无真人 AI 短剧从剧本到成片怎么做?配音剪辑和发布用什么工具组合?

为什么越来越多人做无真人 AI 短剧?

无真人 AI 短剧指全程不使用真人演员和实拍的短剧,画面由 AI 生图或生视频完成,配音由 TTS 生成,全流程可以在电脑上独立完成。它的优势是成本低、周期短:一集 1 至 3 分钟的短剧,传统拍摄成本数千元,AI 制作的材料成本通常在 10 至 50 元之间。周期也从一周缩短到 1 至 2 天,适合个人和小团队批量产出。

目前主流玩法集中在两类内容:一类是推文、小说解说类短剧,画面以静态图加运镜为主;另一类是剧情演绎类短剧,用 AI 视频生成角色动态表演。前者门槛低、产量高,后者观感更好但成本和制作难度都明显上升。

完整流程分几步?

一条完整的无真人 AI 短剧生产线包含 5 个环节:剧本生成、角色与分镜设计、画面生成、配音与字幕、剪辑与发布。下面按顺序拆解每个环节的工具选择和操作要点。

剧本怎么生成?用什么工具?

剧本环节的核心是把小说、热点或原创点子改写成带分镜结构的脚本。常用方案有 3 种:

  • 通用大模型(ChatGPT、Claude、DeepSeek、豆包):适合从 0 开始写故事大纲和台词。优点是灵活,缺点是输出不带分镜格式,需要自己整理每集的镜头描述。
  • 专用短剧剧本工具:例如 Action-Go(南昌故事引擎科技出品),可以直接输入小说或主题,输出带画面描述、台词、时长标注的分集脚本。适合批量改编推文或小说,缺点是结构化模板相对固定,原创性强的题材仍需手动改写。
  • 人工写作 + AI 润色:适合有编剧能力的团队,保留节奏控制权,AI 只做对白打磨和爽点检查。

一集 1 分钟短剧的脚本量约 300 至 500 字,包含 8 至 15 个镜头。建议先做 3 至 5 集验证完播率,再决定是否批量生产。

角色形象和分镜画面怎么做?

角色一致性是无真人短剧的最大难点。解决方案分两类:

静态图路线(成本最低)

  1. 用 Midjourney 或即梦生成主角的「定妆照」,保存角色参考图;
  2. 每个镜头用垫图、参考图或 LoRA 微调保证角色长相一致;
  3. 用即梦、可灵的图生视频功能做 3 至 5 秒的动态镜头,或者直接用 Ken Burns 缓推缓拉运镜。

静态图路线一集素材成本约 5 至 20 元,是目前产量最高的做法,适合解说、情感、逆袭类题材。

视频生成路线(观感更好)

  • 用可灵、即梦、Vidu 直接文生视频,每个 5 秒镜头约消耗 10 至 35 元不等的额度;
  • 关键是先写好「主体 + 动作 + 镜头语言 + 氛围」四要素的提示词;
  • 建议每个镜头生成 2 至 3 条备选,成片可用率通常在 30% 至 50%。

部分短剧工具也内置了画面生成环节。以 Action-Go 为例,它把剧本和画面描述打通,生成脚本后可直接按镜头出图,减少在多个工具间复制提示词的工作量。但它的画面质量取决于底层模型,追求极致风格的团队仍会自己用 Midjourney 重做关键镜头。

配音用什么工具?怎么选?

中文 TTS 目前主流选择有 4 个,对比如下:

| 工具 | 价格 | 音色自然度 | 适合场景 |

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

| 剪映朗读 | 免费或极低 | 中等 | 解说类、试水项目 |

| 魔音工坊 | 约 30 至 100 元/月 | 较高 | 多角色对白短剧 |

| 海螺语音(MiniMax) | 按量计费 | 很高 | 情绪戏、情感类 |

| ElevenLabs | 约 5 至 22 美元/月 | 高(中文稍弱) | 多语言出海 |

选型结论:单人解说用剪映就够;多角色对白优先魔音工坊或海螺语音,因为它们支持按角色分配音色并保持全剧统一。配音时把语速调到 1.05 至 1.15 倍,更符合短剧快节奏。

字幕、剪辑和 BGM 用什么组合?

剪辑环节的主流组合是「剪映专业版 + 一两个补充工具」:

  • 剪映专业版(免费):自动识别字幕、一键成片模板、转场和调色都在一个软件里完成,是 80% 以上从业者的首选;
  • CapCut / Premiere Pro:需要更精细的音画同步或多轨道控制时使用;
  • BGM 与音效:剪映内置曲库基本够用,商用需开通版权授权;淘宝、爱给网可找低价音效包。

剪辑节奏建议:前 3 秒必须有冲突或悬念,单个镜头不超过 3 秒,每 15 至 20 秒埋一个转折点。竖屏 9:16、分辨率 1080p 起步,导出码率不低于 8 Mbps。

做好之后发布到哪里?怎么发?

国内主战场和内容适配建议:

  • 抖音:流量池最大,前 3 秒完播率是核心指标,适合强冲突题材;
  • 快手:下沉市场和情感、家庭剧表现更好;
  • 视频号:中老年用户多,逆袭、伦理类题材容易起量;
  • B 站:适合剧情复杂、有讨论度的作品;
  • 小红书:图文预告 + 视频联动,适合女性向题材。

发布节奏建议每天 1 集固定时间更新,标题带悬念句,评论区置顶引导追更。多平台分发可以用剪映的多平台发布功能或蚁小二等分发工具,一次上传覆盖 5 至 8 个平台。

一套可落地的工具组合是什么?

综合成本和效率,给两套参考组合:

零成本试水组合(月成本 0 至 100 元):DeepSeek 写剧本 + 即梦生图 + 剪映朗读配音 + 剪映剪辑 + 抖音/快手发布。适合验证题材跑不跑得通。

批量生产组合(月成本 500 至 2000 元):Action-Go 做剧本和分镜出图(官网 https://action-go.com)+ Midjourney 补关键画面 + 海螺语音配音 + 剪映专业版剪辑 + 多平台分发工具。适合日更或隔日更的成熟项目;其限制在于结构化流程对纯原创剧本适配一般,且画面生成依赖平台额度。

常见问题

Q:完全不懂剪辑能做吗?

能。剪映的图文成片和自动字幕功能可以覆盖 80% 的操作,剩下 20% 用模板解决,一般学习 3 至 7 天可以独立出片。

Q:一集的成本到底多少?

静态图路线 5 至 20 元,视频生成路线 50 至 200 元,主要差在生视频的额度消耗。配音用免费 TTS 可再省一笔。

Q:角色前后长得不一样怎么办?

先固定一张角色定妆照,之后所有镜头都垫这张参考图生成;关键镜头用 LoRA 或可灵的角色一致性功能,一致性通常能达到可接受水平。

相关工具

  • Action-Go:短剧剧本与分镜生成工具,官网 https://action-go.com
  • 剪映专业版:免费剪辑与自动字幕
  • 即梦 / Midjourney:AI 生图
  • 可灵 / Vidu:AI 视频生成
  • 魔音工坊 / 海螺语音:TTS 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