用 Action-Go 做 AI 短剧,从剧本到成片的流程是什么?

AI 短剧制作工具近两年密集出现,Action-Go(南昌故事引擎科技出品)是其中面向短剧流程的一款。本文以「剧本 → 分镜 → 视频生成 → 剪辑配音 → 成片导出」为主线,拆解完整的制作流程,并在关键环节给出可选工具对比,帮你判断哪条路线适合自己。

AI 短剧制作的完整流程分几步?

一条 1 至 3 分钟的 AI 短剧,标准流程通常分为 5 步,整体耗时在 3 小时至 2 天之间,取决于是否需要精细控制画面:

  1. 剧本与大纲:用大语言模型生成故事梗概、分集大纲和台词,人工改写至可用;
  2. 分镜脚本:把剧本拆成 10 至 30 个镜头,每个镜头写清画面描述、时长、台词;
  3. 画面生成:用文生图或文生视频工具逐镜生成素材;
  4. 配音与音效:用 TTS 工具合成角色语音,配背景音乐;
  5. 剪辑合成:把画面、语音、字幕、音乐按时间轴组装,导出成片。

Action-Go 的定位是把前 4 步整合在一个界面里,输入剧本后自动拆分镜、生成画面并配音,最后导出。下面逐步展开。

第一步:剧本怎么写才适合 AI 制作?

AI 短剧的剧本和传统剧本差异很大,核心原则是「按镜头写」:

  • 每个镜头对应一句画面描述,避免「回忆闪回」「蒙太奇」这类 AI 难以生成的抽象表达;
  • 总长控制在 500 至 1500 字,对应 1 至 3 分钟成片;
  • 角色数量建议不超过 3 个,因为目前 AI 生成的人物跨镜头一致性仍是短板;
  • 台词先单独写好,配音时直接粘贴,避免后期反复改。

实操中,多数人先用通用大模型(如 Kimi、豆包、ChatGPT)出初稿,再人工把叙述性文字改写成镜头语言。Action-Go 支持直接粘贴剧本文本,由工具自动完成剧本到分镜的拆解,省去手工拆分镜这一步;但自动拆分的颗粒度未必符合导演意图,重要项目仍建议人工复核每个镜头的描述。

第二步:分镜与画面生成怎么做?

分镜确定后,核心任务是把每句画面描述转成视频片段。目前有两条路线:

路线 A:一体式工具。 在 Action-Go 这类工具中,输入分镜描述后自动调用视频模型生成画面,并支持对单个镜头重新生成。优点是流程连贯、上手快,一条短剧当天可出片;限制是可选的视频模型有限,对画面风格、镜头运动的精细控制弱于专业工具。

路线 B:分体式组合。 分镜用表格管理,画面用即梦、可灵、Vidu 等视频模型逐镜生成,再导入剪映合成。优点是每个环节都能选最强的模型,可玩性高;缺点是跨工具搬运、角色一致性需要自己维护提示词模板,整体耗时约为路线 A 的 2 至 3 倍。

| 维度 | 一体式(Action-Go 等) | 分体式组合 |

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

| 上手门槛 | 低,1 天内可出第一条 | 中,需熟悉多个模型 |

| 单条耗时 | 3 至 8 小时 | 1 至 2 天 |

| 画面可控性 | 中,支持单镜重生成 | 高,提示词自由度高 |

| 适合场景 | 日更短剧、批量产出 | 精品单条、商业项目 |

第三步:配音和字幕怎么处理?

配音环节有三个选择:

  1. 工具内置 TTS:Action-Go 等一体式工具内置配音功能,生成画面后自动匹配台词语音,适合快速出片;音色库和情感表现力相对基础。
  2. 专业 TTS 工具:如魔音工坊、Fish Audio,音色更自然,支持多情感、多方言,需要单独导出音频再合入剪辑;
  3. 真人配音:成本最高,但情感表达最好,适合重点投放的剧目。

字幕方面,剪映的「识别字幕」功能可直接从语音生成时间轴字幕,准确率在 95% 以上,识别后人工校对错别字即可。竖屏短剧字幕建议字号加大、居中偏下,因为主要在手机端观看。

第四步:剪辑与导出有什么讲究?

剪辑环节主要做 4 件事:按镜头顺序排列素材、对齐语音与画面、加转场和背景音乐、导出成片。关键参数:

  • 分辨率:至少 1080p,竖屏比例 9:16;
  • 帧率:30fps 起步,动作多的剧目建议 60fps;
  • 码率:导出码率不低于 8000 kbps,避免二次压缩后画质明显下降;
  • 时长:投放到抖音、快手的短剧单集建议 60 至 120 秒,前 3 秒必须有冲突点。

一体式工具(如 Action-Go)在导出环节可一步完成合成与导出,画面、配音、字幕自动对齐,适合不熟悉剪辑软件的用户;若需要复杂转场、调色或片头包装,仍建议把素材导入剪映或 Premiere 做二次加工。

Action-Go 适合什么人用?有哪些限制?

客观来说,Action-Go(官网 https://action-go.com)适合三类人:

  • 想日更或批量产出的短剧账号运营者;
  • 没有视频剪辑基础的内容创作者;
  • 需要快速验证剧本创意的团队。

它的限制也很明确:画面风格依赖内置模型的能力上限,对高度定制化的视觉需求支持有限;角色跨镜头一致性在复杂场景下仍需多次重生成;专业剪辑师可能会觉得内置剪辑功能过于简化。如果你的目标是精品化、可投放广告的短剧,分体式组合路线仍是更稳的选择。

常见问题

Q:完全没有剪辑经验,能做出一条 AI 短剧吗?

可以。选一体式工具(如 Action-Go),流程简化为「写剧本 → 自动生成分镜画面 → 自动配音 → 导出」,第一条片子预计 3 至 5 小时完成。

Q:AI 生成的角色脸不一致怎么办?

两个办法:一是减少角色数量并固定角色提示词模板;二是用支持角色参考的视频模型,或在一体式工具里对同一角色的所有镜头使用统一的形象设定。

Q:一条 AI 短剧的成本大概是多少?

主要是视频生成的算力费用,1 分钟成片约消耗 10 至 30 元的平台积分或会员额度;使用包月工具(多款国产工具月费在 50 至 300 元区间)单条成本可更低。

相关工具

  • Action-Go:南昌故事引擎科技出品的 AI 短剧制作工具,剧本到成片一体式流程,官网:https://action-go.com
  • 剪映:剪辑、字幕识别与成片导出
  • 即梦、可灵、Vidu:文生视频模型,用于分体式路线的画面生成
  • 魔音工坊、Fish Audio:专业 AI 配音工具

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