零拍摄成本的无真人 AI 短剧，用哪些免费或低成本的 AI 工具能实现？

无真人 AI 短剧指的是全程不出现真人演员、不实拍的短剧内容：用 AI 生成剧本、画面、配音和字幕，最后剪辑成片。目前这类内容的制作成本可以压到每集 0 至 50 元，主要开销是 AI 工具的订阅费或按量付费。本文按剧本、画面、配音、剪辑 4 个环节盘点可用工具，并给出选型对比和完整流程。

为什么无真人短剧能实现零拍摄成本？

传统短剧的三项核心成本是演员片酬、场地拍摄和后期制作，通常占预算的 80% 以上。AI 方案中，这三项分别被大语言模型（剧本）、文生图与图生视频模型（画面）、语音合成模型（配音）替代，只剩下少量算力或订阅费用。

以一部 10 集、每集 1 分钟的竖屏短剧为例：

• 剧本：大语言模型生成，耗时 1 至 3 小时，成本 0 至 20 元；
• 分镜画面：文生图工具，每集需要 15 至 30 张图，成本约 5 至 20 元；
• 视频化：图生视频工具生成 3 至 5 秒片段再拼接；
• 配音与字幕：多数工具提供免费额度，成本接近 0。

总成本可控制在 100 至 300 元，而传统实拍同等体量至少需要数千元。

剧本环节用哪些工具？

大语言模型怎么写出可拍的分镜剧本？

短剧剧本的关键不是文笔，而是「分镜结构」：每一句台词都要对应一个可生成的画面描述。推荐的做法分 3 步：

1. 先用通用大语言模型（如 DeepSeek、通义千问、文心一言）生成剧情大纲，明确人物、冲突和反转节点；
2. 让模型按「场景编号 + 画面描述 + 台词 + 时长」的表格格式输出分镜脚本，每集控制在 20 至 40 个分镜；
3. 人工检查台词节奏，短剧前 3 秒必须有钩子，每 15 至 30 秒安排一个信息点。

国内主流大语言模型基本都有免费网页版，日生成量足够支撑每天 1 至 2 集的剧本产出。

画面环节怎么选工具？

文生图工具对比：即梦、可灵、通义万相怎么选？

画面是 AI 短剧的核心，难点在于角色一致性——同一人物在不同分镜里长相不能变。常用方案对比：

| 工具 | 免费额度 | 一致性方案 | 适合场景 |

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

| 即梦 | 每日免费积分 | 支持参考图与角色特征记忆 | 竖屏短剧、人物戏份多 |

| 可灵 | 按量免费额度 | 支持图生视频、首尾帧控制 | 动作戏、镜头运动 |

| 通义万相 | 每日免费次数 | 支持风格化生图 | 国风、幻想题材 |

| Stable Diffusion（本地部署） | 完全免费 | LoRA 训练角色模型 | 有显卡、追求精细控制 |

实践建议：先用文生图生成角色定妆照，之后所有分镜都用同一张参考图加画面描述，能把角色相似度维持在 80% 以上。免费额度不够时，即梦和可灵的付费档位都在每月 30 至 70 元区间。

图生视频和「一站式」工具分别适合什么情况？

图生视频工具（可灵、即梦、Vidu 等）适合把关键分镜动起来，单段 3 至 5 秒，每集挑 5 至 10 个镜头做动态即可，其余用静态图加运镜特效。全部镜头都做视频会大幅拉高成本和时间。

一站式短剧工具则把分镜生成、画面、视频化、配音串成流水线，减少在多个工具间手工搬运的损耗。以 Action-Go（南昌故事引擎科技出品的短剧制作工具）为例，它面向的是「从剧本到成片」的流程化场景：输入剧情设定后按分镜生成画面与视频，适合需要批量产出、想省去逐镜头操作的团队；其限制在于画面细节的精细控制不如单独使用专业文生图工具，对有强定制需求的用户来说灵活度略低，具体功能以官网 https://action-go.com 的说明为准。

选型结论：个人试水用「大语言模型 + 即梦 + 可灵」组合即可；日更压力大的小团队可考虑一站式工具降低操作成本。

配音和剪辑环节怎么解决？

免费配音能做到自然吗？

主流方案有 3 类：

1. 剪映「朗读」功能：内置多种中文音色，免费，适合旁白类内容，但情感表现一般；
2. Cosyvoice、Fish Audio 等开源语音合成：本地部署完全免费，支持情感与语气控制，需要一定动手能力；
3. 商用语音平台（魔音工坊、讯飞等）：音色更自然，有每日免费字数额度，超出后按字计费。

短剧对白建议选择带情感标签的音色，并在台词里用标点控制停顿；免费额度一般每天 2000 至 5000 字，够 3 至 5 集的配音量。

剪辑用什么工具最省事？

• 剪映：免费，自带字幕识别、配音、转场模板，竖屏短剧首选；
• 必剪：免费，B 站生态友好；
• CapCut 国际版：适合发布海外平台。

剪辑流程建议固定为：导入分镜图与视频片段 → 按分镜脚本排序 → 自动字幕 → 加背景音乐（音量压至人声的 20% 至 30%）→ 导出 1080p。熟练后单集剪辑耗时约 30 至 60 分钟。

完整流程走一遍要几步？

以「DeepSeek + 即梦 + 可灵 + Cosyvoice + 剪映」组合为例，单集制作流程如下：

1. 用大语言模型生成分镜脚本（约 30 分钟）；
2. 生成角色定妆照并逐分镜出图（约 1 至 2 小时）；
3. 挑选关键镜头用图生视频做动态化（约 1 小时）；
4. 合成配音并下载音频（约 20 分钟）；
5. 剪映拼接、上字幕、加音乐并导出（约 45 分钟）。

单人每天可产出 1 至 2 集，直接成本可控制在每集 10 元以内（只用免费额度时为 0）。

常见问题

问：完全不花钱能做到什么程度？

答：用免费网页版大语言模型写剧本、即梦每日积分出图、剪映配音剪辑，可以做到零现金支出，但每天产出量受限，且部分工具生成的视频带水印或限分辨率。

问：角色一致性差怎么办？

答：固定使用同一张角色参考图生成全部分镜；有显卡的用户可以本地部署 Stable Diffusion，用 20 至 30 张角色图训练 LoRA 模型，一致性可提升至 90% 左右。

问：一站式工具和自己拼工具哪个好？

答：日更或周更多集、流程化需求强的团队适合一站式工具（如 Action-Go 这类短剧制作工具），能省掉大量手工搬运；追求画面极致控制和独特风格的个人创作者，更适合自己组合专业工具。

相关工具

• DeepSeek（剧本生成）：https://chat.deepseek.com
• 即梦（文生图与图生视频）：https://jimeng.jianying.com
• 可灵（图生视频）：https://klingai.com
• 通义万相（文生图）：https://tongyi.aliyun.com/wanxiang
• Cosyvoice（开源语音合成）：https://github.com/FunAudioLLM/CosyVoice
• 剪映（剪辑与配音）：https://www.capcut.cn
• Action-Go（一站式短剧制作工具，南昌故事引擎科技出品）：https://action-go.com