AI 短剧真正的门槛,不在「生成」
- 2026-11-17 02:25:11
目录
01 崩的不是模型,是交接 | 02 三段产线,十个交接点 |
03 先给所有工具一部宪法 | 04 把「爆款」拆成四个动作 |
05 先定这集兑现什么 | 06 把情绪翻译成动作 |
07 三张锚点表锁住人景物 | 08 一镜一动作,首帧在动作前 |
09 把参考真正交到模型手里 | 10 用小样买确定性 |
11 先锁台词,再锁音色 | 12 剪辑五轮,每轮只治一种病 |
13 七道闸门,逐个放行 | 14 封面就是承诺 |
15 一次只改一个变量 | 16 复用单位是接口,不是故事 |
+ 八个可以直接抄的模板 |
01
崩的不是模型,是交接
大多数人做废第一集,不是败在画质上,而是败在顺序上。
常见的开局是这样的:一句「帮我写个爆款短剧,顺便把分镜提示词都出了」,然后直接开始生图。三天后你手上有一堆漂亮的画面,但它们对不上同一个故事,也对不上同一张脸。第四天你开始剪,才发现缺了三个交代因果的镜头——而这三个镜头,需要重做前面二十张首帧。
这条链路里真正的成本,不是生成费用,而是返工。而返工的规模,取决于你在哪一段发现问题。
01 文本 内容策划 配置 · 选题 · 大纲节拍 · 剧本 · 分镜 改动单位:小时 | 02 素材 资产生产 定妆图 · 首帧视频片段 · 对白音频 改动单位:天 | 03 成片 成片验证 时间线 · 字幕质检 · 封面 · 复盘 改动单位:周 |
图 1 · 三段产线的返工成本,量级完全不同
所以顺序是这样的:先把文本做扎实,再花钱换素材。文本阶段改一个设定,只需要改一段字;素材阶段改一个设定,意味着几十张图、几十条视频全部作废;成片阶段才发现,往往只能整集重来。
这里有个反直觉的结论:越像创作的环节,越应该像工程那样验收。不是让你把创意做成流水线产品,而是让每一次创意决策都有一个明确的落地形态——一张表、一份清单、一个编号——这样下一个环节才能接着往下做,而不是接着猜。
02
三段产线,十个交接点
把整件事拆成十站,每站只回答一个问题,交出一件东西。
十站的分法不是流程洁癖,而是为了制造十个「可以停下来检查」的位置。人在连续创作里最容易犯的错,是带着一个还没确认的假设往下走;十站就是十个强制确认点。
01 项目配置 | 02 选题拆解 | 03 系列大纲 | 04 单集节拍 | 05 剧本定稿 | ||||
06 视觉设定 | 07 分镜 | 08 首帧 | 09 视频与声音 | 10 剪辑交付 |
第 10 站之后并不结束:复盘改的是下一轮的第 1 站
图 2 · 十站产线:每站一个产物,产物是下一站的入场券
每一站留下的东西都不一样,但有一条共同标准:能脱离聊天记录独立存在。一句「就按刚才说的那个感觉」,在换模型、隔三天、或交给别人接手时,等于没说过。
重编注:这张表最值钱的不是流程,是第四列。没有放行条件的步骤,会变成可以无限拖延的步骤——你会一直觉得「再改改更好」,然后卡在第 5 站出不来。给每站一个可观察的通过标准,本质上是在给自己一个停手的理由。
03
先给所有工具一部宪法
同一个项目里,Claude 在写轻喜剧,生图在追暗黑电影感,视频又在要求夸张表演——这不是模型不听指挥,是你没给过它们同一份标准。
项目配置表要短,短到你能背下来;但要硬,硬到每次开工都先读一遍。七项就够:
这份表一旦定版就带版本号,比如 CONFIG_v01。改任何一项,先改版本号,再回查下游:改了画幅,分镜的构图全要重看;改了声音路线,第 9 站的视频提示词全部作废。
配置不是开工前的仪式,是后面每一次「这样对不对」的唯一裁判。
顺带建立命名习惯,越早越好:EP01_S007_v02表示第 1 集第 7 镜第 2 版,对白用 EP01_C01_L003_v01。镜头删了就空着号,不要把旧编号分给别人——编号一旦复用,你永远说不清「上次那条能用的」到底是哪一条。
04
把「爆款」拆成四个动作
「爆款」不是形容词,是一串可以被设计、被检查、被测试的观众动作。
一条短剧能不能留住人,取决于观众在四个连续动作上有没有被接住:停下来、看下去、有回报、想追更。这四个动作分别对应内容里四个不同的任务,任何一个环节掉链子,后面都白做。
ACTION 01 停下来 首帧与第一句:冲突或异常 | ACTION 02 看下去 目标、阻碍与代价 | ACTION 03 有回报 许诺的那件事真的发生了 | ACTION 04 想追更 本集事件引出的新问题 |
情绪不是第五拍:它是这四个动作之间唯一的黏合剂
图 3 · 四个动作,四道各自独立的检查题
落到操作上,选题卡只问五个问题:谁想要什么、为什么是现在、什么挡着他、失败会失去什么、观众最后拿到什么。五问答不全的选题,不是「还需要打磨」,而是根本没成立。
筛的时候用四项打分,每项 1—5 分,别做加权平均,看最低分那一项就行:
关于差异化:换设定不叫差异化,换观众站的位置才叫。同一个「被退婚」的壳,站在当事人身上是委屈,站在旁观者身上是审判,站在施害者身上是恐惧——三种代入,对应三种完全不同的评论区和留存曲线。
另外提醒一句:所有评分、节奏、比例都只是工作模板,不是平台公布的算法。它们的价值在于让你有一把可以反复校准的尺子,而不是让你相信某个数字能换来播放量。
05
先定这集兑现什么
大纲管「往哪走」,节拍管「怎么看完」。这两件事必须分开写,否则整季只有大反转,中间每集都在拖。
单集的时间分配可以先用一个粗框架起手,再靠对白试读和静帧预演微调。它不要求你按秒剪,只要求你在写剧本之前就知道「这一集的高潮应该落在第几成」。
引入问题 0—10% | 目标与代价 10—25% |
行动与升级 25—55% | 转折与选择 55—75% |
回报兑现 75—90% | 收束与下一步 90—100% |
图 4 · 六段结构:先规划比例,再用试读校准
每一段只承担一个任务:
检验方法只有一个问句:删掉这一段,观众会失去什么?如果答不上来,它就该被合并或删除。这个方法比任何节奏理论都管用,因为它逼你说出每一段的信息增量。
顺便清掉一个误解:回报不等于「打脸」。它可以是一个误会解开、一条线索被确认、一段关系发生位移、一个选择开始收利息,甚至是一个埋了两集的笑点终于响了。观众要的是「我等待的东西被回应了」,不是某一种固定桥段。
06
把情绪翻译成动作
「他很愤怒」不是镜头指令,是演员笔记。模型拿到这句话,只能给你一个皱眉。
剧本阶段的唯一任务,是把抽象情绪翻译成看得见的行为、听得见的台词、可核对的物件状态。比如「他很愤怒」,可以写成:他把杯子放回桌面,力气大到杯底磕了一声,然后说了句「没事」。
后者可以拍,可以演,可以被模型理解,也可以被观众误读成别的意思——而误读,正是戏。
四条纪律
时长要试出来,不能估出来
把对白按自然语速读一遍,或用临时音色生成试读,逐句记录真实长度;再加上人物反应、动作完成、证据阅读、场景转换需要的时间。很多剧本念起来 55 秒,实际成片要 80 秒——因为沉默和反应也是时长,而且往往是最值钱的那几秒。
重编注:这一站最容易被跳过,因为它「看起来」不产出素材。但它决定了后面每一站的规模:剧本多一个场景,第 6 站就要多一套设定,第 8 站就要多一轮生图,第 9 站就要多几条视频。剧本是唯一一个改起来最便宜、影响面最大的文件。
07
三张锚点表锁住人、景、物
「请保持人物一致」是一句祈祷,不是一句指令。一致性要靠三样东西:可核对的描述、唯一的编号、真实的参考图。
视觉设定要做的事只有一件:把「不能变」和「可以变」分开写清楚。前者是锚,后者是戏。分不清这两者,就会出现两种错误——把该变的锁死(人物永远一个表情),或者把不该变的放任(第三镜换了张脸)。
角色 C01 / C02 固定 脸型 · 年龄感 · 五官比例发型 · 体型 · 饰品位置服装版本 LOOK01/02 可变 表情 · 姿态 · 剧情内换装 | 场景 LOC01 / LOC02 固定 空间布局 · 门窗位置主要家具 · 材质常驻物件 · 主光方向 可变 时间 · 天气 · 机位 | 道具 PROP01 固定 形状 · 材质 · 颜色尺寸感 · 标志特征初始状态与持有人 可变 开关 · 破损 · 位置转移 |
图 5 · 三类锚点:固定项写死,可变项留戏
编号体系的价值在第 8 站才会显形。当你有 40 个镜头、7 个角色、4 套服装时,一句「穿黑风衣那个」会同时指三个人;而 C02_LOOK03只有一个。
几个实操细节:
最后记住区分两种「变化」:剧情允许的变化(她换了衣服、灯灭了)和生成带来的漂移(她的脸在第三镜变窄了)。前者要写进设定,后者要打回重做。混在一起,你就会开始用「风格化」来解释穿帮。
08
一镜一动作,首帧在动作之前
分镜不是把剧本切碎,是把剧本翻译成「模型能做到的最小单元」。
最反直觉的一条规则:首帧应该是动作发生之前的状态。因为图生视频的本质是「从这张图开始往下演」。如果首帧里人物已经把杯子摔了,而提示词要求「开始摔杯子」,模型只能给你倒放、重复、或者干脆不动。
第二条:一个镜头只承担一个主要动作、一种主要运镜。把「起身、走到窗边、回头、说话」塞进一个 5 秒镜头,结果通常是走了一半开始变形,或者回头时换了张脸。不是模型不行,是这一镜的信息量超过了它的容量。
两种提示词,别混着写
还有一条容易被忽略的对齐问题:剪辑使用时长 ≠ 生成时长。生成 6 秒,不代表要用满 6 秒;有时候一条 10 秒素材里只有 2.3 秒能用。分镜表里要把「预计使用时长」和「建议生成时长」分开两列——前者由叙事决定,后者由模型档位和动作复杂度决定。
分镜表里我最看重的三个字段,都不是画面字段:剧情用途(这一镜删了会怎样)、结束状态(下一镜能不能接上)、难度等级(要不要拆)。这三个字段决定了这集是能顺利做完,还是会在第 9 站反复卡壳。
拆镜的实用判据:如果一镜里出现了两个「状态改变」(他坐下 → 他点燃烟),就拆成两镜;如果一镜里出现了两个「视线对象」,也拆。拆完多出来的镜头,往往可以用反应镜头或道具特写补,而这两种恰恰是最便宜、最好生成的素材。
09
把参考真正交到模型手里
模型看不见你电脑里的文件。你说「参考上次那张定妆图」,它只能猜。
生图这一步的失败,八成不是提示词写得不好,而是参考没传、传错、或传太多。三个常见病:
所以生图应该分两层:先定妆,再出镜。定妆图只负责一件事——让这张脸、这套衣服被确定下来,并且被验收。验收标准很朴素:正脸能认、侧脸不塌、饰品位置对、服装材质和你写的一致。定妆图通过之后,它才成为后面所有首帧的「身份锚」。
一张通过验收的定妆图,抵得上二十句「保持人物一致」。
出镜首帧时,参考图要附,但提示词的主语要换成「这一镜」:现在是什么时间、人物在画面哪个位置、手里有什么、光从哪来、表情停在哪一刻。这些是状态,不是身份。身份交给参考图,状态交给文字,两者不要互相越界。
10
用小样买确定性
视频生成最容易犯的错,是拿整集去试模型。正确姿势是先花 5% 的钱,买回 95% 的判断。
动手之前先分清你要的是哪一种「动」。四种需求,对应四种输入准备,混着来就会一直得到「差一点」的结果。
同一家服务商的不同模型,支持的输入、时长、音频方式都可能不一样。「平台有这个功能」不等于「你手上这个模型和这个 API 支持」。这一条不确认,后面所有参数都是赌博。
小样怎么跑才算数
选三类真实镜头做样本:人物微表情、人物与道具互动、轻微运镜;如果片子里有正面对白,再加一条对白样本。四个样本都用你项目里真实的首帧、真实的画幅、真实的时长,不要为了「让模型发挥」而挑最简单的镜头——那样得到的结论没有意义。
比较的时候看可用素材,不看预览是否惊艳。判断表就七项:身份是否全程一致、动作是否完成、道具是否穿透变形、运镜是否受控、起止点是否可剪、本轮实际花了多少、等待与管理是否顺手。
算账方式:可用镜头单价 = 本轮全部尝试费用 ÷ 可用镜头条数。如果可用条数为零,不要算出一个漂亮的单价,直接记「该方案未跑通」。整集成本还要加上图像、配音、软件、授权和人工——很多人的账只算视频,所以永远低估。
失败镜头按病因返工
批量提交之前,先把三件事固定下来:任务记录(镜号、任务 ID、模型、输入版本、提交时间)、可用片段起止(哪几秒能用)、预算上限(本轮最多花多少、每镜最多试几次)。这三样东西不写,一次中断就能让你分不清哪些钱花在哪。
另外,异步任务有个坑值得单独说:创建请求超时,不代表任务没提交。这种情况下正确的动作是标「待核对」,然后按任务 ID 去查,而不是重新提交一遍——重新提交的结果往往是同一镜头付两次钱,还多出两条互相冲突的素材。
11
先锁台词,再锁音色
声音阶段最容易返工的原因,是在剪辑台上改字。
顺序必须是:台词定稿 → 音色定型 → 逐句生成 → 口型处理。一旦开始剪辑还在改台词,前面生成的口型、卡好的节奏、配好的字幕全部要跟着重来。
正面对白的三条路
不同预算、不同要求,走的路不一样,别硬上最贵的那条:
一句话原则:「能生成声音」和「能精确匹配你指定的这句配音」是两件事。换掉最终音轨之后,一定要重新检查嘴型和镜头长度——这是全流程里最容易被忘掉的一次回归测试。
12
剪辑五轮,每轮只治一种病
剪辑不是把素材按编号接起来,是控制观众什么时候知道、什么时候紧张、什么时候被回应。
五轮分开做,是因为这五类问题会互相掩盖:节奏不对的时候调色,等于给发烧的人化妆。每轮只解决一类问题,改完再看下一类。
| 1 | 内容粗剪 建对工程与帧率,用对白和关键动作搭时间线,先让故事成立 |
| 2 | 节奏精剪 逐段问:这段结束时,观众比开始时多知道了什么?没有就删 |
| 3 | 字幕与信息画面 逐字核对人名数字;按正常速度读一遍,再决定显示多久 |
| 4 | 声音层次 对白先清楚,再叠环境、音效、音乐;耳机与外放各听一遍 |
| 5 | 画面统一与导出 先修曝光、白平衡、肤色,再加风格;按平台规格导出 |
图 6 · 五轮剪辑:顺序不能换,越往后越贵
几个具体判断:
这一站留给你的东西,不是一条视频,而是一个可编辑工程:工程文件、字幕文件、分轨音频、原素材。下一轮如果只改一个变量(比如第 12 镜换一版),你才改得动。
13
七道闸门,逐个放行
质检不是「再看一遍」。是七个互不重叠的检查层,每层都有退回的位置。
内容
钩子清楚、因果成立、信息不重复、回报兑现、结尾有落点不通 → 回选题 / 剧本 / 粗剪
连续性
人物、服装、道具、位置、视线、光线跨镜一致不通 → 回首帧 / 视频 / 衔接剪辑
表演
表情动作与情绪匹配,声音自然,嘴型符合选定路线不通 → 回视频 / 配音 / 口型
阅读
字幕正确、信息画面可读、界面不挡关键内容不通 → 回字幕与后期文字
技术
无黑帧缺帧、无异常闪烁、无爆音,比例与规格正确不通 → 回剪辑与导出
包装
封面承诺与剧情一致,标题不夸大,集号顺序正确不通 → 回封面与文案
授权
图片、音乐、字体、声音来源与使用范围清楚可查不通 → 回素材管理
这张清单的用法是:按层过,不跳层。连续性问题在内容层是看不出来的,你会一边觉得「哪里怪」一边以为是自己累了。
还有一个习惯值得养成:验收时给每个问题标三档——必须修复 / 建议优化 / 需人工确认。不标优先级,你会在「字幕有个错别字」和「第 14 镜脸崩了」之间反复横跳一整晚。
14
封面就是承诺
教程封面解释工作流,短剧封面只讲一件事:这集最值得看的那个冲突。
三条经验,几乎每次都能省掉一半返工:
涉及必须完全准确的文字(比如标题、日期、文件上的字),先出画面,后期排字。让图像模型去写汉字,成功率低且不可控;而封面恰恰是最不能出错的地方。
结尾文案可以引导讨论人物选择或已出现的线索,但别用和剧情无关的问题骗互动——那类评论对下一集没有任何指导价值。
15
一次只改一个变量
复盘最难的不是看懂数据,是忍住不要同时改五个地方。
先记录条件,再谈结论:发布时间、成片时长、版本、流量来源、是否投放、平台给了哪些指标。不同分发条件下的数据不能直接比,这是常识,但每次着急的时候都会被忘掉。
然后只挑一个变量做下一轮。改封面就只改封面,改开头就只改前 5 秒,别同时换标题、换配乐、换发布时间——否则数据变好了你也不知道是谁的功劳,数据变差了你更不知道。
关于「爆款及格线」:不存在跨账号通用的及格线。粉丝量、赛道、分发方式、投放与否都会改变基线。你能用的只有自己的历史数据,以及同一条件下的对比。
16
复用单位是接口,不是故事
这套流程真正能复用的东西,不是某一个题材,而是每一站的输入、输出和验收方式。
题材会过时,人物会换,平台规则会变;但「先确认内容承诺,再验证故事,再生产资产,最后用真实反馈改进」这个顺序不会变。它跟模型无关,跟风口无关。
不同规模,裁剪方式不同:
流程的价值不在于让你做得更快,而在于让你知道哪一步不该快。
如果只能记住一句话:把每一次「我觉得可以了」,换成一个可以被别人检查的条件。这就是整条产线唯一的内核。
+
八个可以直接抄的模板
精简版:字段够用即可,[方括号] 是你要替换的地方。粘给模型时,把上下文一起附上,别只发模板。
模板 01 · 项目配置
【项目配置 v01】项目名称:[ ] 目标平台:[ ]观众:年龄 / 兴趣 / 观看场景:[ ]题材边界(不做什么):[ ]单集时长:[ ]秒 画幅:[9:16]视觉风格:写实度 / 色彩 / 光线:[ ]声音路线:画外音+反应 / 原生音频 / 后期口型预算上限:[ ] 每镜最多尝试:[ ]次交付规格:分辨率 / 帧率 / 封面尺寸:[ ]本版变更点:[ ] 受影响的下游环节:[ ]
模板 02 · 选题卡与评分
基于下面的项目配置,给我 5 个原创选题,不复刻已有作品。【项目配置】[粘贴]每个选题必须写清:工作标题 / 一句话故事(谁要什么+阻碍+失败代价)/ 核心情绪 /代入入口(观众为什么关心这个人)/ 冲突发动机 / 首集承诺兑现什么 /与同类设定的差异 / 可延展的系列空间 / 制作估算(角色数、场景数、高难动作)/最大风险(逻辑、同质化、制作难度各一条)。再用 1—5 分评四项:冲突清晰度、代入速度、回报明确度、制作可行性。不要给我「必爆」的判断,只给可比较的分数和理由。
模板 03 · 单集节拍
只规划第[ ]集的节拍,不写台词。【配置】[粘贴]【大纲相关部分】[粘贴]【本集开始时观众已知】[粘贴]【目标时长】[ ]秒输出表格:beat_id / 起止秒 / 观众已知 / 人物目标 / 可见行动 /新增阻碍或线索 / 情绪变化 / 承诺推进度 / 伏笔或回收 / 为何转入下一拍。硬要求:时间连续且总长等于目标;每拍必须有新信息或新局面;标出回报真正兑现的位置;每拍写「删掉会失去什么」,答不上的建议合并。
模板 04 · 首帧生图
$imagegen为第[ ]集第[ ]镜生成首帧(动作发生之前的那一帧)。身份参考:见附件 [文件名],仅用于锁定脸与发型服装版本:[C0X_LOOK0X]场景:[LOC0X] 时间与光线:[ ] 主光方向:[ ]人物位置与景别:[画面左/中/右,半身/近景]此刻表情与姿态:[ ] 手持道具及状态:[ ]构图与留白:[ ] 画幅:[9:16]不要:新增人物、改变服装、添加文字与标志。只画这一瞬间,不要表现连续动作。
模板 05 · 视频动作
以上传的 [shot_id] 首帧为起始画面。主体:[角色ID;多人时写清谁动、谁不动]起始状态:[首帧实际状态]主要动作:[一个,可执行]节奏:[快慢 / 幅度 / 先后]次级运动:[呼吸、衣角、环境;不需要则省略]运镜:[固定 / 轻推 / 轻拉,只选一种]结束状态:[表情、姿态、位置、道具]必须保持:身份、服装版本、场景、光线方向声音路线:[无对白 / 原生音频 / 后期驱动口型]避免:[本镜的具体问题,不超过三条]
模板 06 · 剪辑决策
你是剪辑顾问。只基于我实际拥有的素材给方案,不假设未生成的镜头存在。【配置】[粘贴]【定稿剧本与本集承诺】[粘贴]【已验收素材】shot_id / 文件 / 实际时长 / 可用起止 / 画面限制【正式对白】line_id / 文件 / 时长 / 口型限制输出:时间线入出点、素材镜号、源素材入出点、叙事用途、对白位置、字幕、音效、音乐变化、转场、后期文字、注意事项。标出读证据、关键反应、情绪落地各自需要保留的时间。素材不足时给补充清单,先给便宜的替代方案。
模板 07 · 成片验收
按下面材料出验收报告,逐层检查:内容 / 连续性 / 表演 / 阅读 / 技术 / 包装 / 授权。【配置与承诺】[粘贴]【成片或逐时间点观察记录】[提供]【剧本与字幕】[粘贴]【平台技术要求与素材来源】[粘贴]每个问题写:时间点、实际表现、对观看的影响、修复建议、责任环节。分三档:必须修复 / 建议优化 / 需人工确认。没拿到视频、音频或来源信息的部分,写「未验证」,不要默认通过。不要给播放量预测。
模板 08 · 阶段交接包
【交接】[上一站 → 下一站]配置版本:[文件/版本] 当前集号:[ ]本轮只处理:[镜号 / 场次范围]已确认输入:[逐项列文件]批准的参考资产:[文件名、ID、用途]必须遵守的固定项:[ ]允许变化:[ ]未解决事项:[ ]本轮要你输出:[类型、字段、命名、存放位置]验收标准:[可观察的条件]本轮不要做:[不新增角色 / 不改剧情 / 不批量提交]完成后报告:已完成 / 未完成 / 需要退回上一站的问题。