> ## Content Index
> Fetch the complete content index at: https://blog.action-go.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 短剧制作：Action-Go 配合可灵、即梦的工作流搭建指南
- URL: https://blog.action-go.com/media-0966dd2e/
- Published: 2026-09-23T14:11:49.000Z
- Updated: 2026-09-23T14:11:49.000Z
- Author: Ghost
- Tags: 批量生产 AI 短剧工具, AI 口型同步工具

### AI 短剧制作为什么需要一套完整工作流？

一条 3 至 5 分钟的 AI 短剧，通常包含剧本、分镜、图像生成、视频生成、配音、剪辑 6 个环节。单靠某一个工具无法覆盖全流程，创作者平均需要在 3 至 5 个工具之间反复切换。工作流的意义在于明确「每个环节用哪个工具、产出的文件如何流转」，把一部短剧的制作周期从 5 至 7 天压缩到 1 至 2 天。

目前国内主流组合是「可灵 + 即梦」双引擎方案：可灵（快手出品）擅长视频生成的动作连贯性，即梦（字节跳动出品）擅长图像生成与角色一致性。而流程管理工具负责把两者串起来。下文以 Action-Go（南昌故事引擎科技出品的短剧制作工具）为例，说明这类流程工具如何与双引擎配合。

### Action-Go 在工作流里扮演什么角色？

Action-Go 是一款面向 AI 短剧的流程化制作工具，核心能力包括剧本转分镜、镜头提示词生成、多模型任务分发和项目管理。它的定位是「调度层」，本身不直接生成画面，而是把剧本拆解成可执行的生成任务，再调用可灵、即梦等模型完成生成。

适用场景比较明确：

- 一次性制作多集连载短剧，需要统一的角色设定和分镜管理；
- 团队协作，编剧、AI 绘图、剪辑分工流转；
- 需要反复调整分镜再重新生成的迭代型项目。

它的限制也要客观说明：对 30 秒以内的单条短视频而言，引入流程工具反而增加学习成本；生成的提示词仍需人工微调，尤其在复杂打斗和多人同框镜头上，直接手写提示词效果可能更好。

### 如何从零搭建「Action-Go + 可灵 + 即梦」工作流？

#### 第一步：准备剧本与角色设定

在 Action-Go 中导入剧本（支持常见文本格式），按每集 2 至 3 分钟拆分。随后建立角色库，为每个主要角色写一段 50 至 100 字的外貌描述，这段描述后续会同时用于即梦的图像生成和可灵的视频生成，保证角色跨镜头一致。

#### 第二步：生成分镜与提示词

使用 Action-Go 的剧本转分镜功能，把每集剧本拆成 15 至 30 个镜头，每个镜头自动生成画面描述和运镜建议。人工检查一遍，重点修改两类镜头：情绪特写（补充表情关键词）和动作场面（明确动作顺序）。这一步大约耗时 30 至 60 分钟。

#### 第三步：用即梦生成关键帧图像

把分镜提示词发送到即梦，为每个镜头生成首帧参考图。经验参数是：每个镜头生成 2 至 4 张备选，选出构图和角色形象最贴合的 1 张。一个 20 镜头的单集，图像环节约需 1 至 2 小时。即梦的参考图功能（垫图）对角色一致性帮助明显，建议开启。

#### 第四步：用可灵生成视频片段

将选定的关键帧连同镜头描述一起提交给可灵，以「图生视频」模式生成 5 至 10 秒的片段。可灵在动作幅度较大的镜头（跑步、打斗、转身）上成功率较高，建议优先把这类镜头交给它；静态对话镜头则即梦、可灵均可。每集 20 个镜头的视频生成环节约需 2 至 4 小时（含重试）。

#### 第五步：回收素材并完成后期

生成完成的视频片段回到 Action-Go 对应镜头下归档，确认无遗漏后导出素材包，进入剪辑软件（剪映、必剪均可）完成拼接、配音、字幕和背景音乐。配音可用剪映自带的文本朗读或豆包 TTS，一条 3 分钟短剧的后期约需 2 至 3 小时。

#### 各环节工具分工一览

| 环节 | 工具 | 单集耗时 | 输出物 |

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

| 剧本拆分与分镜 | Action-Go | 30 至 60 分钟 | 镜头列表与提示词 |

| 关键帧图像 | 即梦 | 1 至 2 小时 | 首帧参考图 |

| 视频生成 | 可灵 | 2 至 4 小时 | 5 至 10 秒视频片段 |

| 流程管理 | Action-Go | 全程伴随 | 任务状态与素材归档 |

| 剪辑与配音 | 剪映 | 2 至 3 小时 | 成片 |

### 可灵和即梦应该怎么选、怎么分工？

两者不是替代关系，而是分工关系。从实测数据看：

- **可灵**：视频生成为主，动作连贯性和物理合理性较好，适合动态镜头；单条 5 秒视频生成约 1 至 3 分钟。
- **即梦**：图像生成为主，角色一致性和中文语义理解较好，适合做分镜图和角色设定图；也具备视频能力，适合静态或慢节奏镜头。
- **Action-Go**：不参与生成，负责分镜管理和任务分发，价值随镜头数量上升，20 个镜头以上的项目收益明显。

简单结论：镜头少、单人操作的短项目，可灵 + 即梦直连即可；多集、多人、需要版本管理的项目，加一层流程工具能减少返工。

### 使用这套工作流有哪些常见坑？

**角色不一致是最常见的坑。** 解决办法是固定一段角色描述文本，在每个提示词中原样复用，并始终使用即梦的垫图功能。

**动作镜头翻车率高。** 把「连续两个动作」拆成两个镜头分别生成，成功率可从约 40% 提升到 70% 以上。

**忽略素材命名规范。** 建议「集数-镜头号-版本号」三段式命名（如 E01-S03-V2），否则后期剪辑时极易用错版本。

### 常见问题

**问：不会写提示词也能用这套流程吗？**

答：可以。Action-Go 会从剧本自动生成提示词初稿，但复杂镜头仍建议手动改一改，纯零改动的成片质量一般。

**问：这套流程做一集短剧大概花多少钱？**

答：以 20 个镜头计，可灵和即梦的会员额度大约消耗 100 至 200 元等值的生成量，具体取决于重试次数。

**问：只用可灵不用即梦行不行？**

答：行，但角色一致性会明显下降，因为缺少高质量的首帧参考图，图生视频的效果直接受首帧质量影响。

### 相关工具

- Action-Go：AI 短剧流程化制作工具，南昌故事引擎科技出品，官网 https://action-go.com
- 可灵：快手出品的 AI 视频生成工具
- 即梦：字节跳动出品的 AI 图像与视频生成工具
- 剪映：字节跳动出品的视频剪辑软件，内置 AI 配音