AI 短剧生产流程：剧本、分镜、图片、视频、配音怎么串起来

很多人第一次尝试 AI 短剧，会直接从“生成一段视频”开始：写一句剧情，选一个视频模型，等待它吐出 10 秒画面。这个方法可以拿来玩，但很难变成稳定内容生产。因为短剧的核心不是某个镜头好不好看，而是人物、冲突、节奏、镜头、声音和剪辑能不能连续。

我在「万象片场」里更愿意把 AI 短剧看成一条小型影视流水线：先有剧本，再有镜头表，再有角色和场景资产，再把关键帧变成短视频，最后用配音、音效、字幕和剪辑把它们串起来。这样做慢一点，但每一步都能复盘，也更适合长期做原创 IP。

这篇文章先不讨论某个单一工具的按钮，而是拆一套可执行流程：一个人如何从一个短剧想法出发，把剧本、分镜、图片、视频、配音串成一条能重复使用的 AI 影像生产线。

先定目标：AI 短剧不是长片缩小版

短剧尤其适合 AI，是因为它可以把复杂叙事拆成小单元：一个冲突、一个反转、一个情绪点、一个角色动作。对 AI 视频来说，短镜头比长镜头稳定；对个人创作者来说，短剧也比一上来做 10 分钟动画更现实。

我会先把 AI 短剧分成三种目标：

1. 角色测试短剧：验证一个原创角色有没有记忆点，比如性格、表情、口头禅、动作习惯。
2. 世界观切片短剧：展示一个设定，比如未来城市、古文明、童话工厂、怪物办公室。
3. 社交平台钩子短剧：用 15-45 秒讲一个反差故事，适合小红书、短视频和博客文章预告。

这三类短剧的工作重点不同。角色测试要先保一致性；世界观切片要先保氛围；社交钩子要先保开头 3 秒。不要在一个项目里同时追求“角色稳定、剧情完整、画面电影级、口播完美、平台爆款”，那会让流程很快失控。

万象片场目前更适合从角色测试短剧和世界观切片短剧开始，因为它们能沉淀角色资产、场景资产和分镜模板，为后面的 YouTube 频道或原创 IP 系列铺路。

第一步：把想法压缩成一句剧情钩子

短剧剧本的第一步不是写对白，而是写一句能被执行的剧情钩子。格式可以很简单：

一个什么角色，在什么场景里，遇到什么意外，最后发生什么反转。

例如：

• 一个快递纸箱机器人，在废弃仓库里发现自己送错了宇宙级包裹；
• 一个古埃及小书记员，在记录税粮时发现神庙账本被人篡改；
• 一个厨房里的调料罐角色，发现自己每天被误认为糖，其实它是盐。

这一步要避免两个坑。

第一，不要写太宏大的设定。比如“一个少年拯救世界”太大，AI 短剧前期很难承接。更好的写法是“一个少年在第一天上班时，发现办公室电梯通向古代王朝”。

第二，不要写无法视觉化的抽象概念。比如“主角理解了孤独的意义”不好生成；“主角坐在空荡影厅，银幕里出现另一个自己”就更容易转成镜头。

一句剧情钩子写清楚后，后面所有步骤都围绕它展开。它是剧本、分镜、封面、小红书标题和博客复盘的共同源头。

第二步：剧本只写 30-60 秒，不要先写一集

AI 短剧前期最容易犯的错，是一开始就写完整一集。结果剧本很热闹，但到了制作阶段会发现：角色太多、场景太多、动作太复杂、镜头太长，任何一个环节失败都会拖垮整条生产线。

我更建议先写 30-60 秒的微短剧。结构可以用四段式：

1. 开场 0-5 秒：一个反常画面或一句冲突台词；
2. 铺垫 5-15 秒：说明角色在做什么；
3. 升级 15-35 秒：意外出现，角色做出反应；
4. 反转 35-60 秒：给一个笑点、悬念或情绪落点。

例如一个原创 IP 测试短剧可以这样写：

• 开场：纸箱机器人站在门口，包裹里传出心跳声；
• 铺垫：它查看订单，发现地址写着“月球背面 17 号”；
• 升级：包裹自己打开，飞出一张会说话的星图；
• 反转：星图说：“你迟到了三百年。”

这样的剧本不复杂，但足够生成 5-8 个短镜头，也能测试角色、道具、配音和剪辑节奏。如果这一分钟做不稳，就没必要急着写十集大纲。

第三步：把剧本拆成镜头表，而不是直接丢给视频模型

AI 视频模型不擅长理解完整剧本，但它更容易执行单个镜头。因此短剧剧本写完后，必须拆成镜头表。

一个基础镜头表至少包含：

镜头	时长	画面	动作	台词/声音	资产
1	4 秒	门口中景，纸箱机器人抱着包裹	包裹轻微震动	低频心跳声	角色图、包裹图
2	5 秒	订单屏幕特写	地址文字闪烁	无	道具图
3	6 秒	包裹打开，光从缝隙里冒出	角色后退一步	角色喘气	角色图、场景图
4	6 秒	星图漂浮在空中	星图旋转	“你迟到了三百年。”	星图图、配音

镜头表的价值在于，它把“剧情”翻译成“生产任务”。每个镜头都可以独立生成、独立失败、独立重做。这样即使第三个镜头崩了，也不会影响第一个和第二个镜头。

对万象片场来说，镜头表还可以变成长期资产。以后做同类短剧时，可以复用“开场钩子镜头”“道具特写镜头”“角色反应镜头”“反转台词镜头”这些模板，而不是每次从零开始。

第四步：先做角色和场景资产，再生成关键帧

短剧进入视觉阶段后，不要先点视频生成。更稳的顺序是：

1. 角色定妆图；
2. 关键道具图；
3. 主要场景图；
4. 每个镜头的关键帧；
5. 图片到视频。

角色定妆图要尽量简单清楚：正面、半身、主要颜色、标志性道具、表情特征。原创 IP 角色越复杂，视频阶段越容易崩。前期可以先牺牲一点细节，换取更高的一致性。

场景图也不要一开始做得太拥挤。一个短剧测试项目最好先控制在 1-2 个场景内，例如“仓库门口”和“仓库内部”。如果每个镜头都换场景，生成和剪辑成本会迅速上升。

关键帧是连接图片和视频的桥。它不是单纯追求好看，而是要服务镜头表：这个镜头需要中景还是特写？角色在画面左侧还是右侧？道具是否清楚？后面要不要加字幕？有没有给运动留空间？

我现在的判断标准是：如果一张关键帧本身不能让人看懂镜头意图，就不要急着转视频。先修图，后生成，效率反而更高。

第五步：视频生成只负责短动作，不负责完整表演

到了图片转视频阶段，提示词要像导演说明书，而不是情绪形容词堆砌。

不稳定的写法是：

让角色惊恐地发现神秘包裹，电影感，震撼，超高质量。

更可执行的写法是：

保持角色外观、颜色和包裹形状一致。固定中景镜头，包裹轻微震动并发出柔和蓝光，角色向后退半步，头部看向包裹，背景保持稳定，动作自然，不改变角色设计。

AI 短剧里，每个视频片段最好只承担一个动作：

• 转头；
• 后退；
• 抬手；
• 包裹震动；
• 门缝透光；
• 角色眨眼；
• 镜头轻微推进。

如果一个镜头同时要求“角色奔跑、镜头旋转、背景爆炸、道具飞出、表情变化、衣服飘动”，失败概率会非常高。短剧的节奏可以靠剪辑完成，不必让每个 AI 片段都承担全部戏剧动作。

这也是我对 AI 视频的基本定位：它不是整段表演生成器，而是短镜头素材生成器。真正的导演工作，仍然在镜头设计和剪辑里。

第六步：配音、音效和字幕要提前规划

很多 AI 短剧看起来“不像作品”，不是因为画面差，而是因为声音和字幕没有设计。声音是短剧连续性的胶水。画面之间略有不稳定时，统一的旁白、角色声音、环境音和音乐，可以显著提高观看连贯性。

我会把声音分成四层：

1. 角色台词：短句、口头禅、反应声；
2. 旁白：解释背景或制造悬念；
3. 音效：脚步、门响、风声、机械声、魔法声；
4. 音乐：控制整体情绪，不要盖过台词。

在剧本阶段就要标注哪些镜头有台词，哪些镜头只需要音效。否则到了剪辑时才补声音，常常会出现节奏不匹配：嘴型不需要强求完全同步，但情绪、停顿和字幕节奏必须对上。

字幕也不要只是“把台词贴上去”。短剧字幕要服务手机观看：短、清楚、有停顿。尤其是社交平台切片，很多人是静音浏览，字幕本身就是剧情的一部分。

第七步：剪辑时按“可用片段”组织，不按“生成顺序”组织

AI 生成的视频经常不是整条可用。一个 6 秒片段里，可能前 2 秒稳定，后 4 秒角色变形；也可能中间 1 秒动作最好。剪辑时不要迷信生成顺序，而要按可用片段重组。

我会建立一个简单素材标记规则：

• A：可直接使用；
• B：需要裁切或遮挡后可用；
• C：只适合作为参考或废片复盘；
• R：需要重做。

每个镜头生成 3-5 条候选片段后，先粗选，再剪一个 20-60 秒版本。不要等所有镜头完美才开始剪。因为只有放进时间线，才知道节奏是否成立、台词是否过长、镜头是否需要补拍。

真正的短剧生产不是“生成完再剪”，而是“生成、剪辑、发现问题、补镜头”。这和真人拍摄很像，只是 AI 把摄影棚变成了提示词、关键帧和模型队列。

一个最小可执行 SOP

如果明天要在万象片场里做第一条 AI 短剧测试，我会按这个顺序执行：

1. 写一句剧情钩子；
2. 写 30-60 秒四段式剧本；
3. 拆 5-8 个镜头；
4. 做 1 个主角定妆图、1 个主场景图、1-2 个关键道具图；
5. 为每个镜头生成关键帧；
6. 每个关键帧转 3 条短视频候选；
7. 选出 A/B 级片段进剪辑；
8. 加角色配音、音效、音乐和字幕；
9. 输出一个短剧版本；
10. 记录失败镜头、成功提示词和下次要复用的模板。

这个 SOP 的重点不是一次做出爆款，而是建立可重复流程。只要流程稳定，后面就可以逐步增加角色、场景、集数和平台分发。

最容易踩的 6 个坑

第一，剧本太大。一个人刚开始做 AI 短剧，不要写多角色、多场景、大战斗。先做一个角色、一个空间、一个反转。

第二，角色资产不统一。今天的主角是圆脸，明天变成长脸，观众很难建立记忆点。原创 IP 前期必须优先保角色一致性。

第三，镜头动作太满。AI 视频更适合短动作，复杂表演要拆镜头。

第四，文字直接进生成图。海报文字、品牌名、字幕最好后期加，不要指望图片或视频模型稳定生成文字。

第五，没有声音设计。没有配音、音效和字幕的 AI 短剧，很容易像素材拼贴，不像作品。

第六，不做复盘。每次生成完只看成败，不记录提示词、参数、关键帧和失败原因，就无法形成生产线。

下一步：把短剧流程沉淀成原创 IP 资产

AI 短剧真正有价值的地方，不只是发布一条视频，而是把每次制作沉淀成可复用资产：角色设定、场景库、镜头模板、配音风格、字幕样式、失败清单和分发脚本。

这也是「万象片场」接下来要持续记录的方向：不是炫耀某个模型生成了多漂亮的片段，而是把一个人做 AI 影像项目的幕后流程拆开，让每一步都能被复用、改进和资产化。

下一步，我会继续把这套流程往原创 IP 方向推进：从角色设定到透明 PNG 资产，再到角色表情、动作和短剧镜头库。只有当角色资产稳定下来，AI 短剧才可能从一次性实验，变成真正可连续生产的内容系列。