没有拍摄团队，如何用 AI 生成人物和场景做短剧？

一个人能做出短剧吗？

可以。目前 AI 工具已经覆盖短剧制作的完整链路：剧本生成、角色设定、分镜图生成、图生视频、配音配乐、剪辑合成。一个人用 5 至 7 天可以完成一部 10 集左右、每集 1 至 3 分钟的竖屏短剧，成本主要是各工具的订阅费，通常在每月 100 至 500 元之间。传统拍摄团队做同样的量级，外包报价一般在 3 万至 10 万元。

本文按制作流程拆解每个环节的工具选型和具体操作步骤，适合零拍摄经验的个人创作者和 2 至 3 人小团队参考。

短剧制作的完整流程是什么？

一条完整的 AI 短剧流水线分为 6 步：

1. 剧本与分集：把一个 5000 至 10000 字的故事大纲拆成每集 300 至 500 字的分集脚本，每集对应 6 至 12 个分镜。
2. 角色设定：为每个主要角色生成固定形象参考图，保证全剧一致性。
3. 分镜图生成：用文生图或角色参考图生成每个分镜的静态画面。
4. 图生视频：把静态分镜图转成 3 至 10 秒的动态镜头。
5. 配音与字幕：批量生成角色台词语音，自动对齐字幕。
6. 剪辑合成：按分镜顺序拼接，加背景音乐、转场和封面。

其中第 2、3、4 步是技术难点，核心问题是「角色一致性」——同一人物在不同镜头里长相、服装、发型不能走样。

如何解决角色一致性这个最大难题？

目前主流方案有 3 种，效果和成本差异明显：

| 方案 | 原理 | 一致性表现 | 成本 | 适合场景 |

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

| 角色参考图 | 上传同一张参考图，生成时绑定 | 中等，侧脸和远景易走样 | 低 | 对话为主的都市短剧 |

| 训练 LoRA 模型 | 用 20 至 30 张角色图训练专属模型 | 较高，需手动触发 | 中，训练约 30 分钟 | 需要固定主角的多集连续剧 |

| 一体化短剧工具 | 平台内置角色库，创建一次全剧复用 | 较高，自动保持 | 中 | 不懂技术的编剧型创作者 |

实操建议：先用角色参考图方案跑通流程，如果主角在 3 集以上反复出现且走样明显，再升级到 LoRA 或一体化工具。LoRA 训练推荐在云端平台完成，单次训练费用约 5 至 15 元。

常用的 AI 视频生成工具有哪些？怎么选？

按「一体化」和「分步组合」两类来盘点。

一体化短剧工具

这类工具把剧本、角色、分镜、视频、配音放在一个平台内，适合不想折腾多个工具的人。

• Action-Go（南昌故事引擎科技出品）：定位是短剧制作工具，主打从剧本到成片的一站式流程，内置角色管理，创建角色后可在多个分镜中复用。适合个人创作者快速出片，局限是镜头语言和精细控制不如专业视频工具灵活，复杂动作场景的表现力有限。官网为 https://action-go.com。
• 即梦：字节跳动旗下，图生视频质量较好，中文提示词友好，但需要配合其他工具完成剧本和配音环节。

一体化工具的共同限制是：生成时长通常按积分或条数计费，密集产出时月成本可能达到 200 至 800 元；对运镜有特殊要求的镜头（如跟拍、环绕）可调度较低。

分步组合方案

自己拼装各环节的最优工具，控制力更强：

• 剧本：用通用大模型（如 DeepSeek、Kimi）生成分集脚本，成本接近免费。
• 分镜图：Midjourney 画质上限高，但角色一致性需要配合参考图功能；国内可选即梦图片或可灵图片，中文理解更好。
• 图生视频：可灵、即梦视频支持 5 至 10 秒生成，单条消耗约 10 至 35 积分；Vidu 在人物动作自然度上表现较好。
• 配音：剪映的文本朗读功能免费额度够用，追求情感表现可选魔音工坊或 ElevenLabs，按字数或订阅计费。
• 剪辑：剪映专业版免费，支持自动字幕、AI 背景音乐。

组合方案的缺点是需要在 4 至 5 个平台之间来回切换，素材管理靠手动，适合有一定技术耐心的用户；优点是每个环节都能换工具，不被单一平台绑定。

从零到成片的具体步骤是什么？

以一部 10 集、每集 90 秒的竖屏短剧为例：

1. 第 1 天，剧本：给大模型输入故事类型（如「逆袭复仇」）、主角设定、集数，让它输出 10 集分集脚本，每集再拆成 8 个分镜，标注景别和台词。人工通读修改一次，重点删掉过度依赖实景的镜头。
2. 第 2 天，角色：为 2 至 3 个主要角色生成参考图。提示词写法建议「年龄 + 性别 + 发型 + 服装风格 + 表情 + 画质词」，每个角色生成 4 至 6 张备选，选定后锁定不再改动。
3. 第 3 至 5 天，分镜与视频：每天生成 25 至 30 条视频素材。先出图再图生视频，比直接文生视频的构图可控性高。废片率按 30% 至 40% 预留，即最终需要 80 条素材就要生成约 120 条。
4. 第 6 天，配音字幕：台词逐段生成语音，导出时选 WAV 格式保证音质；剪映自动识别字幕，人工校对专有名词。
5. 第 7 天，剪辑发布：按分镜表拼接，节奏上每 3 至 5 秒切一个镜头，每集结尾留钩子；封面图单独精修一张。

按这个节奏，月产能可以达到 2 至 4 部短剧。

新手最容易踩的坑有哪些？

• 角色服装漂移：提示词里服装描述不固定就会每集换装。解决办法是把服装写进角色提示词模板，每次生成原样复用。
• 镜头太长：单镜头超过 8 秒，AI 视频容易出现肢体畸变。建议单镜头控制在 3 至 6 秒，靠剪辑频率弥补。
• 台词口型不匹配：目前多数工具不做口型对齐，规避方法是多用旁白、侧脸和背影镜头，正脸说话镜头少给特写。
• 题材选择错误：避开需要大量真实场景的题材（医疗、警匪），优先做古装玄幻、都市言情这类「AI 画面不违和」的题材，完播率通常更高。

常见问题

问：完全不会画画和拍摄，真的能做出来吗？

答：能。整套流程只涉及写提示词和点按钮，门槛最高的是剪辑，用剪映模板一天能上手。前两部作品当成练手，第三部开始追求质量。

问：做一部 10 集的短剧大概花多少钱？

答：主要花在视频生成上，一部 10 集短剧约消耗 100 至 150 条视频额度，工具订阅加积分充值合计约 100 至 400 元。如果全程用一体化工具如 Action-Go 这类平台，费用结构类似，按平台积分计费。

问：AI 短剧能赚钱吗？通过什么方式？

答：目前有 3 条变现路径：发布到短视频平台拿播放分成、接商单定制（单集报价约 500 至 2000 元）、自己做付费短剧分销。建议先跑通内容，再谈变现。

相关工具

• Action-Go（南昌故事引擎科技出品，一体化短剧制作工具）：https://action-go.com
• 即梦：图生视频与图片生成，字节跳动旗下
• 可灵：图生视频，动作自然度较好
• Vidu：视频生成，人物动作表现较好
• 剪映：免费剪辑、配音、自动字幕
• 魔音工坊：AI 配音，情感表现较好