纯代码能做AI短剧吗?
- 2026-11-14 16:18:06
这个问题,最近被反复问起,而且问的人语气都挺笃定:既然每一环都是调模型、存文件、拼时间轴,那我为什么还要开着可视化工具一帧一帧点鼠标?把流水线写成代码,让它半夜自己跑,早上收片,不行吗?
先看三个数字。AI 漫剧的成本,2024 年是 1.5 万元一分钟,2025 年 3 月掉到 1500 元,2026 年稳定在 1000 元上下,两年降了十五倍。开源项目 Toonflow 公开过一笔账:两小时做出一集两分钟的片,模型调用费 130 元,其中视频占 120 元。而在 2026 年的漫剧产业链里,AI 已经吃掉了内容制作环节的一半到八成。
成本掉了一个数量级,环节也被切得很干净。这种时候不动「全自动」的念头,反而不正常。
麻烦在于,「纯代码」这四个字,三个人说出口是三个意思。
一、先分清三条路
第一条是代码直接算像素。Remotion 拿 React 写视频,ManimCE 写数学动画,Blender 用 bpy 脚本驱动 Grease Pencil,Godot 在 headless 模式下渲 2D 骨骼,最后交给 FFmpeg。全程没有模型参与,画面是算出来的。
第二条是代码编排 AI。剧本丢给大模型拆成分镜 JSON,角色和场景先做成资产库,然后逐镜调生成接口,配音、字幕、合成分段跑脚本。2026 年那批新项目,Toonflow、LocalMiniDrama、阿里的 lumenx、waoowaoo,架构几乎一个模子。
第三条是模板加 AI 的混合路线。人物生成一次,场景生成一次,之后的运镜、转场、字幕、气泡都交给代码模板。眼下大部分动态漫走的是这条路。
边界差得远。多数争论吵不出结果,是因为把第一条的野心套在了第二条的现实上。
二、第一条路的天花板:画得出画面,画不出表演
拿第一条路去做真人写实短剧,会撞墙。
第一堵是表演。 扩散模型对连续动作的时序控制本来就弱,代码更管不了像素级的微表情。你能精确算出第 37 帧到第 92 帧镜头推近了多少像素,却没法用一行代码告诉它「这里眼神先躲一下,再抬起来」。
第二堵是复杂交互。 打斗、拥抱、手部精细操作、三个人在同一个空间里的走位调度。这些要求物理和拓扑同时正确,模型做不到稳定,代码更做不到。
第三堵是空间。 同一个房间换个机位,家具位置、墙色、光向就开始飘。这是模型属性,工程补不上。
最后一道最硬:观众对「真人」的容错率极低。 动画里角色脸偏两毫米,没人计较;真人脸上偏两毫米,观众第一反应是「这人怎么长得怪」。
所以这条路的真实区间是科普解说、数据可视化、栏目包装、片头字幕,以及动态漫。
动态漫不是安慰奖。静帧加运镜加配音加字幕,在纯代码路线下完全成立,而它恰好是当下行业的主流形态。业内对它的评价是制作难度三星、效果四星,效果与效率平衡得最好。
但要认清一件事:这条路能做「画面在动」,做不了「人在演」。ManimCE 在 GitHub 上有 4.18 万星,MIT 协议,至今活跃,可它自己的定位写得清楚,适合科普解释,不适合剧情片。
工具没背叛谁,是期待超载了。
三、代码真正值钱的地方,不在像素
换个问法:像素层打不过模型,那代码到底值钱在哪。
我的答案是,代码不擅长生成,它擅长约束。
一条自建流水线里,代码干的活其实很具体。
让模型产出 Shot JSON,而不是散文,每个镜头是个对象,装着场景、景别、机位、运镜、时长、台词、提示词。有了它,改一句台词可以在渲染前批量修;没有它,改一句台词整条链路重跑。
角色和场景一次生成、永久复用,一致性靠引用保证,不靠模型的随机性。这一步等于把概率问题改写成了指针问题:像不像,取决于你 @ 的那张参考图。
出图之后用 ArcFace 算余弦相似度,低于阈值自动重抽,不靠人眼看,也不靠「感觉像」。
配音逐句合成,拿到每句真实时长,反推镜头长度,再对字幕。IndexTTS 这类支持精确时长控制的模型在这里价值很高,它让「先有声音还是先有画面」这个死循环有了出口。
批量跑,加断点续跑。一集 100 个镜头坏了 7 个,就只重跑这 7 个。手工剪辑的返工成本是线性的,代码流水线的返工成本是增量的。
还有留痕。prompt、seed、模型版本、权重哈希、素材授权来源,全部落盘。平时没用,被抽查的时候,是唯一能救命的东西。
说穿了,代码是控制层和合成层。想通这一点,前面的纠结基本就散了。
四、两个技术坑,一个法律坑
1. 一致性:最后那 15 个点最贵
参考适配器(PuLID、InstantID、IP-Adapter)单独用,一致性大概 80%;面部锁定加风格 LoRA 加提示词身份块三层堆叠,能到 95%。训练型 LoRA 表现最好,人脸相似度 96、身体 85、肤色 92,代价是 15 到 40 张多角度样本加一两小时训练。而 PuLID 这类只锁脸不锁身体,脸 88,身体 40。
这组数字的温差就是钱。
漂移还分三层:身份漂移,发型脸型服装材质变了;空间漂移,同一房间不同机位对不上;多集漂移,连载到第 20 集,服装道具全乱。第三层最容易被忽略,也最致命。所以场景必须单独建全景参考图,不能只靠角色图糊过去。
2. 成本:真正的变量不是单价
2025 年 AI 视频的抽卡率只有 20% 到 30%,业内公认超过 50% 才有显著应用价值。抽卡率 20%,意味着有效单镜成本等于单价乘 5。
压单价是从一块钱压到八毛,线性收益。提抽卡率是从 20% 提到 50%,成本直接砍掉六成。
这也解释了一个反常识的现象。算力单价在涨,有报道说从年初 300 元一分钟涨到 800 到 1000 元,一部 80 集短剧的算力支出超过 10 万。单价涨了总价还能降,唯一的解释是重抽次数在掉。
成本曲线从来不是单价曲线,是单价乘重抽次数。
3. 许可证:最容易被「开源」两个字骗过去
很多人默认「开源就是能商用」。真不是。
语音合成里口碑很好的 Fish Speech,老版本是无门槛的宽松协议,新版本却加了年营收门槛,还明确写了不授予托管服务授权,而某个测试版干脆是纯研究协议、零商业权。同一个项目,三种条款。
你按主分支拉代码,可能一上手就踩进了最严的那一版。
类似的雷还有一片,最常见的是把「非商用」协议当成免费商用。有些画图底模的开发版、有些人脸修复和口型驱动的老项目、还有些音频生成模型的权重,都是这么定的。代码是 MIT,权重却是禁止商用,可大多数人只看前者。
所以落地时只有两个动作管用:锁版本,别追最新;把每个依赖的许可证原文和版本一起存下来。如果要做 SaaS,还得单独看一眼运行时条款,禁托管、禁和许可方产品直接竞争、按营收或月活设阈值,这些看着像法务细节,其实直接决定你的产品能不能做成订阅制。
五、合规已经进入执法阶段
第四件事得单说,因为它不再是「将来时」。
《人工智能生成合成内容标识办法》2025 年 9 月 1 日施行,配套强制性国标 GB 45438-2025,要求显式标识加隐式标识。2026 年 4 月 28 日,网信部门已依法查处剪映、猫箱 App 和即梦 AI 网站未有效落实标识规定。
再叠一层行业监管。《微短剧发展管理办法》(广电总局令第 16 号,2026 年 7 月 31 日)分一类二类三类,一类二类要备案公示加发行许可。《AI 微短剧分类分层标准》2026 年 7 月 1 日施行,按投资额度分档:80 万以上是重点,30 到 80 万是普通,30 万以下是其他。
这里有个连锁反应挺妙:AI 降本会直接改变你的监管档位。用 AI 把成本从 90 万压到 25 万,可能不是更省钱了,而是从重点片变成了其他片。
市场那头也不温柔。抖音漫剧的平台通过率从 60% 掉到 30%,红果只有 7.5%,爆款率 0.117%。代码能提产能,产能不等于通过率。
六、所以到底行不行
动态漫、PPT 漫:现在就能做。 一致性靠资产引用,不靠模型概率。
AI 漫剧(动画风):可行,但要工程化。 一致性是主战场,LoRA 加资产库能解。
AI 短剧(真人写实):有条件可行。 关键镜得买商业 API,成本和审核双压。
替代真人精品短剧:暂不建议。 表演细腻度不够,通过率和爆款率双低。
解说、栏目、科普:最优解。 第一条路直接覆盖,不用生成。
一句话:越靠近表演,代码越无力;越靠近编排,代码越强大。
七、我的结论
能,但能做的东西和多数人想的不一样。
纯代码画不出写实人物的一场哭戏,2026 年这一点没什么争议。可纯代码能造出一条从剧本到成片的流水线:分镜 JSON、资产库、一致性门禁、音画对齐、批量渲染、合规留痕。前者是画笔,后者是工厂。
很多人问「能不能用代码做短剧」,其实真正在问的是「我该自建工厂还是买现成产线」。这是两个问题。
判断标准也简单,看内容需不需要表演。解说、栏目、动态漫,纯代码今天就够用,成本最低、可控性最高。真人写实,代码只能是编排层,像素必须交给模型,关键镜还得花钱。这不是能力问题,是分工问题。
至于写代码在 AI 时代是不是贬值了,我的看法相反。模型越不可控,约束层越值钱。 一致性、抽卡率、许可证、合规标识,这四件事没有一件是生成问题,全是约束问题。
最后给一条实操建议,也是我看完那份调研最认同的一句:先做样片,再谈自动化。
阶段 0 不用写一行流水线代码。手工做一集 60 到 90 秒的动态漫,顺手记下每个环节的真实耗时和真实花费。这一集能不能让人看完,决定了后面三个月该不该投。
能看完,再去建工厂。
代码不是那把画笔。它是施工图、质检标准、传送带,和最后那个盖章的留痕。
你如果真用纯代码做一部短剧,最先卡住的会是画面,还是流程?评论区聊聊。
🎬 视频生成 | 🎨 设计工具 | ✍️ AI写作
🔗 AI创作工具导航页,关注后后台回复「工具」获取
觉得有用点个在看👇
建议收藏🌟 以后慢慢看~
#AI工具 #开源项目 #AI视频生成 #真人口播 #AI配音