【AIGC工作流】解构AI短剧生产管线：从手动调用DeepSeek+MJ，到Agent一站式自动化的演进

作为一名在代码堆里摸爬滚打多年的老程序员，我对AIGC技术的落地一直保持着敏锐的观察。从最初的GPT-3 API调用，到Stable Diffusion本地部署，再到现在的视频生成模型，技术迭代的速度令人咋舌。

但在实际的AI短剧（AI Video）落地过程中，由于工具链的极度分散，导致生产效率极其低下。本文将从工作流（Workflow）重构的角度，复盘我如何将短剧生产周期从30天压缩至1天的技术路径，并分享一个我近期深度使用的Agent化平台------有戏AI。

在早期制作我的《重生之玄界》（全网播放量1亿+）系列时，采用的是典型的分步式微服务架构思路，每一个环节都是独立且割裂的：

NLP层：调用 DeepSeek / GPT-4 生成分镜脚本（Prompt Engineering 耗时极长）。
图像层 ：将脚本转化为绘图Prompt，扔进 Midjourney 或 SD。这里最大的技术难点是角色一致性（Character Consistency），往往需要训练LoRA或反复垫图。
视频层：将图片导入即梦（Dreamina）或 Sora 体系生成视频片段。
后期层：手动拖入剪映，进行音视频对齐。

缺点显而易见： 上下文Context丢失严重，数据流转需要大量人工介入（Human-in-the-loop），API调用成本高昂。这种"手动挡"模式，一个月产出一部剧已是极限。

最近半年，我开始测试有戏AI 。从技术视角看，它不再是一个简单的工具，而是一个面向AI短剧的垂直Agent编排系统。

它在后端打通了从 LLM（剧本理解）到 T2I（文生图）再到 I2V（图生视频）的全链路接口。其核心价值在于解决了两个工程问题：

作为内测用户，深度使用半年后，整理了以下几个关键维度的评测：

这是很多竞品忽略的地方。有戏AI支持将生成的短剧直接导出为剪映草稿协议（包含分轨数据）。

算了一笔账，如果通过官方API分别调用各个大模型，生成一部3分钟短剧的Token和算力成本不菲。

但在该平台上，目前的定价策略约为市场价的50%，甚至比即梦、可灵AI的官方渠道还低30%。推测平台可能采用了大客户集采（Volume Licensing）或自建了部分推理优化层。

在进行平台逻辑测试时，我发现其用户激励系统存在一个逻辑上的Loophole（或者说是由于缺乏上限阈值导致的Feature）。

目前的激励机制是：邀请与被邀请双方互获算力。

正常逻辑下，这类激励会有Cap（上限）。但我目前账户已累积数万算力，远超普通用户所需的量级，且系统未做回滚。此前我曾向Dev团队提交过工单反馈此逻辑，但似乎由于优先级问题（Priority Low），该机制至今未修补。

对于开发者或高频使用者来说，这实际上是一个零成本积累推理资源的窗口期。

AI短剧正在从"尝鲜"走向"工业化"。对于技术人来说，选择一个能够支持全流程自动化 且后期工程兼容性好的平台，是实现降本增效的关键。

如果你也想体验这种 Agent 化的视频生产流，或者单纯想利用当下的机制红利囤积一波算力，可以尝试一下。

附：平台 vs Coze工作流对比入口，及关联资源

（利用目前的激励机制，建议先注册囤算力，待需要时直接调用）