AI把短剧做出来以后,为什么还是有人看、有人不看?
- 2026-11-19 09:39:32

10 月底,一批餐饮题材的 AI 短剧里,“贵是贵了点,但吃着不烧心”成了热梗。主角坚持用好食材,最后赢回顾客。它有短剧熟悉的爽感,但爽的不是把对手踩下去,而是认真做事的人终于得到认可。
这件事值得聊,不是因为 AI 又多会生成几秒视频,而是因为现在做出一段像样的画面,已经比以前容易得多。可观众看完一集,会不会点下一集,原因通常不在画面是怎么做的。AI 能把制作往前推一大步,剧本却没法靠“生成得快”自动变好。对想做短视频、漫剧或账号内容的人来说,关键问题是:AI 可以替我们省掉哪些制作活,哪些东西仍得自己想明白?
《每日经济新闻》最近采访了“短剧内行人”主理人颜敏。他提到,热门题材里有人赚到钱,也有人没赚到;把剧情照着改一遍,复制不了别人的传播和收益。这个判断说得很实在。模仿看起来省掉了找题材、试表达的时间,却只拿到了别人故事的外壳。观众为什么会转发、为什么愿意接着看,往往恰恰藏在那个外壳里。
“不烧心”这个梗就有一个清楚的情绪入口。现在很多人买东西,担心的不是贵几块钱,而是花了钱还被糊弄。一个经营者坚持用好食材,顾客起初嫌贵,后来发现值,这个变化对应着现实里的信任问题。观众看见的不是食材参数,而是“认真做事的人有没有机会赢”这个愿望。故事把这个愿望演出来,短短一句话才有了记忆点。
这不是说每个短剧都要讲大道理。观众也会为了反转、爽点和离谱情节停下来。但情节得让人明白角色为什么这么做,下一步可能发生什么。要是人物只是轮流说狠话,画面再精致,观众看几集也容易腻。AI 生成的画面越容易获得,画面本身就越难成为长期优势;大家都能做出来的时候,差异自然会挪到故事、节奏和表达上。
这里的“AI短剧”也不是一个按钮。有人用模型生成角色和场景,有人拿它做分镜、改台词或补素材;最后还要剪成连续内容,调整节奏、配音、字幕和前后关系。所谓“能做出一部剧”,可能是把画面拼起来,也可能是做完一段能播的成片。两者之间差着大量选择:谁先出现、冲突什么时候爆发、一集结束时留什么悬念、角色为什么改变。AI 可以给出候选,决定取舍的人还是创作者。
更麻烦的是,短剧不是单张海报。第一集让人点进来还不够,后面要不断兑现承诺。一个故事如果开头说的是“夫妻误会”,三集后忽然变成“豪门争产”,观众可能觉得刺激,也可能觉得作者已经不知道自己在讲什么。连贯不是每集都解释前情,而是让人物的选择有前因,冲突的变化有来由。
这正是生成工具容易帮上忙,也容易帮倒忙的地方。你让它续写十集,它能很快给你十集;但如果第一步没说清人物想要什么、什么东西挡着他、他愿意为此付出什么,十集只会把含糊的设定扩写十遍。字数增加了,故事未必往前走。对于刚开始创作的人,先别急着把一整部剧交给模型续写。拿一集做小样,反而更容易看出问题。
可以先把最关键的四件事写在一页纸上:主角现在最想要什么;谁或什么让他拿不到;他为了得到它做了什么选择;结尾出现了什么新情况,让观众想知道下一步。这个方法不是保证爆款的公式,而是帮助检查故事有没有向前走。要是你回答“他想成功”“有人误会他”“他努力了”“终于逆袭”,还可以继续问:他到底要拿到哪一单生意?误会是由哪件具体小事造成的?这次努力牺牲了什么?逆袭后又要面对什么?越具体,越容易拍成一场戏,也越容易让人判断有没有意思。
写到这里,AI 就有了更明确的活儿。让它把同一个冲突改成三种场景,或者列出主角可能采取的五种选择;再让它指出哪种选择最容易被观众猜中。创作者挑中一条后,继续改成自己熟悉的生活细节。譬如一条“餐馆舍不得用好食材”的故事,老板为什么这么做?原料涨价、同行压价、房租到期,哪一个才是他此刻真正过不去的坎?这个选择会改变人物,也会让冲突不是从空中掉下来。
之后再让模型参与分镜、画面或配音,做起来才有方向。提示词里告诉它场景、人物状态、镜头要交代的信息,而不只是“生成一个很有电影感的餐馆”。模型不会自动知道观众该在这一秒看什么;你得告诉它这场戏要让观众看见老板把便宜食材换掉,还是看见顾客皱眉。前者交代选择,后者交代反应,讲的是两件不同的事。
“能省多少钱”当然重要,但也别只算出图和出视频的成本。创作最贵的往往不是按下生成键,而是反复返工:人物脸前后不一致,台词没有信息,上一集埋的线下一集忘了,剪到一半才发现冲突立不住。一个几分钟的样片如果在前期就把这些问题暴露出来,至少比把同一个问题扩成三十集再回头重做便宜。
这也解释了为什么“模仿”不是一条稳定的捷径。看到别人做餐饮、逆袭、家庭矛盾跑出来,就照着换个人名换个行业,表面上省时间,实际是把最重要的问题留到了后面:观众凭什么相信这件事会发生在这个人身上?如果冲突只换了衣服,人物仍然没有具体选择,结局也早被猜中,制作成本再低,内容还是留不住人。
反过来说,跨界也不是问题。对 AI 工具熟、会做视觉、懂营销的人,完全可以进入内容生产。只是过去行业里“会拍、会剪”是一种优势,现在做图和剪素材的成本下降,原来的优势未必还够用。你还得学会判断什么值得拍,读懂评论里观众在意什么,知道一集结束时该留下哪一个问题。技术经验可以带进来,但观众不会因为创作者懂技术就自动追更。
颜敏在采访里提到,创作者至少要学会看评论、读新闻,再把观察写进人物选择与冲突。对个人创作者来说,这句话可以变成一个很日常的练习:看到一条新闻或一段争论,别只问“能不能让 AI 做成视频”,再多问一句“这里面谁在为难,谁需要做选择,观众会站在哪一边”。这一步比马上生成十张图更接近故事。
所以,做 AI 短剧可以先用一集验证,不要先用“连更三十集”证明决心。把角色、冲突和结尾写清楚,做出一段能看懂的样片,找几位目标观众看完后复述:他们觉得谁想要什么,哪一步最没说服力,愿不愿意继续看。若大家说不清人物为什么这么做,先改故事;若他们听懂了也愿意追,再扩大制作。AI 能让试错更快,能不能从试错里学到东西,仍取决于做内容的人。
复盘时也别把所有问题都记成“流量不够”。有人划走,可能是第一句话没交代清楚人物处境;有人看完却不点下一集,可能是结尾没有留下新问题;有人说画面不错但记不住故事,那就要回到人物和冲突。把反馈按“没看懂、没兴趣、看完不想追”分开,再改一处重新试,至少能知道这次修改有没有用。播放数据不能替你判断原因,但结合几条具体反馈,会比盯着一个总播放量猜来猜去更有方向。
一个镜头可以生成得很快,一段故事要不要往下看,观众会用自己的时间投票。