手把手教你做AI短剧:剧本、角色、分镜、视频,用豆包+剪映一条龙跑通(详细版)
- 2026-11-18 10:28:05
这里元点问一下大家,都开始动手制作自己的AI短剧了吗?
今天我把自己的制作步骤重新整理出来了,带大家从头到尾完成一部古风重生题材的AI短剧。(这篇内容会稍微长一些,因为每个阶段涉及的操作方法和提示词,我都进行了对应的整理。还没有开始制作的朋友,也可以跟着下面的步骤逐项练习。)
第一步:先把剧本写出来
这次我选择的是古风重生题材,故事主要围绕女主前世遭人算计、重生之后开始反击的经历展开,同时在剧情当中加入了替嫁、权谋以及人物感情线等相关内容。
我先整理了一下自己的想法,然后把要求交给豆包,让它帮我写出第一版剧情。

(这里有个小经验,写剧本的时候,最好不要只告诉AI“帮我写一个古风重生故事”。这种要求太宽泛了,生成的剧情很容易套路化,而且人物关系也不一定符合自己的想法。)
我通常会把题材、人物身份、故事冲突、集数这些信息提前写清楚。
![]() |
下面这套提示词可以直接拿去修改,不一定非要做古风重生,把里面的设定替换一下,其他短剧题材也能用。
![]() |
(我自己更习惯先看完整的故事框架,确定没什么问题,再让豆包一集一集往下写。如果一开始就把30集全部生成出来,后面发现人物设定不合理,修改起来反而更麻烦。)
第二步:整理人物和场景资产
剧本确定之后,接下来要做的就是整理人物和场景。这一部分我还是用豆包完成。

操作也不复杂,直接把写好的剧本发给豆包,选择专家模式,让它从剧本里提取所有出场人物和主要场景。
我主要让它做两件事:一件是整理人物,包括年龄、外貌、发型、服装、配饰,还有不同角色之间的外形区别。另一件是整理场景,比如女主闺房、王府、大婚现场,以及后面经常会用到的室内外场景。
然后再让它把这些设定整理成可以直接用于AI绘图的中文提示词。
![]() |
![]() |
(这里最好把人物的细节描述清楚一点,尤其是脸型、发型和衣服。因为后面生成视频时需要反复使用同一个角色,如果前期没有统一好人物形象,很容易出现同一个角色在不同镜头里长得不一样的情况。)
第三步:生成人物角色卡和场景图
拿到提示词之后,就可以正式生成图片了。
我这次主要用人物三视图来固定角色形象,方便后面做视频的时候反复参考。豆包、即梦、im2、GPT等支持图片生成的工具都可以尝试,选自己用得顺手的就行。
下面是我给女主苏晚棠准备的一段生图提示词。
写实古装电影质感,16:9横版女性角色三视图设定表,从左到右依次为正面全身、90度右侧面全身、背面全身,三视图人物外貌和服装完全一致。苏晚棠,21岁,身高166cm,身材高挑纤细,身形比例自然。柔和窄鹅蛋脸,下颌线清晰,眉形细长,深棕色杏仁眼,眼尾微挑,左眼下有一颗浅痣,鼻梁秀挺,肤色白皙偏暖,淡豆沙色唇妆,气质清冷、沉稳。乌黑长发挽成低盘髻,鬓边留少量碎发,佩戴素银发簪。身穿苍青色真丝交领长襦,月白色领边,袖口绣浅色竹叶暗纹,外搭浅灰青色轻纱,深青色织锦腰带,腰间悬挂白玉坠,下身为月白色多褶长裙,裙摆有细致刺绣,搭配浅灰色绣鞋。正面展示完整五官和服装结构,侧面突出面部轮廓,背面展示发髻、腰带和裙摆。纯黑色背景,人物完整不裁切,真实皮肤纹理,精细发丝,服装面料自然垂坠,柔和摄影棚布光,电影级写实质感,无文字、无水印。
![]() ![]() |
![]() |
这一步我没有自己一条条去写,而是继续让豆包帮忙拆解。
把已经确定好的剧本发给它,要求按照剧情顺序拆分镜头,写清楚每个镜头的画面内容、人物动作、台词和持续时间。
尤其要注意,分镜不能只是把剧本里的对白拆开,还得告诉AI画面里具体发生了什么。
比如女主重生醒来的片段,剧本里可能只有一句“苏晚棠猛地从床上坐起,发现自己回到了过去”。
但做成视频,就需要考虑:她是怎么坐起来的?醒来之后先看哪里?什么时候发现自己的双手完好无伤?镜头又该在什么时候切到特写?
这些动作如果提前拆清楚,后面生成视频时就不用临时去想。
我一般会让豆包把镜头景别、人物动作、情绪、台词和音效都整理出来。生成之后再自己检查一遍,把一些太复杂或者不太适合AI生成的镜头稍微调整一下。

![]() |
0-2秒: 苏晚棠猛地从床上坐起,胸口剧烈起伏,急促喘息,眼神惊恐又茫然,额前发丝略显凌乱,镜头固定,人物上半身近景。
2-5秒: 苏晚棠猛地掀开锦被,低头看向自己的双手,缓缓抬起双手,发现皮肤完好无伤,神情从震惊逐渐转为难以置信,镜头保持上半身近景。
5-8秒: 镜头自然切换至双手特写,苏晚棠在烛光下缓慢翻转双手,仔细查看手背和掌心,没有任何烧伤与疤痕,十指轻微颤抖,暖色烛光映照细腻真实的皮肤纹理。
8-10秒: 镜头继续聚焦双手,苏晚棠缓缓将双手攥紧成拳,指节微微收紧,画外音低声而坚定地说:“回来了……正好。”
写实古装影视剧质感,人物形象与参考图一致,动作自然连贯,情绪由惊恐转为清醒坚定,烛光真实,浅景深,电影级光影。背景有急促喘息声、被褥摩擦声、轻微衣料摩擦声,低沉紧张的弦乐逐渐响起并在结尾收束。无字幕,无水印,无多余人物,镜头稳定,不改变人物容貌与服装,16:9横屏,10秒。】








