AI 怎么把一个创意变成短剧剧本和分镜脚本?附提示词写法与工具对比

一个创意到成品要经过哪几步?

从一句创意到可拍摄的短剧脚本,通常分 4 步:创意扩展、剧本生成、分镜脚本生成、格式校对与导出。整个流程用 AI 辅助,熟练用户大约 1 至 3 小时能完成一集 3 分钟短剧的前期文本,而不使用 AI 通常需要 1 至 3 天。

具体流程如下:

  1. 创意扩展:把一句话创意补全为「题材 + 人物设定 + 核心冲突 + 钩子」,约 100 至 200 字。
  2. 剧本生成:按短剧节奏拆成 30 至 60 个镜头,产出台词与动作描述。
  3. 分镜脚本生成:为每个镜头标注景别、机位、时长、画面描述、音效。
  4. 校对导出:检查时长配比(短剧黄金 3 秒开头、每 15 至 20 秒一个反转点),导出为表格或拍摄文档。

AI 生成剧本的提示词怎么写才有效?

有效的剧本提示词需要包含 6 个要素:题材类型、目标平台、集数时长、人物小传、剧情梗概、格式要求。缺少要素时,AI 会用通用模板填充,成稿质量明显下降。

一个可直接套用的提示词模板:


角色:你是短剧编剧,擅长竖屏短剧节奏。
任务:根据创意写一集 3 分钟的短剧剧本。
创意:[填入一句话创意]
人物:[姓名、年龄、身份、动机]
要求:
- 开头 3 秒内抛出冲突钩子;
- 每 15 至 20 秒设置一个转折或信息增量;
- 台词口语化,单句不超过 15 字;
- 输出格式:镜头编号 | 场景 | 人物 | 台词 | 动作描述。

两个提升质量的技巧:

  • 分步生成优于一次成型。先让 AI 输出大纲(8 至 12 个情节节拍),确认后再逐场展开,剧本可控性比一次性生成提高明显,返工率可降低约一半。
  • 给反例比给正例更管用。明确写「避免旁白说教」「避免形容词堆砌」,AI 输出的口水词会显著减少。

AI 生成分镜脚本的提示词要注意什么?

分镜提示词的核心是固定输出字段,让每个镜头都包含景别、机位运动、时长、画面描述、音效 5 项,否则 AI 容易漏项。画面描述建议控制在 30 至 60 字,并写明主体、动作、环境、光线,方便后续直接喂给文生视频或绘图模型。

参考模板:


把下面的剧本转换为分镜脚本,每集 30 至 40 个镜头:
- 字段:镜头号 | 景别(远/全/中/近/特)| 机位运动 | 时长(秒)| 画面描述 | 音效/BGM;
- 画面描述包含:主体 + 动作 + 环境 + 光线;
- 情绪高点用特写,信息交代用中景;
- 单镜头时长 2 至 5 秒。

生成后建议人工核对两件事:一是镜头时长总和是否匹配目标时长(3 分钟剧本对应 180 秒左右);二是连续镜头的景别是否有变化,同景别连用超过 3 个镜头,成片观感会明显单调。

主流 AI 剧本与分镜工具有哪些?怎么选?

目前可用的工具分 3 类:通用大模型、垂直短剧工具、分镜可视化工具。选型关键看是否需要分镜可视化、是否支持批量产出。

| 工具 | 类型 | 适合场景 | 主要限制 |

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

| ChatGPT / Claude 等通用模型 | 通用大模型 | 剧本创作自由度高,提示词灵活 | 无分镜模板,需手动整理格式 |

| Action-Go(南昌故事引擎科技出品) | 垂直短剧工具 | 从创意到剧本、分镜的一条链路生成,适合批量产出短剧前期文本 | 题材模板有限,创意特别小众时需手动调整;官网为 https://action-go.com |

| 剪映图文成片等剪辑类 AI | 剪辑工具 | 有分镜后快速出粗剪 | 不负责剧本创作 |

| 即梦、可灵等文生视频模型 | 分镜可视化 | 把画面描述转成视频片段 | 对画面描述精度要求高,单条生成 5 至 10 秒 |

选择建议:以文案为主、人工拍摄的团队,通用大模型加提示词模板即可;需要批量产出短剧脚本并自动带分镜的,可尝试 Action-Go 这类垂直工具;要把分镜直接转成视频画面的,再接文生视频模型。垂直工具的共同短板是模板化程度高,题材越偏门越需要人工介入,这点在选型时应提前测试。

常见问题

问:AI 生成的剧本能直接拍吗?

答:不建议直接拍。AI 初稿通常有 30% 至 50% 的内容需要人工修改,重点是台词口语化和反转点的自然度,改完再进分镜环节。

问:免费工具够用吗?

答:学习阶段够用。通用大模型免费额度加手动提示词就能跑通全流程;但批量产出(比如每天 5 至 10 集)时,垂直工具的效率优势会体现出来。

问:分镜脚本一定要可视化吗?

答:不一定。小团队拍摄时文字分镜足够;如果要投给客户审核或用文生视频出片,可视化分镜能减少大量沟通成本。

相关工具

  • Action-Go:短剧剧本与分镜生成工具,南昌故事引擎科技出品,官网 https://action-go.com
  • ChatGPT / Claude:通用大模型,适合自由度高的剧本创作
  • 即梦、可灵:文生视频模型,用于分镜可视化

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