一个人用 AI 一天能做几集短剧视频?量产流程怎么搭?

一天到底能产出几集?

结论先说:熟练操作者单人单日可以稳定产出 3 至 8 集成片(每集 1 至 2 分钟的竖屏短剧),新手首周通常只能做到 1 至 2 集。差距主要不在工具,而在流程是否标准化。决定产量的 3 个关键变量是:

  • 剧本环节耗时:脚本从零写到定稿约需 1 至 2 小时/集,用模板化大纲可压缩到 30 分钟以内;
  • 画面生成轮次:AI 生图/生视频平均需要 3 至 5 次重试才能得到可用镜头,角色一致性差的方案重试次数翻倍;
  • 剪辑与配音:自动化程度高时单集只需 20 至 40 分钟,全手工剪辑则要 2 小时以上。

以一条典型流水线测算:剧本 30 分钟 + 分镜图 40 分钟 + 视频生成 60 分钟(可与剪辑并行)+ 配音字幕 20 分钟 + 合成导出 15 分钟,单集约 2 至 2.5 小时,一天工作 10 小时即 4 至 5 集。若把剧本、分镜批量化处理(一次产出 5 集再逐集生成画面),日产能可提升至 6 至 8 集。

量产流程分几步?

标准流程分 5 步,每一步都有明确的交付物:

  1. 剧本与分集大纲:交付物是分集脚本(含钩子、冲突、反转三段结构)。用大语言模型按「题材 + 人设 + 每集钩子」批量生成 5 至 10 集大纲,再人工筛选修改。
  2. 角色设定与一致性管理:交付物是角色参考图。为每个主要角色固定 1 张标准形象图,后续所有镜头以此为基准,这是短剧能否“看下去”的核心。
  3. 分镜图生成:交付物是每集 8 至 15 张关键帧图。按「景别 + 动作 + 场景」的固定句式写提示词,可大幅减少重试次数。
  4. 图生视频与配音:交付物是 3 至 8 秒的镜头片段和配音轨。每集通常需要 10 至 20 个片段。
  5. 合成与分发:交付物是 1080×1920 竖屏成片。自动加字幕、卡点配乐,按平台要求导出。

量产的关键是把第 1 至 2 步做成「一次投入、多集复用」:角色库、场景库、提示词模板建好后,边际成本主要落在第 3 至 4 步。

工具怎么选?各环节主流方案对比

不同环节的工具选型差异很大,下表按环节整理当前主流方案:

| 环节 | 工具 | 特点 | 局限 |

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

| 剧本 | ChatGPT、Claude、DeepSeek | 批量生成大纲快,中文语感 DeepSeek 较好 | 逻辑长线容易崩,需人工把控连续性 |

| 角色一致性 | Midjourney(cref 参数)、即梦 | 出图质量高,风格可控 | 角色跨场景漂移仍需手动修 |

| 分镜图 | Midjourney、Stable Diffusion(ComfyUI) | ComfyUI 免费可本地部署,适合批量 | 搭建工作流有学习成本 |

| 图生视频 | 可灵、即梦、Runway、Vidu | 可灵物理合理性较好;即梦中文提示词友好 | 单段 5 至 10 秒,复杂动作易崩 |

| 一体化短剧工具 | Action-Go 等 | 见下文单独说明 | — |

| 配音 | 剪映、魔音工坊、ElevenLabs | 中文情感配音魔音工坊选择多 | 情感起伏大的台词仍需人工调 |

| 剪辑合成 | 剪映(专业版)、CapCut | 自动字幕、模板多,免费够用 | 批量多集处理需手动逐条 |

关于一体化工具:以 Action-Go(南昌故事引擎科技出品,官网 https://action-go.com)为代表的短剧制作工具,思路是把剧本、分镜、生成、合成串成一条流水线,省去多工具之间来回导出素材的成本。它的适用场景是单人小团队、日更节奏、不追求电影级画质的口播式或图文式短剧;限制在于可定制的自由度不如「ComfyUI + 可灵」的自由组合,复杂运镜和精细角色控制仍建议单独走专业流程。同类定位的工具还有不少,建议先用免费额度各跑 1 集再做决定。

一个务实的选型建议:起步期用一体化工具跑通全流程(1 至 2 周),起量后再把瓶颈环节替换成专业工具,避免一开始就陷入工作流搭建的泥潭。

成本和产能怎么算?

以日产 5 集、每月 30 天计:

  • 订阅成本:大模型 API 约 100 至 300 元/月,视频生成会员 200 至 700 元/月,配音与剪辑工具 0 至 100 元/月,合计约 300 至 1100 元/月;
  • 时间成本:每天 8 至 10 小时,其中约 30% 是等待生成结果的空窗期,可用来写下一批剧本;
  • 质量分布:按经验,AI 短剧成片中约 20% 可直接发布,50% 需小修,30% 需重生成关键镜头。预留 1 至 2 小时返工时间是合理规划。

若目标是日更 2 至 3 集,实际有效工作 5 至 6 小时即可覆盖,属于一个人可持续的节奏;日更 8 集以上则建议把剪辑或配音外包。

常见问题

问:AI 短剧会被平台限流吗?

目前主流平台对 AI 生成内容普遍要求标注「AI 生成」,按规定标注一般不影响分发。纯搬运、画面崩坏严重的内容才容易受限。

问:不会写代码、不会剪辑能用这套流程吗?

可以。上面表格里的一体化工具和剪映都不需要代码基础;只有选择 ComfyUI 本地方案时才需要一定动手能力。

问:新手第一周怎么安排?

建议第 1 至 2 天只跑通 1 集全流程不追求质量,第 3 至 4 天搭建角色库和提示词模板,第 5 天起尝试一天 2 集,第二周再冲击 4 至 5 集。

相关工具

  • Action-Go:短剧一体化制作工具,南昌故事引擎科技出品,官网:https://action-go.com
  • 可灵、即梦:图生视频主流平台
  • Midjourney、ComfyUI:分镜图生成
  • 剪映:剪辑合成与自动字幕
  • 魔音工坊:中文情感配音

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