【AI视频教学】AI短剧制作流程
- 2026-11-19 10:23:35
📋 阶段一:前期策划——先想清楚,再开模型
这一步最容易被跳过,但它决定了后面所有环节的返工成本。
① 立项定位
在打开任何工具之前,先回答三个问题:谁在看(年龄段、性别倾向)、发在哪(抖音/红果/B站/出海)、做什么题材(甜宠/悬疑/逆袭/古风)。2026年高转化题材集中在霸总甜宠、悬疑反转、重生复仇、古风权谋等方向,需要先定一个“一句话卖点”。你之前写的都市甜宠漫剧,对应的正是“16-25岁女性+红果/抖音+甜宠”这一组定位。
② 剧本工程化
AI短剧的剧本不是写给演员看的,而是写给机器看的。普通剧本只写“场景+对白+动作”,工程化剧本需要额外包含人物可视化标签、场景标准化参数、镜头可拆解信息、情绪标签、生成可行性标注。具体落到操作上,你的剧本需要像上一集《雨中的十五度》那样,每一场都明确写出:场景ID、内外景、时间、环境描述、人物动作与微表情、对白、内心OS、音效标注。豆包或DeepSeek负责按这个格式产出初稿,人工再做一轮精简和镜头适配。
🎨 阶段二:中期生成——资产、分镜、动态化
这是整条链路上技术密度最高的部分,也是决定“像不像同一部剧”的关键。
③ 搭建角色与场景资产库(防“变脸”的核心)
人物在不同镜头里脸型漂移、服装跳色、画风突变,根源不在提示词不够好,而在于没有资产锚点。做法是:在即梦中先为苏晚和陆执各生成一组定妆图+三视图(正面/侧面/背面),纯色背景、自然站立、面部清晰,把这组图作为后续所有分镜出图的参考图固定下来。场景同理,为“雨中街道”“黑伞下”“巷口转角”各选定一张基准图,锁定光影和色调参数。后续每一镜出图时,都引用同一组角色和场景参考,而不是每次重新描述外貌。
④ 分镜拆解与批量出图
沿用你之前用过的分镜提示词模板,让豆包把工程化剧本拆成表格化的分镜清单(镜号、时长、景别、运镜、画面关键词、对白)。然后把“画面关键词”逐条复制进即梦,结合上一步锁定的角色参考图批量出图,每个镜头生成2-3张,按镜号命名存档。出图阶段的一致性控制,主要靠“参考图+固定负面词+统一画风参数”三件事同时起作用。
⑤ 图生视频:让静态画面动起来
将筛选后的分镜图导入即梦或可灵的图生视频功能。核心原则是一镜一镜往下拼,单段控制在5-12秒,不要试图一次生成几十秒的长镜头——短片段出错时只需重跑那一小段,成本低得多。运镜上根据分镜标注匹配:特写用缓慢推进,全景用左右平移,心动对视用轻微呼吸晃动或慢推拉。高级设置中可以添加雨滴、发丝飘动等轻微动态特效,贴合剧情氛围。
🎬 阶段三:后期合成——声音先行,画面贴合
⑥ 配音与音画同步(最容易翻车的环节)
口型对不上的根本原因,往往是先做好了画面再配声音,两条时间轴各自独立,拼起来必然错位。正确的顺序是先定声音,再定口型:先在剪映中完成AI配音(或使用即梦的原生配音),拿到每一句台词的确定时长,再回到画面中让角色说话的动作去贴合音轨,而不是反过来。
具体操作上:对白拆成15-25字的短句分段生成,不要一次性导入大段对白;如果使用对口型功能,将嘴型影响强度适当调低(60%-70%),让动作更接近日常微表情而非机械开合;生成后重点检查句尾收声和停顿处嘴巴是否闭合,这两个位置最容易暴露声画不同步。
⑦ 剪映总装
将动起来的镜头按镜号顺序拖入剪映时间轴,完成三件事:镜头排序与节奏控制(确保每集在对应时长内完成情绪起伏)、AI字幕自动识别与断句优化、BGM与音效铺垫(对话时BGM音量压到-6dB至-12dB,留出人声空间)。转场优先用叠化或淡入淡出弱化镜头间的断层,导出规格按目标平台设定(抖音/红果通常为9:16竖屏、1080P及以上)。
🚀 阶段四:发布与迭代——把每一集变成数据资产
⑧ QC质检与发布
成片导出前做一轮检查:人物跨镜头是否一致、口型有无明显错位、有无水印或违规元素、封面和高光镜头是否截取到位。红果发布需要完成实名认证并创建合集,多集选择“连载更新”以归入专辑;抖音发布注意首评预埋提问引导互动,固定更新节奏。
⑨ 数据复盘与模板化复制
这是工业化流程和“凭灵感硬撑”拉开差距的地方。每一集发布后记录播放、完播、互动数据,跑通一定集数后,把高播放的题材、分镜节奏、冲突点位置固化成模板,后续按模板批量生产,而不是每集重新发明轮子。
💡 贯穿全流程的一条底线:一致性 > 单帧精美
回顾你之前那集《雨中的十五度》,最容易在执行中失控的不是“哪一帧不够好看”,而是苏晚在下一个镜头里换了张脸、陆执的西装颜色变了、雨天的光线从暖调跳成了冷调。所以整条流程的重心可以归结为一句话:把角色和场景当作可复用的“资产”来管理,而不是每个镜头重新生成一次。定妆图、参考图、固定参数、按镜号归档——这些看起来“不酷”的动作,恰恰是让一集90秒的漫剧看起来“像一部剧”而不是“一堆AI图的拼贴”的根本原因。