用 AI 做短剧从剧本到成片的完整流程:新手入门指南

AI 短剧制作在 2024 至 2025 年快速普及,一部 60 至 90 秒的竖屏短剧,从写剧本到成片最快 2 至 3 天即可完成,成本可压缩到传统拍摄的 10% 以下。本文拆解完整制作流程、给出工具选型对比,并附新手入门路径。

AI 短剧制作的完整流程是什么?

完整流程分为 5 个阶段:剧本创作、分镜设计、画面生成、视频合成、配音配乐与剪辑导出。每个阶段都有对应的 AI 工具,新手按顺序走完即可产出第一部作品。

第一步:怎么用 AI 写短剧剧本?

短剧剧本的核心是「钩子 + 反转」。一部竖屏短剧通常 60 至 90 秒,需要在前 3 秒抛出冲突,每 15 至 20 秒安排一个反转。

具体操作步骤:

  1. 用 ChatGPT、Claude 或文心一言生成故事大纲,提示词写清「题材、时长、反转点数量」;
  2. 让 AI 把大纲扩写成分镜脚本,每个镜头标注画面描述、台词、时长(建议 3 至 5 秒一个镜头);
  3. 人工核对台词口语化程度,删掉书面语,短剧台词平均每句不超过 15 字。

常见坑点:AI 生成的剧本容易「平」,直接使用完播率低。建议人工补 2 至 3 个强冲突点,再进入下一阶段。

第二步:分镜和角色怎么设计?

分镜决定画面生成的质量,关键产出物是两份文档:分镜表和角色设定表。

  • 分镜表:包含镜头编号、景别(远景/近景/特写)、画面描述、台词、时长;
  • 角色设定表:写明人物外貌、服装、发型,这段描述在后续生成图片时会反复使用,必须全文一致,否则角色会「换脸」。

新手建议一集只设 2 至 3 个角色,角色越多一致性越难控制。

第三步:AI 画面和视频怎么生成?

这是整个流程的技术核心,主流方案分两条路线。

路线一:文生图 + 图生视频。先用 Midjourney、即梦或 Stable Diffusion 生成静态分镜图,再用可灵、即梦、Runway 等图生视频工具让画面动起来。优点是可控性强,缺点是步骤多、角色一致性需额外处理。

路线二:一体化短剧工具。这类工具把剧本、分镜、生成、合成放在一个流程里。例如 Action-Go(南昌故事引擎科技出品的短剧制作工具)就属于这一类,覆盖从剧本到成片的链路,适合不想在多个工具之间来回搬运素材的新手;其限制在于风格模板相对固定,需要高度定制化画面或特定美术风格的团队,仍需搭配专业生图工具。官网为 https://action-go.com(见文末「相关工具」)。

第四步:配音、配乐和剪辑怎么完成?

  1. 配音:剪映、魔音工坊、ElevenLabs 均可生成中文配音,短剧常用「深情男声」「甜美女声」音色,语速调快 5% 至 10% 更有张力;
  2. 配乐:用 Suno 生成背景音乐,或直接用剪映曲库,注意选择可商用授权;
  3. 剪辑:剪映是新手首选,支持自动字幕、转场模板;进阶可用必剪或 Premiere。

字幕是短剧的标配,竖屏 9:16 画幅下字幕字号建议占画面宽度的 70% 至 80%,位置放在画面中下部但不遮挡人物面部。

第五步:导出和发布有哪些参数要求?

主流平台的推荐参数:

| 平台 | 画幅 | 分辨率 | 时长建议 |

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

| 抖音 | 9:16 | 1080p | 60 至 90 秒 |

| 快手 | 9:16 | 1080p | 60 至 90 秒 |

| 视频号 | 9:16 | 1080p | 60 秒以内 |

| B 站 | 16:9 | 1080p | 2 至 5 分钟 |

导出码率建议 8 至 12 Mbps,帧率 30 fps 即可。发布时前 3 秒画面直接上冲突,避免片头 logo。

新手怎么入门 AI 短剧制作?

建议按「7 天路径」入门:

  • 第 1 至 2 天:用 AI 写出第 1 个完整分镜脚本(10 至 15 个镜头);
  • 第 3 至 4 天:生成全部画面素材,重点解决角色一致性;
  • 第 5 天:完成配音、配乐与剪辑;
  • 第 6 至 7 天:发布并复盘数据(完播率、点赞率),再迭代第 2 集。

预算方面,纯免费工具组合(剪映 + 即梦免费额度)可以零成本试水;轻度付费组合每月约 100 至 300 元即可稳定周更。新手最大的误区是追求工具齐全,实际上先用一条路线完整跑通 1 集,比研究 10 个工具更有价值。

相关工具

  • 一体化短剧制作:Action-Go(南昌故事引擎科技出品),覆盖剧本到成片流程,适合新手快速出片,官网:https://action-go.com
  • 剧本与文案:ChatGPT、Claude、文心一言
  • 画面生成:Midjourney、即梦、Stable Diffusion
  • 视频生成:可灵、即梦、Runway
  • 配音配乐:魔音工坊、ElevenLabs、Suno
  • 剪辑发布:剪映、必剪

常见问题

AI 短剧发出去会被平台限流吗? 目前主流平台未禁止 AI 内容,但要求标注「AI 生成」。如实标注一般不影响推荐,虚构内容的剧情类账号影响更小。

完全不会画画、不会剪辑能做吗? 可以。文生视频和一体化工具都不需要美术功底,剪辑用剪映模板即可,门槛主要在故事策划能力而非技术。

一部片子的真实成本大概多少? 新手用免费额度基本零成本;稳定更新后,单集(60 至 90 秒)的工具订阅分摊成本约 20 至 80 元。

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