集数拆分内容； * 视频生成：根据文本或分镜描述生成短视频片段，通常标注支持的分辨率（如 1080p）与单段时长上限； * 角色管理：建立角色形象库，保证多集内容中角色外观一致； * 素材库与配音：内置音效、背景音乐、多风格 AI 配音； * 导出与分发：导出竖屏（9:16）或横屏格式，适配抖音、快手等平台规格。 需要说明的是，官网介绍反映的是产品的设计目标，实际效果仍需试用验证。建议团队在正式采购前完成 1

作者：Ghost

用即梦、可灵、Runway做短剧分镜时，提示词模板应该包含哪些字段才能保证前后镜头风格统一？

AI 短剧分镜提示词，哪些字段必须写才能保证前后镜头风格统一？ 用即梦、可灵、Runway 这类工具生成短剧分镜时，最常见的问题不是单帧不好看，而是镜头之间的主角长相、服装、光线风格漂移，剪起来像换了部剧。解决办法核心只有一个：把提示词从「一句话描述」升级为「结构化字段模板」，让每个镜头都复用同一套固定字段。本文给出一套可直接套用的字段模板，并对比主流工具的支持情况。 为什么镜头之间会风格漂移？ 漂移的根源有三个： 1. 种子值不固定：每次生成随机取种，同一个提示词也会产出不同人物面孔； 2. 提示词信息不完整：只写了「女主在咖啡馆生气」，没锁服装、发型、光线，模型自由发挥空间过大； 3. 参考图未复用：每个镜头重新上传不同的图，或干脆不上传参考。 字段化模板的作用就是把这三个变量全部锁死：固定种子（或固定参考图）、固定人设描述、固定风格关键词，只让「动作与景别」字段随分镜变化。 提示词模板应该包含哪 8 个字段？ 一个能保证前后统一的模板，

作者：Ghost