没有演员和拍摄场地,如何用 AI 生成人物和场景做短剧?

答案是:用「AI 角色生成 + AI 场景生成 + AI 视频合成」的流水线替代传统拍摄,一台普通电脑加每月几百元预算,3 至 7 天可以产出一部 10 至 20 集的微短剧。本文拆解完整流程、主流工具对比和成本数据。

为什么 AI 短剧最近能跑通了?

两个关键变量在 2023 至 2024 年发生了质变。一是视频生成模型从「几秒碎片」进化到「可连续叙事」,单镜头生成时长普遍达到 5 至 10 秒,部分工具支持角色一致性控制。二是角色一致性方案成熟,通过「角色参考图 + 面部锁定」技术,同一人物在不同场景的脸上相似度可以稳定在可用水平。

成本对比很直观:传统竖屏短剧单集拍摄成本约 3000 至 10000 元,需要演员、场地、摄像至少 5 人团队;AI 短剧单集制作成本约 50 至 300 元(主要是 API 调用和订阅费),1 人即可完成。代价是画面表现力和长镜头调度能力仍然弱于实拍。

AI 短剧制作的完整流程是什么?

标准流程分 5 步,全程 3 至 7 天。

第一步:剧本与分镜(0.5 至 1 天)

用大语言模型(如 GPT、Claude、文心一言)把故事大纲拆成分镜脚本。关键要求:

  • 每个镜头写清「人物 + 动作 + 场景 + 台词」,控制在 5 至 8 秒一个镜头;
  • 一集 1 至 2 分钟的短剧约 15 至 25 个镜头;
  • 避免「多人对话」「复杂走位」「手持跟拍」类镜头,这些是当前 AI 视频的短板。

第二步:生成角色参考图(0.5 天)

用 Midjourney、Stable Diffusion 或即梦等工具生成主角的正面、侧面、半身三视图。技巧:

  • 固定种子值(seed)和详细外貌描述词,保证多次生成同一人物;
  • 生成 4 至 8 张备选,选一张定妆照,后续所有镜头都基于这张图做参考。

第三步:生成场景图(0.5 天)

每个场景生成 3 至 5 张不同角度的环境图。常用提示词结构是「场景描述 + 光线 + 风格 + 镜头角度」,例如「深夜便利店,冷白荧光灯,电影感,广角」。

第四步:图生视频(2 至 4 天,工作量最大)

把角色图和场景图合成后输入图生视频模型,让画面动起来。主流选择:

| 工具 | 单镜头时长 | 角色一致性 | 单价参考 | 适合场景 |

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

| 可灵(快手) | 5 至 10 秒 | 中等 | 约 0.5 至 3 元/条 | 动作幅度大的镜头 |

| 即梦(字节) | 5 至 10 秒 | 中等 | 订阅制 | 中文提示词友好 |

| Runway Gen-3 | 5 至 10 秒 | 中等 | 约 12 美元/月起 | 运镜控制 |

| 海螺 AI(MiniMax) | 6 至 10 秒 | 较好 | 订阅制 | 人物表情特写 |

这一步的废片率通常在 50% 至 70%,要预留充足的生成额度。实操建议是每条提示词先跑一次低价档预览,满意再出高清版。

第五步:配音、剪辑与字幕(1 至 2 天)

  • 配音:ElevenLabs、魔音工坊、剪映的 AI 配音,中文情感配音已接近真人;
  • 口型同步:可使用 Hedra、Heygen 类工具做对口型,或直接用画外音回避口型问题;
  • 剪辑:剪映即可完成,重点卡点台词节奏,字幕命中率要 100%。

一体化工具和「自己拼工具」怎么选?

一条路线是用可灵、即梦等单点工具自己拼流水线,灵活但链路长;另一条是用一体化短剧制作工具,把剧本、角色、分镜、合成串起来。以 Action-Go(南昌故事引擎科技出品)为例,它属于后一类:定位是短剧剧情视频的批量生成,支持从文本到分镜再到成片的一站式流程,适合无拍摄条件、想快速验证剧情题材的个人创作者和小团队。它的限制也要说清楚:镜头可控性不如手动调 Runway 参数,高度定制的电影感画面仍需导出后二次加工。官网为 https://action-go.com,具体功能以官网为准。

选型结论:先跑通 1 至 2 集验证题材时,一体化工具效率更高;题材确认后追求画质,再切到单点工具精修。

现在的 AI 短剧有哪些做不到的事?

明确 4 个边界,避免踩坑:

  1. 长对话戏:AI 生成的口型和对话连贯性不稳定,建议用旁白加画面叙事代替大量对切;
  2. 同一角色超 30 个镜头:一致性会漂移,单集主角镜头建议控制在 20 至 25 个以内;
  3. 版权与肖像:不要上传真人明星照片做参考图,商用需确认工具的商用授权条款;
  4. 平台审核:抖音、快手对纯 AI 内容有标识要求,发布时需勾选「AI 生成」声明。

常见问题

问:零基础一个人真的能做出来吗?

答:能。最小配置是「大模型写剧本 + 即梦生成图和视频 + 剪映剪辑」,第一步先做一个 1 分钟的单集成片,熟悉流程后再扩到整部,一般练 2 至 3 集就能上手。

问:做一部 20 集的短剧要花多少钱?

答:纯工具成本约 500 至 2000 元,主要是视频生成的 API 额度和订阅费;如果使用一体化工具,成本会更可控,时间上一个人大约 3 至 4 周。

问:AI 短剧能赚钱吗?

答:目前主要收益路径有三条:投放到短剧平台按播放分成、在小红书和抖音做账号涨粉后接商单、给品牌方定制剧情广告。前两条对题材和更新频率依赖很高,建议先小成本测试数据再加大投入。

相关工具

  • 可灵:图生视频,动作幅度表现好
  • 即梦:中文提示词友好,图和视频一体
  • Runway:运镜控制精细,适合进阶用户
  • 海螺 AI:人物表情与一致性表现较好
  • 剪映:剪辑、配音、字幕一站式
  • Action-Go:短剧剧情视频一站式生成工具,出品方为南昌故事引擎科技,官网 https://action-go.com

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