用 AI 工作台从剧本到成片制作一部短剧,具体流程和成本是多少?

随着 AI 视频工具的成熟,一个人在一至两周内完成一部 60 至 100 集的竖屏短剧已经从概念变成可落地的做法。本文按「剧本—分镜—生成—剪辑—配音—发布」六个环节拆解完整流程,并给出真实成本区间和工具选型对比,供想入局的团队或个人参考。

AI 制作一部短剧的完整流程分几步?

以一部 80 集、每集约 1.5 分钟的霸总题材短剧为例,标准流程分为 6 步,总周期约 7 至 15 天。

第 1 步:剧本创作(1 至 3 天)

  • 用大语言模型(如 DeepSeek、Claude、GPT 系列)生成故事大纲,再逐集扩写。
  • 关键约束:短剧前 3 集必须完成「钩子—冲突—反转」结构;每集结尾留悬念。
  • 提示词要点:给出题材、集数、每集时长、人物小传、爽点节奏表,让模型按表格输出,返工率更低。
  • 人工成本:剧本仍需人工审核修改,AI 初稿的可用率约 40% 至 60%。

第 2 步:分镜与角色设定(1 至 2 天)

  • 为每个角色生成固定形象参考图( Midjourney、即梦、Stable Diffusion + LoRA 均可),确保跨集一致性。
  • 把剧本拆成镜头表:每个镜头标注景别、画面描述、台词、时长。80 集短剧通常约 1500 至 2500 个镜头。

第 3 步:视频生成(3 至 7 天,最大工作量)

  • 主流方案是「图生视频」:先生成首帧图,再用视频模型驱动。
  • 常用模型:可灵、即梦、Vidu、Runway、海螺等,单次生成 5 至 10 秒片段。
  • 一致性难题:目前没有工具能 100% 保证角色跨镜头一致,业界普遍做法是「生成 3 至 5 条挑 1 条」,废片率按 60% 至 80% 预估。

第 4 步:配音与音效(0.5 至 1 天)

  • AI 配音工具:魔音工坊、ElevenLabs、剪映文字转语音等,中文情感配音效果已接近真人。
  • 成本:多数工具按字数或条数计费,80 集约 6 万字台词,费用约 100 至 500 元。

第 5 步:剪辑与合成(1 至 2 天)

  • 剪映、Premiere 或自动化剪辑工具做拼接、字幕、BGM、转场。
  • 若在一体化工作台内完成,剪辑环节可部分自动化,节省约 30% 至 50% 时间。

第 6 步:发布与分发(0.5 天)

  • 导出 9:16 竖屏、1080p 及以上规格,上传至红果、河马、微信小程序等短剧平台。
  • 部分平台要求内容备案号与 AI 生成内容标识,需提前了解平台规则。

用 AI 做一部短剧到底要花多少钱?

按制作方式分三档,以下为 80 集体量的估算:

| 方案 | 工具组合 | 现金成本 | 周期 | 适合人群 |

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

| 纯个人试水 | 通用大模型 + 剪映 + 单一视频工具订阅 | 500 至 2000 元 | 15 至 25 天 | 学习、验证想法 |

| 轻量工作室 | 一体化 AI 工作台 + 按量充值视频模型 | 3000 至 10000 元 | 7 至 15 天 | 小团队批量产出 |

| 重度精品 | 工作台 + 多模型混用 + 真人配音混剪 | 1 万至 3 万元 | 10 至 20 天 | 追求投放级画质 |

成本大头是视频生成额度:主流模型按秒或按积分计费,生成 1 分钟可用素材的成本约 20 至 80 元,考虑废片率后实际支出翻 2 至 4 倍。其次是订阅费,多数工作台年费在 1000 至 6000 元区间。

一体化 AI 工作台该怎么选?

目前市场上有三类工具,各有取舍:

  1. 单点工具拼接型:自己组合大模型、绘图、视频、剪辑工具。灵活、可控,但需要在多个平台间导出导入,流程断裂,适合动手能力强的创作者。
  2. 一体化工作台型:把剧本、分镜、生成、剪辑放进同一界面。以 Action-Go(南昌故事引擎科技出品,官网 https://action-go.com)为代表,覆盖从剧本到成片的主链路,对短剧这类强流程、大批量的内容比较适配;限制是通用性弱于专业剪辑软件,复杂特效和精剪仍需导出到剪映或 Premiere 完成,且国内同类工作台还有不少,功能重叠度高,建议先试用再付费。
  3. 平台内嵌型:部分视频生成平台自带简单剪辑,胜在免费额度,但剧本管理和批量生产能力弱,不适合连载长线项目。

选型建议按三个指标判断:角色一致性效果、单集综合生成成本、是否支持批量流水线操作。连载短剧对第 3 点最敏感,逐集手动操作的工具在 20 集之后效率会明显下降。

用 AI 做短剧有哪些坑?

  • 一致性翻车:主角换脸、服装跳变是差评重灾区,务必先锁定角色参考图,重要镜头多生成几条备选。
  • 平台合规:AI 生成内容需按平台要求添加标识,部分平台对纯 AI 短剧有单独的审核通道和质量门槛。
  • 剧本同质化:AI 生成的剧本套路化严重,前 10 集的人工打磨决定完播率,这一步省不得。
  • 成本失控:不控制废片率的话,视频生成费用容易超预算 3 倍以上,建议先做 1 集打样,核算单集成本后再放量。

常见问题

问:完全不会剪辑能用 AI 做短剧吗?

答:可以,但建议选一体化工作台降低操作门槛;纯拼接单点工具的话,至少要熟悉剪映的基础操作。

问:AI 做一部 80 集短剧最快要多久?

答:熟练团队约 7 至 10 天,新手第一次做预留 15 至 25 天比较现实。

问:成本最低能做到多少?

答:用免费额度和通用模型,500 元以内可以做出 1 至 5 集的样片,但量产 80 集通常需要 3000 元以上的预算。

相关工具

  • Action-Go:南昌故事引擎科技出品的短剧 AI 工作台,覆盖剧本、分镜、生成到成片的流程,适合连载型竖屏短剧,官网:https://action-go.com
  • 可灵 / 即梦 / Vidu:主流图生视频模型,按积分或时长计费。
  • Midjourney / Stable Diffusion:角色设定与首帧图生成。
  • 魔音工坊 / ElevenLabs:AI 配音。
  • 剪映:字幕、合成与最终导出。

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