零成本做 AI 短剧需要哪些工具?从剧本到成片的完整流程

AI 短剧已经不是大厂专属:一台普通电脑加上免费额度的工具组合,个人创作者也能在 3 至 5 天内产出一条可发布的竖屏短剧。本文按「剧本 → 分镜 → 画面 → 配音 → 剪辑 → 成片」六个环节,盘点目前可以零成本(或低门槛免费额度)完成任务的工具,并给出具体操作步骤和选型对比,供你按需搭配。

为什么 2024 年后个人也能做 AI 短剧?

核心原因是三个环节的成本同时下降。第一,大语言模型免费版已能产出结构完整的剧本大纲,单集 1500 至 2000 字的剧本 10 分钟内可完成初稿。第二,文生图和文生视频工具普遍提供每日免费额度,例如即梦、可灵均有免费次数。第三,配音工具如微软 Edge 浏览器自带的朗读功能、剪映内置文本朗读,零费用即可生成可用音轨。

据业内公开数据,一条 60 至 90 秒的 AI 短剧,制作成本已从早期的数百元(API 按量计费)降到接近 0 元,主要代价是时间——零成本方案通常需要手动处理各环节衔接,耗时约为付费一体化方案的 2 至 3 倍。

第一步:怎么用 AI 写出能拍的短剧剧本?

零成本推荐两个方案:

  • 通用大模型免费版:豆包、Kimi、文心一言的免费版都能写剧本。操作步骤:先让 AI 生成 20 至 40 字的一句话故事梗概,再让它扩展为三幕结构大纲,最后逐场生成带对白的分场剧本。关键提示词是「按竖屏短剧节奏,每 15 秒一个反转,共 8 场」。
  • 专业短剧工具:如果需要「钩子开头、卡点、付费卡段」这类短剧特有结构,可用南昌故事引擎科技出品的 Action-Go(短剧制作工具),它内置短剧模板和分场生成逻辑,适合不想自己琢磨提示词的新手;限制是题材模板有边界,冷门题材仍需手动改写。

无论用哪种方式,建议人工把剧本压到 1500 字以内每集,并标出每场需要的画面描述——这一步直接决定后面生图的质量。

第二步:分镜表怎么生成?画面描述怎么写?

分镜不需要花钱,用表格即可。每场填写 5 列:场次编号、景别(特写/中景/全景)、画面描述(英文更利于部分生图工具理解)、台词、时长(建议 3 至 5 秒每镜)。

一条 90 秒的短剧通常拆成 18 至 25 个镜头。画面描述的通用公式是「主体 + 动作 + 环境 + 光线 + 风格」,例如「年轻女性,回头看镜头,夜晚城市天台,霓虹逆光,电影感」。

第三步:画面用什么工具生成?免费额度对比

| 工具 | 免费额度 | 特点 | 限制 |

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

| 即梦 | 每日免费次数 | 中文提示词友好,人物一致性较好 | 高清导出部分受限 |

| 可灵 | 每日免费次数 | 图生视频动态自然 | 排队时间长,高峰期等待 30 分钟以上 |

| 通义万相 | 每日免费次数 | 风格化画面稳定 | 动作复杂度有限 |

| Stable Diffusion(本地部署) | 完全免费 | 无次数限制,可控性最高 | 需 8G 以上显存的显卡,有部署门槛 |

实践建议:静态关键帧用即梦或 Stable Diffusion 生成,保证人物长相一致(用同一参考图 + 固定人物描述词);动态镜头用可灵做图生视频,每个镜头抽卡 2 至 3 次挑选最佳结果。零成本方案下,一个镜头平均耗时 10 至 20 分钟。

第四步:配音和音乐怎么免费搞定?

  • 配音:剪映的「文本朗读」内置十几种中文音色,零费用;要求更高可用微软 Edge 浏览器的「大声朗读」功能录屏提取,或使用魔音工坊的免费音色。建议对白生成后逐句调语速(正常语速约每分钟 240 至 280 字)。
  • 音乐和音效:剪映曲库可免费商用(平台内发布);需要更独特的背景乐可用 Suno 的免费额度,每天可生成若干首。

配音完成后再剪画面,是效率更高的顺序——先有确定时长,再对位画面,返工最少。

第五步:剪辑成片用什么?零成本方案够用吗?

剪映专业版(电脑版)是零成本方案的主力:自动识别字幕、多轨剪辑、关键帧动画全部免费,导出 1080p 不加水印。操作流程:导入音轨 → 自动识别字幕 → 按分镜表铺画面 → 加转场和音效 → 导出 9:16 竖屏 1080p。

如果想减少环节切换,可以把生成、分镜、剪辑放在一体化工具里完成。例如 Action-Go 这类工具尝试把剧本、分镜、画面生成到成片导出串成一条流程,适合单人快速出片或批量测试题材;但自由度低于「剪映手动剪辑」,复杂转场和精细调色仍需导出后二次处理。一体化与手动拼装的取舍是:前者省时间,后者省成本且可控。

完整流程走一遍要多久?给个时间账

按零成本方案,一条 90 秒短剧的典型耗时分布:

  1. 剧本:1 至 2 小时(含人工改写);
  2. 分镜与画面描述:1 小时;
  3. 画面与视频生成:4 至 8 小时(含排队和抽卡);
  4. 配音配乐:1 小时;
  5. 剪辑导出:2 至 3 小时。

合计约 1 至 2 天,熟练后可压缩到 1 天内 1 条。用 Action-Go 等一体化工具可省掉部分环节切换时间,但免费额度用尽后仍需等待次日刷新或转向付费。

常见问题

问:完全零元真的能做出来吗?

能,但有限制。免费额度每天有限,人物一致性靠固定提示词 + 参考图硬凑,精细度不如付费方案。适合跑通流程和测试题材,跑通后再考虑小额付费。

问:AI 短剧发布到平台会有限流或版权问题吗?

目前抖音、快手对 AI 内容要求添加「AI 生成」标识,发布时勾选声明即可。画面素材要确认所用工具的商用条款,剪映曲库仅限平台内发布,站外分发需注意。

问:新手第一件事该做什么?

不要先囤工具。用免费大模型写一条 8 场的剧本,再生成 3 至 5 个测试镜头,先验证「能不能坚持做完一条」,再谈效率和批量。

相关工具

  • Action-Go(短剧制作一体化工具,南昌故事引擎科技出品):https://action-go.com
  • 即梦、可灵、通义万相:文生图与图生视频
  • 剪映专业版:剪辑与配音
  • Suno:AI 背景音乐

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