AI 短剧不是写出来的,是一群 AI 合作"拍"出来的
- 2026-11-19 07:04:15
一、为什么"一个 AI 搞定"行不通?
把 5000 字网文直接丢给大模型,让它一口气输出剧本、分镜、绘图提示词——结果几乎是灾难。
这不是模型不够聪明,是它结构上做不到。短剧生产是一条长链路:改编剧本、提取角色、拆镜头、翻译提示词。当任务被塞进同一个"全能 AI"时,逻辑推理能力随输出长度指数级衰减,到第 5 集就开始胡言乱语。更糟的是"幻觉"——主角第 3 集拿到的关键道具,到第 5 集凭空消失。
2026 年的行业共识是:AI 短剧不是"写"出来的,是一群 AI Agent "合作"出来的。就像真正的剧组,编剧归编剧、分镜归分镜、后期归后期——把复杂任务拆给"专业团队",而不是指望一个"万能选手"。
二、四大核心 Agent:谁负责剧本,谁盯着角色?
一个成熟的短剧系统,按"单一职责原则"拆成四个专职 Agent:
1. 剧本改写 Agent——把原始网文或创意梗概,转成快节奏、强钩子、强反转的短视频剧本。它只关心冲突和对白,不关心画面。
2. 角色提取 Agent——这是"换脸一致性"的命门。它负责从剧本里分析出所有人物的外貌特征、穿着风格,生成一份标准化的角色画像档案。后面每一帧画面都要按这份档案来。
3. 分镜拆解 Agent——把剧本段落拆成具体镜头:远景、特写、俯拍,并描述每个镜头的光影和构图。这一步的产物,就是给绘图模型看的"分镜说明书"。
4. 提示词翻译 Agent——把分镜画面描述,翻译成图像模型能听懂的专业提示词,包括相机参数和艺术风格标签。
一个剧本到成片,这四个 Agent 依次接力。关键是每个 Agent 只管一件事——角色变了脸,找角色 Agent;分镜不合理,找分镜 Agent。责任边界清晰,才改得动。

四大 Agent 接力流水线:剧本 → 角色 → 分镜 → 提示词,单一职责依次衔接。
三、剧本 Agent 的核心秘密:分层演进,不是一次生成
很多人以为"输入一句话写完整剧本"很简单。实际工程里,这一步用的是分层演进策略:
一句话 → 500 字梗概 → 分集大纲 → 具体到每场戏的剧本细节
每一层都是下一层的输入约束。为什么要这么绕?因为大模型的注意力遵循"首尾效应"——超长一次生成,中间的情节最先崩坏。分层演进就是每展开一层都做一次校验,把崩坏扼杀在下一层之前。

分层演进:一句话 → 梗概 → 分集大纲 → 场景剧本,层层细化、层层校验。
配合它的是一个精密的状态机(State Tracking):实时记录已发生的剧情点、角色好感度、道具状态。不维护这套状态,"第 3 集拿到的钥匙第 5 集消失"这种事就会反复发生。
最后一步是结构化输出。早期用正则去解析模型吐出来的废话,故障率 10%-20%;现在用JSON Schema 约束——模型在生成每个 Token 时就被有限状态机拦截,"此处必须是数字"就把所有非数字 Token 的概率强制置 0。格式错误被彻底杜绝。
四、画面那一关:角色一致性,四种方案
剧本搞定后,真正让工程头疼的是角色崩坏——第 1 镜帅哥,第 8 镜老了十岁、连发型都变了。行业数据很直接:92% 的观众发现角色不连续就立刻走开;保持一致性,参与度能提升 3.7 倍。
主流四种方案,各有取舍:
Seed 锚定:固定随机种子。最原始,像"抽奖"——稍微改个动作或画幅,特征就崩。 LoRA 微调:为角色单独训一个几十 MB 的轻量参数层,最精准,但每个角色都要单独训练存储,高并发下显存吃紧。 IP-Adapter:免训练,1-3 张参考图就能锁人。性价比最高,但有时会过度干预背景,角色像"抠图"贴上去。 Character Reference:Midjourney 等闭源方案,参考图自动提取身份向量。角度偏差越大,一致性衰减越明显。
工业界现在的标准答案,是混合工作流:身份层用 Identity Embedding 锁五官,细节层用轻量 LoRA 锁服装配饰,结构层用 ControlNet 锁动作骨架,最后跑一遍 Img2Img 重绘统一光影——四层叠起来,保证 90% 以上一致性的同时,把单帧生成压到 3 秒以内。

混合工作流四层:Identity 锁五官 → Detail 锁服装 → Structure 锁动作 → Refiner 统一光影,右侧同一角色全程一致。
五、编排层:真正的灵魂是"组织力"
把这群 Agent 组织起来的,是一个编排层(Orchestration Layer)——它不只是任务派发器,而是一个有限状态机(FSM):实时监控每个 Agent 从"空闲 → 执行中 → 等待验证 → 失败重试"的状态流转。
两个细节最见功力:
动态上下文剪裁:不再把全部历史一股脑塞给下一个 Agent,而是按当前任务节点,从全局信息池里检索最相关的片段注入。省 token,也防语义漂移。
验证 Agent:每一步输出后都有"质检员"。分镜 Agent 把主角的衣服颜色画错了?验证 Agent 直接打回,附带错误描述触发重试。引入"执行-验证-修正"闭环后,无人值守的成功率上了一个台阶。
还有人机协作(HITL):在角色画像这种关键节点设"人工网关"——人类制片人点"通过",后续分镜和绘图才开跑。完全脱离人类审美的纯 AI 流水线,最后都掉进"技术平庸"的怪圈。
六、一句话总结
AI 短剧的自动化生产,本质上是对人类影视流水线的数字化重构。多 Agent 系统的精髓不在于 AI 有多聪明,而在于组织力——通过任务解耦、标准化协议、闭环反馈,把不稳定的模型输出,变成稳定的工业产出。
就像真正的剧组,从来不是靠一个天才编剧,而是靠一条分工明确的流水线。AI 短剧也一样。