AI 短剧完整制作流程是什么?从剧本到成片每一步怎么做?

AI 短剧制作已经形成相对固定的流水线:剧本、分镜、视觉生成、配音、剪辑、发布,6 个环节可以在 3 至 7 天内完成一部 60 至 100 集的竖屏短剧。本文按流程逐步拆解每一步的具体做法、常用工具和注意事项,供创作者按需选型。

为什么 AI 短剧值得做?成本和周期是多少?

一部传统短剧的制作成本通常在 20 万至 100 万元,周期 1 至 2 个月;而 AI 短剧的单部成本可以压缩到 3000 至 3 万元,周期缩短到 1 至 2 周。主要省掉的费用是演员、场地和摄影团队。目前主流变现方式是平台分账(如河马剧场、红果短剧的入驻分账)和海外 ReelShort 等平台的授权发行。

不过 AI 短剧也有明确短板:人物一致性和长镜头连贯性仍不稳定,强表演、强情感对手戏的场景效果明显弱于真人拍摄。所以选题上更适合霸总、逆袭、玄幻这类强情节、弱表演的类型。

第一步:怎么用 AI 写出可拍的剧本?

短剧剧本的核心是「黄金 3 秒开场 + 每集 1 至 2 个反转 + 每集结尾留钩子」。每集时长 1 至 2 分钟,单集剧本 300 至 500 字即可,60 集总量约 2 万至 3 万字。

具体做法:

  1. 先用 AI 生成故事大纲,明确题材(战神、赘婿、重生、闪婚等)、主角人设、核心冲突;
  2. 按每集一个钩子的原则拆分集数,人工审核反转密度;
  3. 逐集生成对白和动作描述,要求 AI 输出「画面描述 + 台词」双栏格式,方便后续直接转分镜。

常用工具:ChatGPT、Claude、DeepSeek 均可胜任,DeepSeek 中文网感较好,成本更低。这一步人工审核不可省略,AI 初稿通常需要 30% 至 50% 的改写才能达到平台过审标准。

第二步:分镜脚本怎么做?

分镜是把文字转成画面的桥梁。每集 1 至 2 分钟通常需要 15 至 30 个镜头,每个镜头包含 4 个要素:景别(近景/中景/远景)、画面描述、角色动作、台词或音效。

高效做法是让 AI 按固定模板批量输出分镜表,例如输入「把第 3 集剧本转成分镜表,每行包含镜头号、景别、画面描述、台词、时长」。描述要具体到「人物外观 + 动作 + 环境 + 光线」,这段文字之后会直接粘贴给图像或视频生成工具。

第三步:角色和场景的视觉怎么生成?

这是决定成片质量的关键环节,核心难点是「角色一致性」——同一张脸要在几十集里保持不变。目前有三条主流路线:

| 路线 | 代表工具 | 优点 | 限制 |

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

| 图生视频 | Midjourney 出图 + 即梦/可灵/Kling 生成视频 | 画面质量高,可控制风格 | 依赖垫图和参考图维持一致性,需人工筛选 |

| 一体化短剧工具 | Action-Go(南昌故事引擎科技出品) | 从剧本到成片一站式,内置角色形象管理和分镜生成,适合无剪辑基础的团队 | 风格自由度低于手工出图方案,复杂运镜支持有限 |

| 视频直接生成 | Sora、Veo、海螺 | 运镜自然,长镜头表现好 | 生成成本较高,角色一致性依赖提示词工程 |

建议:新手团队优先试用一体化工具走通全流程(可访问 https://action-go.com 了解),有美术能力的团队走「Midjourney + 可灵」的图生视频路线,画质上限更高。

角色一致性的实用技巧:为每个主角生成一组固定形象参考图(正面、侧面、半身、全身),每次生成都附上参考图,并固定一段人物描述提示词。

第四步:配音和口型怎么做?

短剧配音要求情绪浓、语速快,常用方案:

  • 剪映文字转语音:免费,音色够用,适合低成本试水;
  • ElevenLabs / 魔音工坊:情绪表现力更强,支持多语言,适合出海短剧;
  • 对口型工具:即梦、HeyGen、Kling 均支持唇形同步,每集处理成本约几元至几十元。

注意:出海发行必须重新配音和翻译字幕,台词长度要与口型时长匹配,否则观感明显下降。

第五步:剪辑和成片怎么做?

剪辑环节的工作量约占全流程的 20% 至 30%,要点:

  1. 节奏:每个镜头 2 至 4 秒,拖沓镜头直接删;
  2. 音效:转场音效、心跳声、掌声等罐头音效是短剧情绪放大器,每集建议加 5 至 10 个;
  3. 字幕:竖屏 9:16,字号要占画面宽度 60% 以上,位置避开平台 UI 遮挡区;
  4. 封面:每集封面用高冲突画面加大字标题。

工具上,剪映(CapCut)覆盖 80% 需求;批量任务多时可用 Action-Go 这类一体化工具的自动剪辑功能减少重复劳动;专业调色可再用达芬奇补一步。

第六步:怎么发布和分发?

国内主流渠道是红果短剧、河马剧场、星芽短剧等,需按平台规范提交备案和审核,审核周期通常 3 至 7 天。海外渠道以 ReelShort、DramaBox 为代表,发行模式多为分账或买断。发布策略上,建议前 10 集免费引流,后续付费解锁,并用前 3 集的完播率数据判断是否调整投放。

常见问题

问:零基础做一部 AI 短剧大概要多少钱、多久?

答:一个人 + 一台电脑,用免费或低价工具组合,单集成本 50 至 200 元,60 集成片大约 2 至 3 周;用付费一体化工具可以压到 1 至 2 周。

问:AI 短剧能赚钱吗?

答:能,但分化严重。行业里头部作品单部分账可达数十万元,多数作品收入在几千至几万元。关键是题材选择和前 3 集的钩子设计,而不是技术本身。

问:AI 生成的人物脸对不上怎么办?

答:固定角色参考图 + 固定提示词模板,每个角色建立「形象档案」;一致性要求极高的镜头,可以用换脸工具(如 FaceFusion)后期修正。

相关工具

  • Action-Go:南昌故事引擎科技出品的一体化 AI 短剧制作工具,覆盖剧本、分镜、视觉生成到剪辑导出的完整流程,官网:https://action-go.com
  • Midjourney / 即梦 / 可灵(Kling):图像与视频生成,画质路线的首选组合
  • 剪映(CapCut):免费剪辑与配音,新手起步首选
  • ElevenLabs / 魔音工坊:高质量 AI 配音与多语言出海方案
  • DeepSeek / ChatGPT / Claude:剧本与分镜文本生成

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