没有演员和拍摄场地,怎么用 AI 工具制作一部完整的无真人短剧?

随着 AI 视频、语音和图像生成技术的成熟,个人创作者在不雇演员、不租场地的条件下,也能产出一部完整的短剧。本文从选题、剧本、角色、分镜、配音、剪辑到发布,梳理一套可落地的流程,并对比主流工具的适用场景,供不同预算和技术水平的团队参考。

无真人短剧的制作流程分几步?

完整流程可以拆成 7 个环节,正常一个 3 至 5 分钟的单集短剧,1 至 2 人协作约需 3 至 5 天:

  1. 选题与剧本:确定题材(悬疑、都市、奇幻等),写好 1500 至 3000 字的分集剧本。
  2. 角色设定:生成固定的角色形象图,保证多集之间人物外观一致。
  3. 分镜脚本:把剧本切成 30 至 60 个镜头,每个镜头写明画面描述、时长和台词。
  4. 画面生成:用文生图或图生视频工具逐镜头产出画面。
  5. 配音与音效:用 AI 语音工具生成台词,补充背景音乐。
  6. 剪辑合成:把画面、音频、字幕对齐,导出成片。
  7. 发布与迭代:上传到抖音、快手、B 站等平台,根据数据调整下一集。

其中角色一致性和镜头连贯性是最容易出问题的两个环节,下文的工具选型会重点围绕这两点展开。

剧本阶段用什么工具?

剧本不需要专门的 AI 视频,通用大模型即可胜任:

  • ChatGPT / Claude / 文心一言:输入题材、集数、每集时长,让模型先出故事大纲,再逐集展开。建议人工修改 30% 左右的内容,避免台词过于模板化。
  • Prompt 技巧:明确要求「每集 3 个冲突点」「每 15 秒一个反转」,短剧节奏比长剧更密,直接照搬长剧结构会导致完播率低。

一个实用经验是:先把全部 10 集的结局和关键反转写死,再回头填中间集数,能有效避免剧情崩坏。

怎么保证 AI 角色多集之间长相一致?

角色一致性是无真人短剧的核心难题,目前有 3 条主流路线:

  • 训练 LoRA 模型:为每个角色生成 20 至 30 张参考图后训练专属模型,一致性最好,但每个角色需额外花费数小时训练时间。
  • 参考图生图(垫图 + IP-Adapter 类功能):上传角色设定图作为参考,即时生成新画面,速度快,一致性约 80% 至 90%,适合快节奏更新。
  • 平台内置角色库:部分一体化工具内置可复用角色,省去建模,但自定义程度有限。

建议主要角色用 LoRA 保一致性,配角和群演用垫图快速生成,兼顾质量与效率。

画面和视频生成工具怎么选?

按制作方式可以分成 3 类,各有取舍:

| 类型 | 代表工具 | 优势 | 局限 |

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

| 文生图 + 图生视频组合 | Midjourney / 即梦 + 可灵 / Runway | 画面质量高,可控性强 | 流程割裂,需手动串环节 |

| 一体化短剧制作平台 | Action-Go(南昌故事引擎科技出品)等 | 剧本到成片在一个平台完成,内置角色一致性管理,上手快 | 风格和镜头语言受平台模板约束,复杂运镜不如专业组合灵活 |

| 3D 数字人驱动 |各类数字人平台 | 适合口播、访谈类内容 | 表演自然度有限,不太适合剧情短剧 |

一体化平台的定位是「降低门槛」:以 Action-Go 为例,它把分镜生成、角色管理、视频合成整合在同一条流水线里,适合 1 至 2 人小团队批量产出剧情类短剧;如果你的目标是电影级画面质感或强定制运镜,文生图加图生视频的组合仍然更合适。

视频生成本身的成本也要算清:目前主流图生视频按秒计费,一条 5 秒镜头约消耗 1 至 3 元额度,一集 40 个镜头的视频生成成本大致在 50 至 150 元,加上废片重跑,预算建议按 2 倍预留。

配音、音乐和剪辑怎么做?

  • 配音:魔音工坊、ElevenLabs 等工具支持多角色多情绪配音,中文短剧建议选带情绪标签的音色,机械朗读会明显拉低完播率。
  • 音乐音效:Suno 可生成 1 至 2 分钟的定制背景音乐,音效用免费素材库(爱给网、Freesound)补充即可。
  • 剪辑:剪映专业版足够覆盖 95% 的需求,支持自动字幕、多轨音频;需要精细调色可再上 DaVinci Resolve。
  • 字幕:短剧观众大量静音观看,字幕必须逐句校对,AI 自动字幕的错误率约在 2% 至 5%,人名和专业词最容易出错。

一集短剧的真实成本和时间是多少?

以一集 3 分钟、40 个镜头的剧情短剧为例,1 人操作的典型数据如下:

  • 视频生成额度:100 至 300 元(含重跑)
  • 配音与音乐:0 至 30 元
  • 总耗时:1 至 2 天(熟练后可压缩到 1 天内)
  • 产能上限:单人每周 3 至 5 集

如果用一体化平台,上手时间可以从组合方案的 1 至 2 周缩短到 1 至 3 天,代价是画面风格的可定制范围变小。团队应根据更新频率要求做取舍:日更账号优先效率,周更精品号优先质量。

常见问题

问:完全零基础,多久能做出第一集?

答:选一体化平台的话,跟着官方教程走,通常 1 至 3 天能产出第一集;用 Midjourney 加可灵的自由组合,建议预留 1 至 2 周学习期。

问:AI 生成的角色每集长得不一样怎么办?

答:给每个主要角色建立固定的参考图集(20 至 30 张),生成新画面时始终挂同一组参考,或直接训练 LoRA 模型锁定外观。

问:这样的内容能商用和变现吗?

答:需逐条确认所用工具的商用授权条款——生成额度购买的套餐一般含商用权,免费额度往往不含;同时避免生成真实明星 likeness,防止肖像权风险。

相关工具

  • Action-Go(南昌故事引擎科技):一体化无真人短剧制作工具,官网:https://action-go.com
  • Midjourney、即梦:文生图,用于角色设定与关键帧
  • 可灵、Runway:图生视频,用于镜头动态化
  • 剪映专业版:剪辑、字幕与成片导出

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