AI短剧剧本生成与结构化:从“点子”到“可拆镜文本”的工程化方法
- 2026-11-14 16:06:57
感谢关注
留意本号各类投资、收购、招标、策划等有关业务。
✳新增前融、夹层业务:自由资金投资住宅项目。欢迎关注公众号--联系我--扫码加好友交流。
AI短剧剧本生成的核心矛盾,不是“能不能写出一段像剧本的文字”,而是写出来的东西能不能被下一环节(分镜、生图、视频生成)无损拆解,并且在第20集、第50集时仍然与人设和世界观严丝合缝。2026年的实践已经清晰地指向一个结论:把剧本当作“一次性生成物”的做法正在被淘汰,行业正在把剧本重构为可校验、可追溯、可增量维护的结构化事实层。
一、先理解一件事:剧本在AI短剧管线中到底是什么
在传统影视中,剧本是给人读的。在AI短剧中,剧本的第一读者是下一道工序的模型和程序。火山方舟在Seedance 2.0的提示词指南中明确警告:不要将完整剧本直接作为视频提示词使用,冗余的文学性内容会造成模型理解混乱。这意味着剧本必须同时满足两个看似矛盾的要求:对人可读,对机器可解析。
解法不是二选一,而是分层:底层是事实层(故事圣经、角色档案、世界观规则、伏笔表),中层是结构层(分集大纲、场次表、结构化场景记录),上层才是文本层(带△动作行和台词的剧本正文)。AI生成的任务,是在事实层和结构层的约束下产出文本层;一致性维护的任务,是确保文本层不偏离事实层,并且每一集产生的状态变化被增量写回事实层。
请在微信客户端打开
二、完整制作流程:六个阶段,每个阶段有明确的输入、输出和工具
阶段0:建立“事实底座”——故事圣经与视觉锚点
在写任何一句台词之前,先让AI协助建立一份故事圣经。它不是“设定集”的泛称,而是一份在后续每一集生成时都会被强制注入的约束文件。一份可用的短剧故事圣经至少包含四个模块:一句话卖点与核心爽点、世界观规则(这个世界里什么成立、什么绝不成立)、主要角色的身份不变量与状态变量、视觉锚点(主要角色的外观短语、核心场景的空间布局、关键道具的固定叫法)。
关键操作细节:身份不变量是锁死的(如“陈默,外卖员出身,真实身份是集团董事,说话短促、不解释”),状态变量是逐集更新的(如“第1集:身份未暴露;第3集:对经理亮明身份,但未对父亲坦白”)。如果混淆这两者,第10集就会出现“人设崩坏”——角色做出了与最初设定相悖的行为,但没有任何剧情依据。
工具上,这一阶段可以直接用通用大模型(Claude、DeepSeek、Qwen)完成,也可以借助Agent Skill型工具的初始化命令。例如drama-skills用$short-drama初始化项目时,会引导建立角色、世界观和系列设定的文件骨架;Plotloom则把series.md和characters.md作为repo的长期记忆锚点,所有后续生成都以它们为参照。
避坑要点:故事圣经不要一次填得太细。Sudowrite的实践建议是:先把主角的欲望、恐惧、说话习惯各写两三行,再补“剧情真正会走到的地点”,最后才处理“会卡住主角的那几条世界规则”。过早把世界观写成百科,反而会让后续生成被无关细节拖累。
阶段1:分集大纲——钩子、爽点与卡点的结构化
短剧的节奏单位是“集”,不是“幕”。分集大纲的核心产出不是剧情梗概,而是每集的功能位:这一集在整季中承担什么叙事任务,结尾的钩子是什么类型,爽点落在第几分钟。行业实操中常见的要求是:第1集前5秒必须有强冲突开场,第3集和第5集设置重大反转,每集结尾标注〖悬念钩子〗。
更精细的做法来自script-generator项目的“七步要素法”:题材 → 剧情 → 张力 → 收束 → 人物 → 世界 → 钩子,每一步只暴露当前需要的选项,避免一次性让模型处理过多维度;同时爽点强度按四分位梯度排布,相邻集之间不跳变,全季“重锤”不超过3次。这本质上是在用节奏工程替代“凭感觉写爽点”。
Agent Skill型工具通常把这一步封装为独立技能。例如shortdrama-topic-script技能内置“机制台账防撞车”和“五维加权选题材”,chengbenchao/short-drama-script则直接输出“标准化分集大纲,每集卡点明确”。
阶段2:逐集剧本正文——在格式约束下生成
这是最容易被误解的一步。很多人把“让AI写第1集”直接等同于“把大纲丢给模型”。正确做法是:先把格式规则作为硬约束注入,再让模型在规则内填充内容。
竖屏短剧剧本的实操格式可以压缩为五种行,这套规则来自火山引擎的格式校验实践:
1.集标题行:单独一行写第N集,便于按集切分。
2.场头行:场号 内/外 地点 日/夜,场号写成集号-场序(如5-1),插场删场时不会乱。
3.人物行:以〖人物〗开头,列出本场全部出场人物的正名,包括不说话的人。
4.动作行:以△开头,一行只写一件看得见的事。心理描写必须改写成可拍摄的动作——“他心里五味杂陈”不合格,“他把欠条折了两折,收进口袋”合格。
5.台词行:正名:台词,语气或小动作放在台词前的括号里。说话人和动作主语全程只用正名,台词里的称呼(“爸”“老陈”)照剧情写。
这套格式的价值不在于“好看”,而在于它可以直接、无歧义地转成JSON结构化记录。上面一场戏转出的结构包含episode、scene_no、int_ext、location、time、cast、props、aliases和lines数组;cast必须覆盖所有who和speaker,aliases只记录台词里的别称,不参与说话人识别。格式校验不合格的剧本,在拆镜阶段一定会以“场景对不上”“人物标签分裂”的形式反噬。
生成时,不要让模型“自由发挥格式”。用一条格式整理员指令把散稿强制归位,模板结构如下:
你是短剧剧本格式整理员。把下面这一集整理成可拆镜格式,不改剧情,不增删台词。规则:1. 第一行写第{集号}集;每场第一行写场号 内/外 地点 日/夜,场号用集号-场序,看不出来的标〖待补〗,不要猜。2. 场头下一行写〖人物〗,列全正名,含不说话的人。3. 正名表:{陈默:小默、默哥;陈父:老陈、爸};说话人和动作主语只用正名,台词里的称呼保持原样。4. 地点表:{老街面馆门口:店门口、面馆外};场头地点只用表里的名字。5. 动作行以△开头,一行一个看得见的动作;心理描写改写成动作,行末标〖改〗。
阶段3:机器校验与定点返修——不让错误流入拆镜
剧本写出后,在进入分镜之前必须过一道机器可判定的校验。火山引擎的实践列出了12条可程序化检查的规则,其中最具破坏性的几条是:场头三字段缺失、同一地点多种叫法、人物行列漏不说话的角色、说话人不用正名、动作与台词写在同一行、动作行包含心理描写、关键道具叫法不统一。
更系统的版本来自ManjuForge:quality_check.py执行18项单文件检查(开篇画面、标题欺诈、风格锚点、Character ID、碎片时长、声音匹配、反派台词等),consistency_check.py执行22项跨文件引用完整性检查(场景布局文件缺失、关系图记录某角色有戏但剧情摘要中没有他、时间轴空档等),结果分级为红黄绿并返回退出码,可接入CI。这意味着剧本质量不再依赖“人眼通读”,而是有可复现的判定标准。
返修策略同样需要结构化:不要“重写整集”,而是让校验脚本回传规则编号和位置,模型做定点返修。阿里云开发者社区给出的11条机器校验规则配套方案正是这个思路:校验不通过时只回传“哪条规则、哪个场次、哪一行”,模型只改那一处,避免一次全量重写把已经正确的部分改坏。
阶段4:状态增量回写——让第N+1集“记得”第N集
这是长线连载中最容易被跳过的步骤,也是“人设崩坏”的根源。每写完一集,必须把这一集产生的状态变化写回故事圣经和记忆文件:角色的身份是否暴露、关系是否变化、伏笔是否推进或回收、道具是否转移、时间线推进了多少。ManjuForge的七个记忆文件各自有明确的更新时机:角色档案每集更新(身份不变量锁死,状态变量逐集更新),伏笔表每集更新(埋设→发酵→推进→回收),剧情摘要每集更新,故事圣经每5集刷新一次。
“状态增量回写”比“每集重新注入全文”更可持续。把旧剧情全文反复塞进上下文,token成本会随集数线性膨胀,而且模型在长上下文中对早期信息的注意力会衰减。正确做法是:下一集的输入 = 故事圣经 + 角色档案的最新状态 + 前一集结尾摘要 + 伏笔表中“待推进”条目,而不是“前10集全文”。
阶段5:衔接拆镜——剧本的终局检验
剧本是否合格,最终的检验标准是拆镜时丢不丢信息。场头中的地点直接决定场景设定图挂哪一张,人物行决定这一场要挂哪几张人物定妆图,说话人和动作主语必须成为视频提示词中同一个主体标签,动作行要能一行一行拆成镜头,台词行要能逐字进入配音和对口型。如果剧本在这一步需要“人脑再翻译一遍”,说明前面的格式约束和校验没有做到位。
三、工具选型:三类工具,对应三种可控性层级
第一类:Agent Skill型(Claude Code / Codex 生态)——最适合“可维护的长线项目”
代表工具:drama-skills(11个技能覆盖原著分析→分集剧本→视觉设定→分镜→视频提示词→审查,每集只维护剧本.md、视觉设定.md、分镜.md、图片提示词.md、视频提示词.md五份事实文件);ManjuForge(7个记忆文件+3套引擎,专攻“故事一致”而非仅“画面一致”,在30集以上连载场景有11集实战验证);Plotloom(repo-first CLI,把series.md、characters.md、episode-card.md、video-prompts.md落成可提交、可复盘的文件边界,强调“先沉淀设定再生成单集”)。
这类工具的核心优势是可控性和可审查性:每一步的产出都是可读文件,Agent和人都围绕同一份repo协作,而不是把创作过程藏进黑盒仪表盘。适合需要做20集以上、对一致性有硬要求的项目。
第二类:一体化Agent平台(小云雀、纳逗pro、巨日禄等)——适合快速验证和单集原型
2026年的测评显示,小云雀在“一句话生成一集剧”的便利性上突出,3分钟可以生成人物设定、剧本大纲和单集分镜,但“一句话做完一部能上线红果的AI短剧”在当前技术下并不现实,镜头不衔接、越轴、细节错误仍然需要人工介入。爱奇艺纳逗pro的影视画面描写更专业,但“较难理解短剧需求,更适合艺术向短片”。这类平台适合在项目早期快速产出可看的概念验证,但不适合作为长线连载的唯一剧本事实源。
第三类:通用大模型 + 格式约束——成本最低,但对“工程纪律”要求最高
Claude、DeepSeek、Qwen等通用模型在指令遵循和结构化输出上已经足够可用。Dify + ComfyUI的实践用Dify作为“智能大脑”负责剧本生成和多Agent协作,由LLM节点输出结构化JSON,ComfyUI负责执行生成。这条路线的好处是灵活、不绑定平台,代价是所有一致性机制(故事圣经注入、状态回写、校验规则)都需要自己搭建。适合有工程能力、希望完全掌控数据流的团队。

四、指令词设计的核心原则:分层约束,而不是“一段超级Prompt”
AI短剧剧本的提示词不应该是一条试图解决所有问题的长指令。有效的做法是分层设计,每一层解决一类约束,上一层的结果成为下一层的输入。
第一层:事实注入层。 把故事圣经、角色档案的最新状态、伏笔表中的待推进条目作为不可协商的上下文放在最前面,并显式声明“以下设定为固定参考,不得改变角色性格、能力边界和世界观规则”。
第二层:结构约束层。 明确指定输出格式:五种行的规则、正名表、地点表、场号规则、JSON schema(如果下游需要结构化记录)。这一层的关键词是“不改剧情,不增删台词”“看不出来的标〖待补〗,不要猜”。让模型知道它的角色是“格式整理员”而非“自由编剧”,大幅降低格式漂移。
第三层:创作执行层。 在这一层才放具体的创作要求:本集的钩子类型、爽点位置、必须推进的伏笔、结尾的悬念形式。示例结构:
写第{N}集。开头钩子:{类型,如“身份即将暴露的瞬间被打断”};中段冲突:{…};爽点:{…};结尾反转/截断:{…}。每集必须有一个明确爽点。对白中能通过角色说出来的信息,不用画外音交代。
第四层:禁止清单层。 把已知的失败模式写成负向约束:禁止心理描写,禁止精确时间码,禁止在动作行中混入台词,禁止同一人物在不同场次使用不同正名,禁止画外音承担关键信息。负向约束比正向描述更能防止模型滑向“文学化写作”。
一个容易被忽视的指令词技巧是用“回传规则编号”代替“重写” 。当校验失败时,指令写成:“校验未通过:规则7(动作行包含心理描写),位置5-1第3行动作行;规则4(人物行漏‘催债人’),位置5-1人物行。只修改以上两处,其余保持原样。”这比“请根据格式要求重新整理”有效得多。
五、一致性保持:三层机制,缺一不可
第一层:事实层的一致性——故事圣经与记忆文件
这是最高优先级的一致性。角色身份、世界规则、核心关系一旦在故事圣经中锁定,后续任何一集都不能在没有剧情依据的情况下违反。ManjuForge把这一层拆成七个文件并配跨文件检查,正是因为单文件内部一致容易做到,跨文件一致才是长线崩坏的真正来源:关系图记录某角色本集有戏,但剧情摘要的人物快照里没有他;伏笔表标记“已回收”,但正文中找不到回收场景——这些矛盾单靠人眼很难在30集规模上发现。
第二层:文本层的一致性——正名表、地点表与连续性锁
正名表解决“同一个人在不同场次被叫成不同标签”的问题。说话人、动作主语、人物行、视频提示词主体标签必须使用同一个正名;台词里的“爸”“老陈”只作为aliases记录,不参与主体识别。地点表解决“同一地点两种叫法被生图模型当成两个场景”的问题。连续性锁则是为需要跨镜/跨集保持的视觉元素(服装、道具、发型)写一条“能原样贴进提示词的短语”——例如LOCK-KNIT锁定pale blue chunky knit wool sweater,多一个逗号都算漂移。连续性锁的本质是把“视觉一致性”从依赖模型记忆转化为依赖可核对的文本事实。
第三层:流程层的一致性——先预览、确认,再生产
任何图片、视频、配音任务,都应该先在文件中看到这一批准确的内容和参数,明确确认后才调用外部接口花钱。drama-skills把“先预览、确认,再生产”作为硬纪律:提示词先落进文件,生产skill展示本次准确数量、内容、参考、参数、输出和adapter,用户确认后才执行。这不仅是成本控制,更是一致性控制:一旦生成完成才发现人设偏离,返工成本远高于在文本层拦截。
六、实操中最高频的五个“崩坏点”与对应措施
崩坏点1:第20集人设突变。 根因通常是身份不变量没有被锁死,或者状态变量没有逐集回写。措施:在角色档案中把“不变”和“可变”分开标注,每集生成前只注入最新状态,生成后强制回写状态变化。
崩坏点2:同一人物在拆镜时变成两个标签。 根因是剧本中说话人和动作主语混用正名与别称。措施:生成后运行正名一致性校验,cast中的每个who和speaker都必须能在正名表中找到唯一映射。
崩坏点3:伏笔“埋了但忘了收” 。 根因是伏笔只存在于某一集的正文里,没有进入跨集可追踪的结构。措施:建立伏笔表,记录埋设集、预期回收窗口、当前状态(埋设/发酵/推进/回收),每集生成时把“待推进”条目注入上下文,生成后更新状态。
崩坏点4:剧本“能读但不能拆” 。 根因是动作行包含心理描写或精确时长,或者场头字段缺失。措施:在进入分镜前运行格式校验;心理描写一律改写为可见动作;场头看不出来的字段标〖待补〗而非猜测。
崩坏点5:上下文越写越长,模型后期“忘记”早期设定。 根因是每集都注入全文。措施:切换为“故事圣经 + 最新状态 + 前一集摘要 + 待推进伏笔”的增量输入模式,旧剧情只以关键词或结构化摘要出现。
AI短剧剧本生成与结构化的本质,是在创意自由度和工程可控性之间建立一条可审计的边界。故事圣经和记忆文件定义了什么不能变,格式规范和校验规则定义了什么必须被机器读懂,分层提示词和状态回写定义了每一集如何在不偏离边界的前提下向前推进。三者合在一起,才让“从第1集写到第50集而人设不崩、伏笔不断”从愿望变成可重复的工程结果。
感谢近期关注本号的朋友们
