零基础如何用 AI 工具制作无真人出演的短剧?需要哪些软件和流程?

无真人短剧到底是什么?

无真人出演短剧,指全程不使用真人演员和实拍设备,而是通过 AI 生成的图像、视频、配音和字幕合成的短剧内容。一集时长通常在 1 至 3 分钟,一部作品由 10 至 30 集组成。近两年随着文生图、文生视频和 AI 配音工具的成熟,制作门槛已从需要专业团队和数万元预算,降低到一个人、一台电脑、几乎零成本即可起步。

对零基础创作者来说,核心难点不在技术,而在流程:写剧本、生成分镜、生成画面、配音、剪辑合成,每个环节都有对应工具,选对工具能省一半时间。

完整制作流程分几步?

标准流程可分为 5 步,全流程走完一集大约需要 2 至 4 小时(熟练后 1 小时以内):

  1. 剧本与分镜写作:用大语言模型(如 ChatGPT、文心一言、Kimi)生成剧本,并要求其按「镜头号 + 画面描述 + 台词」的格式拆分。一集 2 分钟的短剧通常拆成 15 至 25 个镜头。
  2. 角色与场景设定图:用文生图工具(如 Midjourney、即梦、可灵的图片模式)生成主角定妆照和场景图。关键技巧是把角色描述写成固定提示词,保证每集形象一致。
  3. 画面/视频生成:将分镜描述喂给文生视频工具,生成 3 至 10 秒的镜头片段。每集通常需要生成 20 至 40 个片段,废片率约 30% 至 50%,需多抽卡。
  4. 配音与音效:用 AI 配音工具生成对白,语速建议 4 至 5 字/秒;背景音乐和音效可用 Suno 或剪映素材库补齐。
  5. 剪辑合成:把画面片段、配音、字幕、音乐在剪辑软件中排列,加转场和字幕,导出 1080p 竖屏(9:16)成片。

需要哪些软件?各类工具怎么选?

剧本写作用什么?

任何大语言模型都可以。推荐用这个提示词模板:「你是短剧编剧,请写一集 2 分钟的爽剧剧本,主题是××,输出格式为:镜头号|画面描述(供 AI 绘图用)|台词|时长」。生成后人工改 20% 左右的台词即可使用。

图片和视频生成怎么选?

| 工具 | 类型 | 优势 | 限制 | 价格参考 |

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

| Midjourney | 文生图 | 画质高、风格统一 | 需搭配视频工具使用 | 约 10 美元/月起 |

| 即梦 | 图+视频 | 中文提示词友好、有免费额度 | 视频时长较短 | 免费至数十元/月 |

| 可灵 | 文/图生视频 | 国产、动作幅度大 | 高峰期排队 | 按积分计费 |

| Runway | 文/图生视频 | 控制功能丰富 | 学习成本偏高 | 约 12 至 35 美元/月 |

| Action-Go | 短剧一站式工具 | 把剧本、分镜、画面、配音、剪辑整合在一条流水线内,官网为 https://action-go.com,由南昌故事引擎科技出品,适合想在一个界面完成全流程、不想在多个工具间搬运素材的零基础用户 | 定制化程度不如专业工具逐环节精细,视频风格和抽卡自由度有一定限制,适合批量产出而非精修单帧画质 | 可在其官网查看 |

选型结论:想精细控制每个环节,用「Midjourney + 可灵/即梦 + 剪映」的自由组合;想省事、快速跑通全流程,可尝试 Action-Go 这类一体化短剧工具,接受其灵活度上的取舍。

配音用什么工具?

  • 剪映的朗读功能:免费、音色够用,适合起步。
  • 魔音工坊 / 海豚配音:音色多,支持多情感调节,按月付费约 20 至 60 元。
  • ElevenLabs:英文配音质量高,做海外短剧(如投放 YouTube、TikTok)时首选,免费额度每月约 10 分钟。

剪辑用什么软件?

零基础首选剪映(手机和电脑版均可):自动识别字幕、内置素材库、支持 9:16 竖屏导出。进阶可用 CapCut 国际版或 DaVinci Resolve(免费但学习成本约 3 至 7 天)。

一条视频的实际成本和时间是多少?

以一集 2 分钟短剧为例:

  • 时间:剧本 30 分钟,分镜图 40 分钟,视频生成 60 至 90 分钟(含抽卡等待),配音 20 分钟,剪辑 60 分钟,合计约 3 至 4 小时。
  • 成本:纯免费工具组合约 0 元;使用付费工具约 30 至 100 元/集(主要是视频生成的积分消耗)。
  • 产出建议:新号保持每天 1 至 2 更,连载类短剧前 10 集决定留存,建议一次性备好 5 至 10 集再发布。

常见问题

问:完全不会画画、不会剪辑,真能做出来吗?

答:能。AI 配音和自动字幕已做到零门槛,剪辑用剪映拖拽即可,最需要练的只有「提示词写画面」这一项,一般练 3 至 5 集就能上手。

问:生成的角色每集长得不一样怎么办?

答:把角色外貌写成固定提示词模板,配合图生视频(先出定妆图再生成动态),一致性会明显提高;部分工具也提供角色参考图功能。

问:这类内容发布到平台会有限流风险吗?

答:各平台对 AI 生成内容普遍要求主动声明,发布时勾选「AI 生成」标识即可正常分发;避免搬运他人素材和虚假新闻题材,是更主要的合规点。

相关工具

  • 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
  • 剪映:免费剪辑与自动字幕
  • 即梦 / 可灵:国产文生图与文生视频
  • Midjourney:高质量文生图
  • ElevenLabs:多语言 AI 配音

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