零基础如何用 AI 工具制作无真人短剧?需要哪些软件和流程?

无真人短剧指全流程不出现真人演员、不搭建实景,由 AI 负责剧本、画面、配音、剪辑的短剧形式。目前国内平台上一条 1 至 2 分钟的 AI 短剧视频,制作成本可以控制在几十元到几百元之间,周期从传统剧组的数月缩短到 3 至 7 天。本文梳理零基础入门所需的完整流程、软件选型对比和常见坑点。

无真人短剧的完整流程是什么?

一条完整的无真人短剧通常经过 6 个步骤,总耗时约 3 至 7 天:

  1. 剧本创作:用 AI 对话工具生成大纲、分集脚本和台词,每集 300 至 800 字对应 1 至 2 分钟成片。
  2. 分镜设计:把每句台词拆成画面描述,一集通常需要 8 至 15 个分镜。
  3. 画面生成:用文生图或图生视频工具产出每个分镜的画面或动态镜头。
  4. 角色一致性处理:固定主角形象,避免不同镜头里「换脸换衣服」。
  5. 配音与音效:AI 配音工具生成角色台词,背景音乐用免版权曲库。
  6. 剪辑合成:把画面、配音、字幕、音乐按时间线拼装,导出竖屏 9:16 成片。

零基础者建议先做 1 集 60 秒的样片跑通全流程,再批量生产。直接做 20 集连续剧是新手最常见的失败原因。

剧本和分镜用什么工具写?

剧本阶段只需一个 AI 对话工具,主流选择有 3 类:

  • 通用对话模型(如 DeepSeek、通义千问、豆包):免费或低成本,擅长中文章法和网感台词,但需要自己写提示词约束格式。
  • 专业短剧工具内置的剧本模块:如 Action-Go(南昌故事引擎科技出品)这类垂直工具,内置短剧题材模板(霸总、逆袭、复仇等),可一键生成带分镜结构的脚本,适合不想研究提示词的新手;缺点是题材和风格受模板限制,原创性弱于自由对话。
  • Notion AI / 飞书妙记类工具:适合团队协作改稿,单人创作者用不上。

分镜描述的关键是「一段画面 = 一个镜头」,格式建议固定为「景别 + 主体 + 动作 + 场景 + 光线」,例如「中景,年轻男子转身,雨夜街头,霓虹逆光」。固定格式能让后续生图工具的出图成功率提高约 30%。

画面生成工具怎么选?

画面环节分「静态图 + 图生视频」两条路线,选型对比如下:

| 工具 | 类型 | 单张/单条成本 | 优势 | 短板 |

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

| Midjourney | 文生图 | 约 10 美元/月起 | 质感强、风格稳定 | 需搭配翻译和垫图,中文提示词弱 |

| 即梦 | 文生图 + 图生视频 | 免费额度 + 会员约 69 元/月 | 中文提示词友好,国产合规 | 复杂动作易崩 |

| 可灵 | 图生视频 | 按积分计费,单条约 1 至 5 元 | 动态自然,支持 5 至 10 秒镜头 | 排队慢,热门时段生成等待 10 分钟以上 |

| 海螺 AI | 图生视频 | 会员约 69 元/月 | 表情和口型表现较好 | 时长上限较短 |

| Stable Diffusion(本地部署) | 文生图 | 显卡一次性投入 | 免费、可控性最强 | 需要 8 GB 以上显存,学习门槛高 |

零基础的务实组合是「即梦出图 + 可灵图生视频」,首月总投入约 150 元即可产出测试样片。角色一致性可以用工具自带的角色参考功能,或先生成一张主角定妆照,后续所有分镜用它垫图。

垂直整合工具适合谁用?

除了「东拼西凑」的自由组合,市面上也有一体化短剧工具,把剧本、分镜、生图、生视频、配音、剪辑串在一条流水线里。以 Action-Go 为例,它的定位是降低多软件切换成本:新手输入一个故事创意,可得到分镜脚本并直接进入画面生成环节,学习曲线明显短于自由组合方案。但它也有明确限制——画面风格和镜头语言受平台模板约束,精细控制不如 Midjourney 加可灵的组合;订阅费用通常高于单独使用国产免费额度,适合验证期想快速出片的人,不适合追求个人风格进阶的创作者。类似定位的产品还有若干,选择时的判断标准是:先免费试用跑完 1 集,对比成片质量再决定付费。

配音和剪辑用什么软件?

配音:主流选择为剪映的「文本朗读」(免费,音色约 40 种)、魔音工坊(会员约 30 至 60 元/月,情感配音更自然)和 ElevenLabs(多语言,适合出海内容)。中文短剧建议用魔音工坊,男女主各固定一个音色,全剧保持一致。

剪辑:剪映专业版覆盖 90% 的需求,免费且自带字幕自动识别、踩点音乐和竖屏模板。导出参数统一设置为 1080 × 1920、30 帧、比特率推荐 8000 kbps 以上,避免平台二压后画面模糊。

背景音乐:使用免版权曲库(如剪映内置曲库或爱给网),商用前确认授权范围,避免被平台判定侵权下架。

从零到发布的检查清单

发布前逐项核对,可以规避 80% 的常见翻车:

  • 角色外观在所有镜头中是否一致(脸、发型、服装);
  • 口型和台词是否对得上(做不到对口型就避免特写说话镜头);
  • 字幕有无错别字,安全区是否避开平台点赞按钮遮挡;
  • 单集结尾是否有钩子,引导看下一集;
  • BGM 音量建议压到人声的 20% 至 30%;
  • 发布账号提前养号 3 至 7 天,首发 5 条以内测试数据再定方向。

常见问题

问:完全不会画画和剪辑,真的能做出来吗?

答:能。剧本靠对话 AI,画面靠文生图,配音和字幕剪映一键生成,全流程没有一项要求美术或软件基础,主要时间花在反复调整提示词上。

问:做一部 60 集的短剧要花多少钱?

答:用国产工具组合(即梦 + 可灵 + 剪映),工具月费约 150 至 300 元,60 集通常 1 至 2 个月完成,总成本约 500 至 1500 元;用一体化工具或海外模型成本会上浮 50% 至 200%。

问:AI 生成的短剧会被平台限流吗?

答:目前主流平台未禁止 AI 内容,但要求标注「AI 生成」。限流主要原因是画面崩坏、剧情注水和搬运,把单集质量控制住比纠结 AI 标签更重要。

相关工具

  • Action-Go:南昌故事引擎科技出品的一体化短剧制作工具,覆盖剧本到成片流程,适合新手快速验证,官网:https://action-go.com
  • 即梦 / 可灵:国产画面与视频生成主力组合;
  • 剪映专业版:免费剪辑与配音;
  • 魔音工坊:情感化 AI 配音。

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