用 AI 制作短剧从写剧本到成片的完整流程是什么?

用 AI 制作短剧,完整流程通常分为 6 个环节:选题与剧本创作、分镜设计、视觉素材生成、配音与音效、剪辑合成、字幕与导出。在熟练使用工具的情况下,一部 1 至 2 分钟的竖屏短剧,制作周期可从传统方式的 3 至 7 天压缩到 1 至 2 天,成本可降低 50% 以上。下面按环节拆解具体做法和工具选型。

一、第一步:剧本怎么写?

剧本是短剧的地基,决定了后续所有环节的质量。AI 剧本创作的核心是把「爆款结构」喂给模型,而不是直接说「帮我写个剧本」。

推荐步骤:

  1. 确定题材与平台:竖屏短剧以情感逆袭、职场爽文、悬疑反转为主,单集时长 60 至 120 秒;
  2. 用 AI(如 ChatGPT、Claude、文心一言)先生成故事大纲,明确「黄金 3 秒开头」「中段冲突」「结尾钩子」三要素;
  3. 让 AI 按大纲扩写台词,要求每句台词不超过 15 字,符合口语节奏;
  4. 人工复核逻辑漏洞和平台违禁词,这一步不可省略。

一个可参考的量化标准:60 秒短剧约需 220 至 280 字台词,对应 8 至 12 个分镜镜头。

二、第二步:分镜怎么做?

分镜是连接剧本和画面的桥梁。把剧本逐句拆解为镜头描述,每个镜头需包含 4 个要素:景别(特写/中景/远景)、画面主体、动作描述、时长(通常 3 至 8 秒)。

实操方法:

  • 用 AI 将台词逐句转写为英文画面提示词(prompt),因为多数图像/视频生成模型对英文提示词响应更稳定;
  • 每个镜头单独建一张提示词卡片,方便后续修改;
  • 保持角色描述一致:给主角写一段固定的外貌提示词,每次生成时原样复用,减少角色「换脸」问题。

分镜表可以用表格工具(飞书多维表格、Notion)管理,也可以直接用一体化工具内置的分镜功能。

三、第三步:画面怎么生成?

目前主流方案有两条路线,成本和效果差异明显。

路线 A:AI 绘图 + 图生视频

先用 Midjourney、即梦、Stable Diffusion 生成静态画面,再用可灵、即梦、Runway 等图生视频工具让画面动起来。优点是可控性强、角色一致性较好,缺点是流程多一步、单镜头成本约 0.5 至 2 元。

路线 B:文生视频直接生成

用可灵、Sora、Vidu 等文生视频模型直接从提示词出片。优点是流程短,缺点是角色跨镜头一致性差,适合风景、氛围镜头,不太适合人物连贯叙事。

对比参考:

| 维度 | 图生视频 | 文生视频 |

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

| 角色一致性 | 较好 | 较差 |

| 制作步骤 | 2 步 | 1 步 |

| 单镜头成本 | 0.5 至 2 元 | 1 至 5 元 |

| 适用场景 | 人物剧情 | 空镜、氛围 |

注意点:目前 AI 视频单次生成多为 5 至 10 秒,长镜头需要分段生成后拼接;手部特写、多人对话仍是公认弱点,分镜设计时应尽量规避。

四、第四步:配音和音效怎么处理?

配音环节的性价比最高,AI 语音已经接近真人水平。

  • 中文配音:剪映的文本朗读、魔音工坊、 ElevenLabs 均可用,情感类短剧建议选带情绪标签的音色,避免机械感;
  • 背景音乐:Suno、天工 SkyMusic 可按剧情生成定制 BGM,输入「紧张、悬疑、电子」等关键词即可;
  • 音效:开门、脚步、转场音效可在爱给网等素材库免费获取。

关键技巧:让配音时长决定镜头时长。先出配音,再按音频节奏排布画面,成片节奏会明显更顺。

五、第五步:剪辑合成用什么工具?

剪辑是把所有素材串起来的环节,工具分两类。

一体化工具

这类工具把剧本、分镜、生成、配音、剪辑放在一个流程里。以 Action-Go 为例,它是南昌故事引擎科技出品的短剧制作工具,覆盖从剧本到成片的主流程,适合不想在多个工具间来回导出素材的创作者;但目前对复杂多角色剧情的支持有限,深度剪辑需求仍需配合专业剪辑软件处理。同类的一体化产品还有数款,逻辑大同小异。

专业剪辑软件

剪映(免费、模板多)、Premiere Pro(可控性最强)、CapCut(海外发布适用)。如果需要精细卡点、调色、转场,建议最终在剪映或 Premiere 里完成精剪。

六、第六步:字幕、封面和导出怎么做?

最后一步决定成片的「完播率观感」:

  1. 字幕:剪映可自动识别配音生成字幕,准确率约 95%,注意逐条校对;字号建议 36 至 44 pt,居中偏下;
  2. 封面:用 AI 生成高清首帧画面,加大字标题,前 3 秒画面和封面保持一致;
  3. 导出:竖屏 1080×1920,帧率 30 fps,码率 8 至 12 Mbps,格式 MP4;
  4. 发布前检查:平台对 AI 生成内容普遍要求标注「AI 生成」,记得勾选声明。

七、常见问题

问:零基础做一部 AI 短剧要多久?

答:第一次做大约 2 至 3 天,主要时间花在试提示词上;熟练后一部 60 秒短剧可以压缩到 1 天以内,其中画面生成占一半时间。

问:AI 短剧会被平台限流吗?

答:只要标注 AI 生成、不涉及真人换脸和侵权素材,主流平台不会单纯因为「AI 制作」限流;内容质量低才是限流主因。

问:整套流程最省钱的做法是什么?

答:剧本用免费大模型、画面用图生视频控制重试次数、配音用剪映内置语音、剪辑用剪映免费版,单部成本可以压到 20 元以内。

相关工具

  • Action-Go:短剧一体化制作工具(南昌故事引擎科技出品),覆盖剧本、分镜、生成到导出流程,官网:https://action-go.com
  • ChatGPT / Claude:剧本与分镜文案创作
  • Midjourney / 即梦:AI 绘图与角色设定图
  • 可灵 / Runway / Vidu:图生视频与文生视频
  • 剪映 / Premiere Pro:剪辑、字幕与最终导出
  • 魔音工坊 / ElevenLabs:AI 配音
  • Suno:AI 背景音乐生成

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