AI 短剧怎么做？

一条 AI 真人短剧的标准管线是：授权选本 → 长网文压缩成短剧主线 → 写成 15 秒一段的分镜脚本（八要素）→ 建角色 A-Pose 立绘与三视图、统一场景（锁定一致性）→ 用即梦 Seedance 2.0 多图参考逐镜图生视频 → 配音剪辑成片。本文给出可直接复制的分镜与提示词模板、镜头语言速查表、翻车排查表和五天上手 SOP。

本文目录

为什么你的 AI 短剧"一眼假"：缺的是生产线
全局：一条 AI 短剧生产管线（含质量门）
第 0 步：选本与版权，先解决"能不能用"
工序一：把长网文压缩成短剧主线
工序二：分镜工程------把剧本翻译成镜头指令
工序三：视觉一致性资产（最核心的技术活）
工序四：图生视频，把分镜变成动态画面
工序五：声音与剪辑，完成最后 30% 的质感
质量门：AI 短剧翻车排查表
五天上手 SOP 与工具链清单

01为什么你的 AI 短剧"一眼假"：缺的是生产线

过去一年，AI 视频生成的画面质量进步极快，但大多数人第一次做出来的短剧，仍然一眼就能看出"是 AI 生成的"：男主上一秒是尖下巴，下一秒变成圆脸；女主外套从白色变成卡其色；角色一转身，后背的衣服凭空换了款式；镜头忽远忽近，台词还没说完画面就跳走了。

这些问题往往不是模型不够强，而是流程不规范 。真人短剧在片场有剧本、分镜、妆造、场记、美术，每一个环节都在保证"同一个人、同一个世界、同一个节奏"。AI 制作把这些环节压缩进了一条软件管线，你省掉了剧组，但省不掉剧组的职责。

把零散的"用哪个工具"升级成一条有输入、有产物、有验收的生产线，质量立刻会拉开差距。这正是本文要给你的东西。

三个最致命的"AI 味"来源

信息太散

：支线全保留，观众抓不住重点，节奏拖沓
资产漂移

：角色长相、服装、场景在镜头间自由发挥
镜头失控

：没有景别、运镜设计，全是"随机运镜"

对应的三道工程解

剧本压缩：只留主线、冲突、反转
一致性资产：A-Pose 立绘 + 三视图 + 场景库
分镜规范：每镜写清景别、视角、运镜、时长

02全局：一条 AI 短剧生产管线（含质量门）

先看全景。整条管线可以分成六个工位，每个工位都有明确的"输入---产物---质量门"，前一个工位没过关，不要进入下一个。返工的成本，几乎都来自跳步。

① 授权选本网文/原创剧本确认改编权② 剧本压缩删支线保主线缩短台词③ 分镜脚本15s/段每段3-6镜·八要素④ 视觉资产A-Pose立绘三视图·场景图⑤ 图生视频多图参考@逐镜生成⑥ 成片配音剪辑字幕卡点质量门（每步验收）：有改编授权题材适配主线一句话能讲清八要素齐全节奏可读同人同服同景多角度齐全人物对·动作顺无穿帮音画同步钩子完整角色/场景资产被所有分镜复用一旦定稿，后续每个镜头都引用同一套图，保证一致性贯穿全程的"制作圣经"：角色设定卡 · 场景设定卡 · 声音总纲（外貌/服装/道具/光线/音色全部锁定）相当于真人剧组的美术、妆造、场记与声音指导的合体

每个工位只做一件事，产物喂给下一环；资产定稿后被反复复用，而不是每镜重画。

03第 0 步：选本与版权，先解决"能不能用"

✘ 先纠正一个常见误区：网文不是"无版权"平台上的小说天然受著作权保护，直接拿未授权作品改编成短剧发布，存在侵权风险。所谓"在平台找本子"，正确含义是走官方授权或分销渠道，拿到竖屏短剧改编权，而不是随便挑一本就拍。

合规的故事来源主要有三类：

来源	形式	适合谁
番茄版权商城 / 短剧授权库	选择已开放"竖屏短剧改编权"的作品，按规则取得授权	有制作能力、想拿成熟 IP 的团队
番茄达人中心 / 短剧分销	在达人接单平台接可改编、可分发的本子，成片后参与分成	个人创作者、矩阵号、新手练手
原创剧本 / 书面授权	自己写，或与作者签书面改编协议	想长期做自有 IP、版权最干净的人

什么样的本子适合 AI 短剧？

不是所有故事都适合 AI 生成。考虑到当前模型在复杂动作、多人交互、大场面上仍不稳定，选本要主动"扬长避短"：

优先选	尽量避开
强冲突、强反转、爽点密集	慢热、铺陈长、文艺心理戏多
人物少（2~4 个主要角色）	群像、大量路人、复杂打斗
场景集中（室内/街角/办公室）	战争、大场面、频繁转场
对话与情绪驱动（霸总、复仇、身份反转）	高难度动作、追逐、特效奇观
台词短、信息密度高	大段独白、书面化长台词

质量门：一句话能说清主线选定本子后，先用一句话写出"谁，在什么处境下，要完成什么，最大的阻碍与反转是什么"。这句话说不清，说明故事主线还不够清晰，后面压缩会很痛苦。

04工序一：把长网文压缩成短剧主线

短剧的观众极没有耐心，剧情越杂，越容易划走。长网文动辄几十万字，压缩的本质不是"缩短"，而是"做减法"：只保留能推动主线的内容。

三个动作：

删支线

：删掉与主线无关的副线、配角剧情、环境闲笔和重复的心理描写。判断标准就一条------删掉它，主线还成不成立？成立就删。
保骨架

：保留"开场钩子---矛盾升级---关键反转---情绪高潮---结尾悬念"的完整链条，保证前后剧情连贯，不能为了短而逻辑断裂。
压台词

：在保留原意的前提下，把书面台词改成口语化的短句。短剧台词要"一听就懂、一口气说完"，长句留给小说。

这一步可以让大模型完成，但要给足约束。下面是可直接复用的压缩提示词模板：

提示词模板 · 剧本压缩

复制代码

你是一名竖屏短剧的金牌编剧。我会给你一段小说原文，请把它改写成适合短视频平台的真人短剧剧情。要求：1. 只保留主线、核心冲突与关键反转，删除所有支线、闲笔、重复心理描写；2. 保证前后剧情连贯，人物动机清晰，不能出现逻辑断裂；3. 台词保留原意，但尽量缩短、口语化，单句不超过 15 个字；4. 开头 3 秒必须有钩子（冲突/悬念/反常）；5. 用纯文字输出，按"场次"组织，每场标明：场景、出场人物、发生了什么、关键台词。【故事原文】（在此粘贴小说章节）

05工序二：分镜工程------把剧本翻译成镜头指令

分镜脚本是整条管线里最关键的中间产物，它决定了"AI 怎么拍、拍什么、节奏怎么走"。分镜不是剧本，它是给视频模型的逐镜头施工单。

5.1 为什么是 15 秒一段、每段 3-6 个镜头

这是由视频生成模型的能力边界决定的。以 Seedance 2.0 为例，单条视频最长约 15 秒。把成片切成"15 秒一段、每段 3-6 个分镜"，既匹配模型上限、提高生成可用率，又方便逐镜控制节奏、单独返工。一段塞太多剧情，会导致画面信息过载、台词被迫加速，观感很差。

换算方法一部约 100 秒的竖屏短剧 ≈ 7 段 × 15 秒，每段 3-6 个镜头，总计约 25-40 个分镜。先把总时长和段数定下来，再逐段填写，避免越写越长。

5.2 每个分镜必须写全的"八要素"

要素	写什么	举例
画面内容	这一镜里发生了什么动作、情绪	女生站在台阶上俯视男生，面无表情
景别	镜头取景的远近	中近景 / 特写
视角	机位相对人物的角度	微仰（拍女生）
运镜	镜头怎么动	固定 / 缓慢推近
角色	出镜的是谁（与设定卡一致）	林归雪 / 白离
场景名称	固定的场景编号/名称	校外街边
台词	这一镜的台词，可留空	"我们分手吧。"
音效	环境声、动效、BGM 情绪	傍晚车流声、钢琴单音

5.3 镜头语言速查表（写分镜时直接查）

景别：决定观众"看多少"

景别	画面范围	典型用途
大远景/远景	人物很小、环境为主	开场交代地点、氛围
全景	人物完整入画	展示全身动作、站位
中景	腰部/膝盖以上	对话、日常动作主力景别
近景	胸部以上	对话表情、拉近关系
特写	面部/肩部以上	情绪爆发、关键台词
大特写	眼睛、手、物件	眼泪、握紧的拳头、信物

视角：决定观众"怎么感受人物"

视角	心理效果
平视	客观、平等、冷静
俯拍	显得人物渺小、弱势、被动
仰拍	显得人物高大、强势、有压迫感
主观视角 POV	让观众代入角色所见
过肩镜头	强调对话双方的关系

运镜：决定节奏与情绪

运镜	动作	情绪效果
固定	机位不动	稳定、冷静、聚焦表演
推（push in）	向人物靠近	强调、压迫、引导注意
拉（pull out）	远离人物	揭示环境、抽离、孤独感
摇（pan）	机位不动左右扫	展示空间、跟随视线
移（truck）	机位平行移动	跟随、平行对话
跟（follow）	跟随主体移动	陪伴感、行进节奏
手持	轻微晃动	纪实、紧张、真实感

⚠ 新手最常见的分镜问题一是景别单一 ，全是中景对话，像念 PPT；二是运镜乱给，每镜都在乱飞。短剧节奏靠"远---近---特"的景别切换制造，情绪高点用特写+推镜，转场用全景/拉镜。建议一段内至少安排一个景别变化。

5.4 先建"制作圣经"，再写分镜

在写分镜前，先把整部剧的固定设定写下来，后面所有环节都引用它，相当于真人剧组的美术、妆造、场记：

角色设定卡（每个角色一份）

年龄、身高、体型、肤色
发型发色、五官特征、神态
上装/下装/鞋/随身道具（写死）
声音音色（如：清冷、低沉）

场景卡 + 声音总纲

场景名、时间、光线、色调
关键道具、环境声
全片配乐情绪走向
开场/结尾的标志性音效

5.5 分镜生成提示词模板（可直接复制）

提示词模板 · 分镜脚本

复制代码

你是一名竖屏短剧导演，请把下面的剧情改成可直接用于 AI 视频生成的分镜脚本。【成片规格】竖屏 9:16，真人写实，电影质感；每段不超过 15 秒，每段 3-6 个分镜。【改编要求】1. 只保留主线、冲突与反转，删除无关情节，保持前后连贯；2. 台词保留原意、尽量缩短，口语化；3. 每个分镜必须包含八要素：画面内容、景别、视角、运镜、角色、场景名称、台词、音效；4. 一段内要有景别变化，情绪点用特写/推镜，转场用全景/拉镜；5. 输出纯文字，不要表格，用"分镜 X-Y（起止时间）"编号，先给总时长与分段。【角色设定】（粘贴角色设定卡）【声音总纲】（粘贴声音总纲）【本段剧情】（粘贴压缩后的剧情）

生成后通读一遍，重点检查：有没有凑时长的废镜头、台词是否塞得下、八要素是否齐全。分镜是可以反复让模型改的，这一步改起来最便宜，等到生成视频再改就很贵了。

06工序三：视觉一致性资产（最核心的技术活）

角色立绘、三视图、场景图是整条管线的"地基"，它们稳定了，后面才不会反复变脸。

视觉一致性是 AI 短剧和"随便玩玩"之间的分水岭。核心思路是：不要让模型在每个镜头里重新想象人物，而是先把人物"定妆"，再让所有镜头都引用这套定妆照。

6.1 为什么要 A-Pose 标准立绘

直接让模型"生成一个男主"，它会自由发挥，常见三种翻车：

问题	后果
背景复杂	主体不突出、画面不干净，参考时带入杂物
姿势奇怪	动作不自然、肢体容易变形，后续生成更不稳
构图不完整	没有下半身、人物不全，无法做全身镜头

解决方案是用一套强约束，生成纯白底、标准 A-Pose、完整全身、居中对称的立绘，给模型一个最干净的"身份锚点"：

提示词模板 · 角色 A-Pose 立绘

复制代码

现代都市写实摄影风格，柔和自然光，电影级胶片质感，皮肤细节真实，色彩清晰自然，8K 超清。一位[年龄/性别]，身高约[身高]，[体型]，[发型发色、五官、神态]；身穿[上装]，内搭[内搭]，下身[下装]，脚穿[鞋子]。纯白色背景，绝对标准的 A-Pose：双肩自然下垂，双臂自然微张呈 A 字形，正视镜头，平视中心镜头，完整全身立绘，从头到脚完整呈现，双脚鞋子完整入镜，画面居中对称构图，绝不裁切脚部。

✔ 立绘合格标准① 纯白背景无杂物；② 人物完整、双脚都在画面内；③ 双臂自然 A 字形、无遮挡；④ 五官和服装与设定卡完全一致；⑤ 同一次生成的角色四张候选里，选定最稳定的一张作为后续唯一基准。

6.2 三视图：解决转身就穿帮

只有正面图，模型并不知道角色背面和侧面长什么样，一旦剧情需要转身、侧脸、背影，发型、服装、配饰就容易"脑补"出错。所以要再做一套三视图：正面、四分之三侧面、背面，外加一张正面胸部以上特写。

角色设定卡外貌/服装/道具文字锁定A-Pose 立绘纯白底/全身居中对称正面 + 特写对话/情绪镜四分之三侧面对话/过肩全身背面转身/背影镜场景空镜图无人物/统一光线图生视频@角色三视图@场景空镜+ 分镜提示词

设定卡 → A-Pose → 三视图/场景图，全部定稿后，被每个镜头反复引用。

做三视图的做法：以选定的标准立绘为参考图 ，让模型在同一张图、同一背景、统一光线、统一比例、统一发型服装姿势的前提下，横向排列"全身正面、四分之三侧面、全身背面、正面胸部以上特写"，画面不要分割，纯白背景、干净白影棚布光、绝对完整全身、绝不裁切脚部。这张三视图就是后续视频里最关键的角色参考。

6.3 场景图：给故事一个固定的世界

场景和角色一样需要统一。为每个场景生成无人物空镜，把时间、光线、色调、关键道具固定下来，避免同一间屋子在不同镜头里"换了装修"。

提示词模板 · 场景空镜（无人物）

复制代码

9:16 竖版，电影质感，无人物空镜。场景：[场景名称，如大学校门外街边]；时间与光线：[如傍晚至入夜、暖黄路灯与冷色天空交织]；关键道具：[如黑色台阶、路边广告牌、车流]；色调：[如冷暖对比、电影青橙调]；8K 超清，细节丰富，写实摄影，画面干净，无任何人物。

⚠ 资产管理建议为每个角色建一个文件夹：角色名/A-Pose.png、三视图.png、特写.png；为每个场景建：场景名/空镜.png。所有镜头只引用这套定稿图，不要中途换脸、换衣服，除非剧情明确需要换装（换装也要单独出新设定图）。

07工序四：图生视频，把分镜变成动态画面

资产和分镜就绪，进入图生视频。这一步以即梦 Seedance 2.0 为例，它采用统一的多模态音视频联合架构，支持文字、图像、音频、视频四种输入，单次最多可参考 9 张图、3 段视频、3 段音频，单条时长 4-15 秒 ，并通过自然语言 @ 来调用你上传的角色、场景、运镜等资产。

7.1 单镜生成的标准动作

上传参考图

：把该镜头角色的三视图、场景空镜作为参考上传；多人同框就把多人三视图都上传。
@ 锁定主体

：提示词里用 @角色名 指定谁出镜，确保模型参考的是正确的人。
写入分镜

：把该分镜的画面内容、景别、视角、运镜、台词、音效完整写入。
生成与筛选

：同一条多生成几版，挑人物最像、动作最顺的；不合格的局部用视频编辑能力定向修改，而不是整条重来。

7.2 单镜提示词怎么写

提示词模板 · 单镜图生视频

复制代码

@角色三视图（女生） @角色三视图（男生） @场景空镜（校外街边）分镜 1-1（0:00-0:02）画面内容：女生站在街边台阶上，居高临下看着男生，面无表情，晚风吹动头发；景别：中近景；视角：微仰（朝向女生）；运镜：固定，极缓慢推近；角色：女生、男生；场景：校外街边；台词：女生（冰冷）："我们分手吧。"音效：傍晚车流环境声，钢琴单音，台词落下后留半拍安静。要求：人物长相、服装严格与参考图一致，9:16，电影质感，自然真实。

7.3 提高生成可用率的要点

要点	说明
一镜一动作	一个镜头只安排一个主动作，复杂动作拆成多镜，减少畸形
动作幅度别太大	大幅度打斗、转身最容易崩，优先用近景/特写规避
参考图宁多勿少	角色三视图 + 场景图都给，多人同框把人都 @ 上
运镜写具体	"缓慢推近"优于"有电影感运镜"，给方向和速度
同镜多抽几条	用数量换质量，再用局部编辑修问题，最省时间
相邻镜头保持连贯	同一场戏复用同一套场景图和光线描述，方便剪辑衔接

原生音频能力Seedance 2.0 支持音视频联合生成，也可上传音频参考（人声、音乐、环境声）。但角色台词的口型、音色稳定性仍建议在后期统一配音处理，尤其多镜头同一角色，用固定 TTS 音色能保证"听感上也是同一个人"。

08工序五：声音与剪辑，完成最后 30% 的质感

画面决定下限，声音和剪辑决定上限。AI 短剧最容易被忽略的恰恰是这一步。

8.1 声音：先有总纲，再分层铺

声音层	做法
台词/配音	全片用固定 TTS 音色，一个角色一个声音；情绪戏可逐句调节语气
环境声	按场景铺底（车流、室内空调、雨声），增强真实感
音效	开门、脚步、耳光等关键动作点，显著提升"真实感"
BGM	按声音总纲控制起伏：前段冷调、反转处强起、结尾留白

8.2 剪辑：节奏、字幕与钩子

按分镜顺序拼接

，段与段之间用景别反差做自然切点，必要时加少量转场。
台词压短、卡点

：一句话配一个镜头，台词说完即切，别留空镜拖延。
字幕统一样式

：字号、位置、描边全片一致，关键句可加色强调。
前 3 秒钩子

：把最冲突的画面或台词前置（或用悬念冷开场），决定完播率。
结尾留扣

：反转、疑问或"下集更狠"的悬念，引导关注和追更。

✔ 成片自检静音看一遍：画面是否讲得清、人物是否始终一致；再闭眼听一遍：声音是否连贯、情绪对不对；最后正常播放，检查音画是否同步、字幕有无错别字。三遍都过，再发布。

09质量门：AI 短剧翻车排查表

翻车现象	根因	解决
变脸、长相漂移	参考图不统一/每镜重新想象	固定 A-Pose + 三视图，所有镜头 @ 同一套图
服装、发型变化	设定未锁死、描述不一致	角色卡写死服装发型，逐镜复用，不随意改词
转身/背影穿帮	缺侧面、背面参考	补三视图，背影镜头直接 @ 背面图
多指、肢体畸形	动作复杂、姿态扭转过大	拆小动作、降幅度、用近景规避，多抽几条
没有下半身、切脚	立绘构图不完整	A-Pose 完整全身、双脚入镜、居中对称
同一场景换了装修	没有场景空镜参考	每个场景出固定空镜并 @，统一光线色调
镜头乱、像念 PPT	分镜缺运镜/景别单一	八要素写全，段内安排景别变化
台词太快、画面乱	一段塞太多剧情	15 秒一段、每段 3-6 镜，台词压短
同一角色声音忽变	每镜换配音	固定 TTS 音色，后期统一配
画面和声音对不上	未做卡点	按台词/动作点剪辑，关键动效对齐
侵权风险	用了未授权小说/音乐	走官方授权书库，BGM 用可商用素材

10五天上手 SOP 与工具链清单

五天跑通第一条短剧（每天一个工位）

Day 1 选本 + 拉主线：在授权渠道选定本子，写出一句话主线，用大模型完成剧本压缩，确认删减后剧情连贯。

Day 2 写分镜 + 定圣经：确定总时长与分段，产出完整分镜脚本（八要素齐全），同步完成角色卡、场景卡、声音总纲。

Day 3 做视觉资产：生成每个角色的 A-Pose 立绘、三视图，以及每个场景的空镜图，按角色/场景归档。

Day 4 逐镜生成视频：按分镜逐镜图生视频，多抽几条、局部编辑，确保人物一致、动作自然。

Day 5 配音 + 剪辑 + 质检：统一配音、铺音效与 BGM，剪辑卡点、加字幕、做封面，按三遍自检后发布。

工具链清单（按工位选，不限定唯一选择）

工位	工具类型 / 代表	用途
选本/版权	番茄小说、番茄版权商城、番茄达人中心、红果短剧	获取可改编/可分销本子
剧本/分镜	DeepSeek、豆包、Kimi 等大语言模型	剧情压缩、分镜脚本、提示词
角色/场景图	即梦 Seedream 等图像生成	A-Pose 立绘、三视图、场景空镜
图生视频	即梦 Seedance 2.0、可灵、Runway 等	多图参考、图生视频、局部编辑
配音	豆包/剪映等 TTS 配音	固定音色、情绪台词
剪辑	剪映 / CapCut 等	拼接、字幕、音效、卡点、封面

先跑通一条最小管线（2 个角色、2 个场景、30 秒短片），把每一步都亲手走一遍，再追求长篇和复杂镜头。工具会一直更新，但"主线---分镜---一致性资产---逐镜生成---声音剪辑"这条管线，以及它背后的质量门，是不会变的底层能力。

竖屏短剧主要发布在抖音、快手、视频号、红果等短剧与短视频平台。走授权分销可参与作品分成，原创 IP 可积累账号后通过广告、付费短剧、版权授权等方式变现。无论哪种，合规授权和稳定更新都是前提。

AI 降低的是制作门槛，不是创作门槛

把一部短剧交给 AI，你依然要完成编剧的取舍、导演的镜头设计、美术的角色设定、剪辑的节奏控制。模型负责"生成"，而你负责"决策"------删什么、拍什么、人物长什么样、镜头怎么动、情绪在哪里爆发。