动动嘴就能做AI短剧
- 2026-11-19 08:06:04
——我用语音,一周做出了3条能看的短剧先说结论:现在真的可以靠“动动嘴”,把一条AI短剧从0做到能发出去。不是夸张。

过去半个月,我几乎没怎么打字,全靠语音输入,做出了3条1分钟左右的短剧。有条还被朋友转发了两次。过程比我想象的简单,但也比网上那些“一键生成”视频真实得多。今天把完整流程拆开讲,保证你照着做,也能自己跑通。一、我为什么突然开始用语音做短剧之前做内容,最烦两件事:写剧本卡壳,打字慢。有天晚上躺床上,突然想讲个“职场打工人被AI替代”的小故事。懒得爬起来开电脑,就对着手机语音说了大概3分钟。
结果第二天一看录音转文字,居然比我正经写的还自然。从那以后我决定试一次:全程用嘴,尽量少打字,看能不能把一条短剧做出来。结果证明:可以。二、完整流程(照着做就能出片)我把流程拆成5步,每一步都尽量用语音完成。第1步:用嘴把剧本说出来(最重要)别一开始就追求完美。打开手机备忘录或微信语音,直接说:“帮我写一个1分钟的短剧。主角是25岁女生,刚入职互联网大厂,第一天发现自己的工作全被AI做完了。她很崩溃,但最后决定用AI帮自己做副业。要有反转,语气轻松一点,适合发抖音。”说完后,把语音转成文字,丢给DeepSeek、Kimi或者通义千问,让它帮你润色成完整剧本。我的经验:
- 一次说不完整没关系,分3-4次说
- 一定要告诉AI“要有冲突和反转”
- 把角色外貌、性格也顺便说清楚
剧本出来后,再对着手机读一遍,听听哪里不自然,直接语音修改。第2步:定角色形象(也用嘴)剧本有了,接着定人。继续语音对AI说:“根据刚才的剧本,帮我生成女主角的形象描述。25岁,短发,戴黑框眼镜,穿着简单白衬衫,表情先是崩溃,后来自信。要适合AI视频生成,描述尽量详细。”得到描述后,去可灵AI、即梦、海螺AI或者Runway,用这段描述生成角色参考图。生成3-4张,挑一张最满意的当主形象。第3步:分镜 + 生成视频(核心)这是最耗时间,但也是最爽的一步。我习惯把1分钟短剧拆成8-12个镜头。每个镜头用语音告诉AI:“镜头1:女主坐在工位上,盯着电脑屏幕,表情从期待变成呆滞,镜头慢慢推进。”“镜头2:电脑屏幕上弹出一堆AI完成的工作报告,女主捂住脸。”然后把这些分镜描述,连同角色参考图,一起丢进可灵AI 1.6 或 即梦AI。目前我个人体感排序(2026年10月):
- 可灵AI(动作连贯性最好)
- 即梦AI(中文理解强,便宜)
- 海螺AI / 通义万相
生成时注意:
- 每个镜头尽量控制在3-5秒
- 提示词里加上“电影感、自然光、真实皮肤纹理”
- 一次多生成几个版本,挑最好的
第4步:配音 + 剪辑(依然可以动嘴)视频片段出来后,用剪映。剪映现在支持:
- 直接导入视频
- 用AI配音(选一个接近角色的音色)
- 语音输入修改字幕
我自己的做法是:先把剧本再读一遍录音,当作参考,然后让剪映的AI配音去匹配情绪。背景音乐也直接在剪映里搜“轻松反转”“职场喜剧”,几乎不用自己找。第5步:微调与发布最后检查三件事:
- 字幕有没有错别字
- 镜头切换是否生硬
- 开头3秒有没有钩子
确认没问题就导出,发抖音、视频号、小红书。三、我踩过的坑(帮你避雷)
- 不要一次生成太长视频
目前AI视频超过10秒,人物很容易崩。老老实实分镜头。 - 角色一致性是最大难题
一定要先生成清晰的角色参考图,后面每个镜头都带上。 - 语音输入要学会“指挥”
别只说“帮我写个剧本”,要说清楚时长、风格、情绪、反转点。 - 不要追求完美第一版
我第一条短剧生成了47个镜头素材,最后只用了11个。量变才能质变。
四、真实效率与成本按我现在的熟练度:
- 写剧本 + 分镜:30-40分钟(全语音)
- 生成视频素材:1-2小时(看生成排队)
- 剪辑成片:40分钟左右
一条1分钟短剧,总成本大概在10-30块钱(主要是AI视频次数)。比找人拍便宜太多,也比自己从头学剪辑快得多。

五、写在最后以前总觉得做短剧是专业团队的事,现在发现门槛已经降到“会说话”就行。当然,AI目前还做不到真正的电影级质感,人物手指、牙齿、快速转头还是会出问题。但它已经足够做出“能看、能传播”的内容了。最重要的是,它把“想法”到“成品”之间的距离,大大缩短了。你现在就可以试试:
打开手机,对着它说一句:“帮我构思一个1分钟的职场反转短剧……”从这一句话开始。真正做出来的人,才会知道这件事有多上瘾。