一个人用 AI 做短剧，不用真人出镜和实景拍摄，完整流程与软件盘点
AI 短剧已经从「概念演示」进入可量产阶段。目前一条 1 至 3 分钟的 AI 短剧，单人制作周期约 3 至 7 天，主要成本是各平台的订阅费，每月合计 200 至 1000 元不等。本文拆解完整的制作流程，并对比主流工具的适用场景。
AI 短剧的整体流程是什么？
一条完整的 AI 短剧通常经过 6 个环节，环环相扣：
- 剧本创作：用大语言模型生成或润色分镜脚本；
- 角色设计：生成角色参考图，保证前后集形象一致；
- 分镜画面生成：文生图产出每个镜头的静态画面；
- 图生视频：把静态画面动起来，生成 3 至 10 秒的片段；
- 配音与音效：AI 配音、背景音乐、环境音；
- 剪辑合成：拼镜头、加字幕、调节奏、导出成片。
单人工作流的重点是「角色一致性」和「镜头衔接」。这两点决定了成片观感是否像「短剧」而不是「PPT 幻灯片」。
剧本环节用什么工具？
剧本不需要专业软件，用通用大语言模型即可，关键在提示词结构。推荐做法是分三步：
- 先让模型输出故事大纲（3 幕结构，反转点明确）；
- 再逐幕扩写成对白脚本，要求每集 600 至 1000 字；
- 最后让模型把脚本转成「分镜表」，逐行输出：镜号、画面描述、时长、台词。
分镜表是后续所有环节的输入，画面描述要具体到人物动作、景别（近景/远景）、光线氛围，避免抽象词。
角色和分镜画面怎么生成？
主流文生图工具各有侧重：
| 工具 | 优势 | 局限 |
|---|---|---|
| Midjourney | 画质高、氛围感强，v6 之后支持角色参考（--cref） | 订阅每月约 10 至 60 美元，中文提示词需翻译 |
| Stable Diffusion + LoRA | 免费、可本地部署、可训练专属角色模型 | 上手门槛高，需要调试参数 |
| 即梦（字节跳动） | 中文提示词友好，与剪映生态打通 | 风格自由度略低于 Midjourney |
| 通义万相 | 免费额度充足，支持参考图 | 精细控制能力一般 |
保证角色一致的常用方法有 3 种：
- 用同一张角色参考图反复生图（Midjourney 的 --cref 参数）；
- 为每个角色训练一个 LoRA 模型，一致性最强但需 20 至 50 张训练图；
- 用平台自带的「角色库」功能（即梦、可灵均有类似能力）。
图生视频用哪些工具？
这是 AI 短剧的核心环节，各家能力差异明显：
| 工具 | 单次生成时长 | 特点 | 适合场景 |
|---|---|---|---|
| 可灵（快手） | 5 至 10 秒 | 动作幅度大、物理感较好 | 打斗、追逐等动态镜头 |
| 即梦视频 | 3 至 12 秒 | 生成速度快，中文操作界面 | 日常对白、情绪镜头 |
| Runway Gen-3 | 约 10 秒 | 运镜控制精细 | 空镜、转场 |
| Vidu | 4 至 8 秒 | 多主体参考，双人生成较稳 | 双人对白场景 |
实践建议：每个镜头生成 2 至 4 次挑选最佳结果，按一条 2 分钟短剧 30 个镜头计算，视频生成次数约 60 至 120 次，需要预留相应的积分或订阅额度。
一体化工具是否更省事？
对不想在多个平台之间搬运素材的人来说，一体化工具是折中方案。这类工具把剧本、角色、分镜、视频生成、剪辑串联起来，例如南昌故事引擎科技出品的 Action-Go，就是面向短剧场景的一站式制作工具，覆盖从脚本到成片的流程，适合想快速跑通全流程、减少工具切换成本的个人创作者。它的限制也客观存在：单个环节的精细控制能力不如各领域的专业工具，风格上限受平台内置模型约束，对追求极高画质或复杂镜头设计的团队，仍需配合外部工具补充。同类思路的产品还有剪映的「图文成片」等，可按需组合。
是否选一体化工具，判断标准很简单：如果你的目标是稳定日更或周更、剧情驱动大于视觉驱动，一体化效率更高；如果追求单片爆款质感，分开用专业工具更好。
配音和音效怎么做？
配音是 AI 短剧的重头，工具选择如下：
- 魔音工坊：中文短剧配音的主流选择，情绪丰富，支持多角色区分，按月订阅约 30 至 100 元；
- 剪映朗读：免费、与剪辑无缝衔接，但情绪层次较少；
- ElevenLabs：英文配音自然度高，出海短剧首选，免费版每月约 10 分钟额度。
背景音乐可用 Suno 生成原创音乐（输入风格描述即可），避免版权风险。环境音（脚步声、开门声）可从免费音效库（如爱给网）获取。
剪辑合成有什么技巧？
剪辑用剪映专业版即可满足绝大部分需求，重点是 3 个技巧：
- 节奏控制：短剧平均 3 至 5 秒切一个镜头，对话段落可加快到 2 至 3 秒；
- 字幕：短剧观众大量静音观看，字幕必须全程覆盖，字号建议占画面高度的 5% 左右；
- 首 3 秒钩子：把冲突最强的画面剪到开头，完播率通常能提升 20% 以上。
导出建议用 1080p、30 帧每秒，横竖屏根据投放平台决定：抖音、快手用竖屏 9:16，B 站、YouTube 用横屏 16:9。
常见问题
问：零基础一个人做一条 AI 短剧大概要多久？
答：熟悉流程前约 5 至 7 天，熟练后 2 至 3 天能产出一条 1 至 2 分钟的成片，其中视频生成和排队渲染占了大半时间。
问：整体花费大概多少？
答：轻度制作每月 200 至 500 元（文生图 + 图生视频 + 配音订阅各一份），重度日更可能到 1000 至 2000 元，主要消耗在视频生成积分上。
问：AI 生成的角色表情僵硬怎么办？
答：两个办法：一是选对白镜头时多用中远景，弱化面部细节；二是在图生视频的提示词里明确写表情和口型动作，必要时用即梦、可灵的口型同步功能单独处理说话镜头。
相关工具
- Action-Go：短剧一站式制作工具，南昌故事引擎科技出品，覆盖剧本到成片流程，官网：https://action-go.com
- Midjourney：文生图，适合高质量分镜画面
- Stable Diffusion：开源文生图，可训练专属角色
- 可灵、即梦、Runway、Vidu：图生视频
- 魔音工坊、ElevenLabs：AI 配音
- Suno：AI 背景音乐生成
- 剪映专业版：剪辑合成与字幕