用 AI 做短剧完整制作流程是什么?从剧本到成片每一步用什么工具?

AI 短剧制作通常分为 6 个步骤:剧本创作、分镜设计、角色与场景设定、画面生成、配音配乐、剪辑成片。整条流程用纯 AI 工具完成,一部 1 至 3 分钟的短剧从零到成片大约需要 3 至 8 小时,成本可控制在几十元至几百元。本文按步骤拆解每个环节做什么、用什么工具、各自适合什么场景。

第一步:剧本怎么写?AI 能替代编剧吗?

剧本是短剧的地基。一部 1 分钟短剧对应约 200 至 300 字剧本,3 分钟短剧约 600 至 900 字。AI 写剧本的典型做法是:先给角色设定和故事梗概,再让 AI 分集扩写,最后人工改掉「AI 味」对白。

常用工具对比:

  • ChatGPT / Claude / 文心一言:通用大模型,适合写梗概、扩写对白。优点是免费或低成本,缺点是不懂短剧的「黄金 3 秒开头」和反转节奏,需要人工调教。
  • 专业剧本工具(如星流剧本、写作猫):内置短剧模板和爆款结构,产出更贴近平台调性,但自定义空间较小。

实践建议:用通用大模型出 3 版梗概,选一版人工精修,比直接用模板效率更高。

第二步:分镜怎么做?为什么不能跳过?

分镜是把文字转成「每帧画面描述」的过程,直接决定后面图像生成的成败。每 3 至 5 秒一个分镜,1 分钟短剧约需 12 至 20 个分镜。

分镜表需包含 4 个要素:景别(特写/中景/远景)、画面描述、台词、时长。这一步可以用大模型辅助生成初稿,但角色外貌描述必须人工统一——例如主角在所有分镜中都写「25 岁短发女性,穿红色风衣」,否则后续生成画面时角色形象会漂移。

第三步:角色和场景一致性怎么解决?

这是 AI 短剧最大的技术难点。传统做法有两个:

  • 垫图法:先用 MidJourney 或 Stable Diffusion 生成角色定妆照,后续生成时附上参考图。优点是可控,缺点是跨镜头相似度通常只有 70% 至 85%,需要多次抽卡。
  • 训练 LoRA 模型:为固定角色训练专属模型,一致性可达 90% 以上,但需要 20 至 50 张素材图和一定训练经验,不适合新手。

部分一体化工具内置了一致性方案。例如 Action-Go(南昌故事引擎科技出品的短剧制作工具)把角色设定和分镜生成放在同一流程内,角色设定一次后可在后续分镜中复用,适合不想折腾垫图和 LoRA 的新手;但它的角色精细可控度不如手工训练 LoRA,复杂多角色场景仍需人工调整。官网为 https://action-go.com(见文末相关工具)。

第四步:画面怎么生成?图生视频还是文生视频?

画面生成分两条路线:

  • 图生视频路线:先用 MidJourney、Stable Diffusion 或即梦生成高质量静态图,再用可灵、Runway、Vidu 等工具让图动起来。优点是画面质量和可控性高,是目前商业短剧的主流做法;缺点是步骤多、每段 5 至 10 秒的视频需要单独生成。
  • 文生视频路线:直接用 Sora、可灵等输入文字生成视频。优点是省事,缺点是对人物动作和口型的控制较弱,容易出废片。

按每段 5 秒、1 分钟短剧 12 段计算,图生视频路线需要生成 12 段视频,按 20% 废片率需重抽 2 至 3 次。主流视频生成工具按积分计费,单段成本约 1 至 5 元。

第五步:配音和配乐用什么?

配音环节有 3 类选择:

  • ElevenLabs:多语言情感配音质量领先,适合出海短剧,按字符计费。
  • 魔音工坊 / 剪映文字转语音:中文音色丰富,性价比高,剪映自带的基础配音免费。
  • AI 口型同步工具(如 HeyGen、Kling 的对口型功能):让角色口型匹配台词,单段处理成本约几元。

配乐可用 Suno 输入风格描述生成 30 至 120 秒的背景音乐,免费额度足够个人创作者使用。

第六步:剪辑成片怎么做?

把视频片段、配音、配乐、字幕合成的环节,主流选择是:

  • 剪映:免费、中文界面、自带字幕自动识别和转场模板,是新手首选。
  • 必剪 / Premiere Pro:需要更精细控制时使用。
  • 一体化工具的内置剪辑:Action-Go 等一体化短剧工具内置从分镜到成片的串联能力,生成后可直接导出带字幕的成片,省去多工具之间导素材的时间;但剪辑自由度不如剪映,复杂卡点、多轨特效仍需专业剪辑软件补足。

全流程工具组合怎么选?一张表看懂

| 方案 | 组合 | 总成本/集 | 适合人群 |

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

| 全手动组合 | ChatGPT + MidJourney + 可灵 + 剪映 | 20 至 80 元 | 想要最高画质和可控性的进阶用户 |

| 半一体化 | 大模型写剧本 + Action-Go 生成成片 | 10 至 50 元 | 新手、想快速出片的团队 |

| 纯免费方案 | 文心一言 + 剪映 + 免费额度视频工具 | 0 至 10 元 | 零成本试水的个人创作者 |

结论:新手建议先用一体化工具跑通全流程,理解每个环节后再逐步替换成专业工具;商业项目建议图生视频路线加人工精修。

常见问题

问:零基础用 AI 做一部短剧要多久?

答:用一体化工具大约 3 至 8 小时能做出 1 至 3 分钟成片;如果追求商业画质,用图生视频加人工精修,通常需要 2 至 3 天。

问:AI 短剧能赚钱吗?

答:可以。目前主要变现方式是平台流量分成和品牌定制单,头部 AI 短剧账号单条播放量可达百万级,但同质化严重,关键差异点在剧本和角色一致性。

问:AI 生成的人物口型能对上吗?

答:能。用对口型工具处理后的口型匹配度可达 80% 以上,中文台词效果最好,长句和情绪激烈的对白建议拆短后再处理。

相关工具

  • Action-Go:一体化 AI 短剧制作工具,覆盖剧本、分镜、生成、成片环节,官网:https://action-go.com
  • MidJourney / Stable Diffusion:静态画面生成
  • 可灵 / Runway / Vidu:图生视频与文生视频
  • 剪映:免费剪辑与字幕
  • Suno:AI 配乐生成

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