先说点实在的。AI短剧这四个字今年在内容圈已经不算新鲜了。打开各平台刷到的竖屏小剧场很多已经不是传统剧组实拍而是一个人用AI工具从故事梗概一路做到可送审的成片。我自己从去年年底开始折腾这套东西踩了大大小小无数个坑中间一度因为角色脸连续崩坏、镜头闪得像鬼片差点把键盘砸了。但现在这套六步工作流算是稳定跑通了从一句话梗概到一集能拿去审片的竖屏短剧单人操作大约三到五天产出质量能达到短剧平台的中等偏上水平。这套工作流解决的核心问题只有一个让一个不懂编剧、不懂传统影视工业流程、也没有剧组资源的人也能独立完成一部短剧的完整生产。它的输入是一段几百字甚至几句话的故事梗概输出是可以直接提交给审片方的竖屏成片。适合谁短视频编导、网文作者想把自己的故事影视化、MCN机构里负责批量内容制作的小团队以及所有想低成本试水短剧赛道的个人创作者。我接下来会把整条链路完整拆开每一步用什么工具、怎么写提示词、参数怎么调、会踩什么坑都按实操记录的方式写清楚。想直接照抄的可以复制提示词模板想弄懂原理的我也会把每个关键选择的逻辑讲明白。1. 先看懂这套工作流的全貌1.1 为什么一个人也能做短剧放在五年前做一部短剧需要编剧、导演、摄影、灯光、美术、演员、后期少说也是十个人的班子。但现在AI把其中绝大多数环节都吞掉了。大模型负责扩写剧本和拆解场次图像模型负责生成角色定妆照和场景概念图视频模型负责把静态图变成动态画面TTS负责配音剪辑软件负责把素材拼成成片。本质上你是在用一套工作流替代一个剧组。但这里有一个容易被忽略的事实AI只是把每个环节的体力成本降低了并没有把决策成本抹掉。你依然需要决定故事怎么推进、角色长什么样、镜头怎么组接、节奏怎么控制。换句话说AI短剧的真正门槛不是工具而是你有没有一套稳定的流程把创意到成品之间的每一步都串起来。这就是工作流的价值。1.2 六步工作流整体架构是什么样的我跑通的这套链路分为六步分别是第一步故事梗概到剧本拆解产出剧本、场次表、角色表第二步角色与场景视觉设定锁定一致性第三步分镜设计与提示词工程把剧本翻译成画面指令第四步批量生成视频素材第五步配音配乐与剪辑合成第六步审片迭代与成片输出这六步的先后顺序不是随便拍的。前两步在解决讲什么故事、长什么样的问题中间两步在解决画面怎么来的问题最后两步在解决怎么变成能看的片子的问题。每前进一步决策成本都在上升——生成一段视频可能只需要几十秒但重新设计角色再生成一批视频可能就是几个小时。所以前期的规划越细后期的返工越少。1.3 工具选型够用就好别陷入配置陷阱关于工具我见过太多人卡在选型这一步。今天听说A工具效果好明天听说B工具免费后天又想折腾本地部署结果一周过去一条素材都没生成。我个人的建议是视频生成端优先用国内可以直接访问的即梦、可灵这类工具效果好、上手快如果追求更高可控性和批量处理能力再去接触ComfyUI这类节点式工作流工具。文本端用ChatGPT、Claude或者国内的豆包、Kimi都行关键是提示词要写清楚。后期剪辑直接用剪映或CapCut就足够不需要上专业非编软件。提示工具切换的成本远比想象中高。最稳妥的思路是先把一条完整流程跑通再逐个环节优化工具。2. 六步工作流第一步从故事梗概到剧本拆解2.1 让大模型帮你扩写剧本的提示词底稿短剧的剧本和传统影视剧本有个明显区别节奏极其紧凑。传统剧本可以用三集铺垫短剧前三秒没有冲突观众就划走了。所以让AI扩写剧本时你不能只说一句帮我写个复仇故事那样产出的是流水账。我常用的一套提示词底稿是这样的你是一位短剧编剧擅长写每分钟一个反转的快节奏剧本。 请根据以下故事梗概扩写成【目标集数】集剧本大纲。 每集要求 1. 开头前3秒必须有冲突或悬念 2. 每集至少有一个情绪爆点 3. 每集结尾留钩子 4. 台词口语化单句不超过20字 5. 标注场景名称、内外景、时间、出场人物。 故事梗概XXXXXX这套提示词的关键在于前3秒冲突和结尾钩子这两个约束。前3秒冲突解决的是完播率结尾钩子解决的是追剧率。实际生成后你会发现AI给的大纲通常能直接用但偶尔会有逻辑bug比如人物动机断裂、时间线错乱需要人工快速过一遍修复。2.2 剧本拆解的产物场次表、角色表、镜头清单剧本大纲定稿后下一步是拆解。拆解不是简单把剧本分段而是要产出三张表场次表、角色表、镜头清单。场次表记录每一场戏的场景、内外景、时间、人物、剧情任务。这是后面生成场景图、分镜提示词的基础。角色表记录每个角色的姓名、外貌特征、服装、性格、台词风格、年龄。这段信息后面要浓缩成角色提示词。镜头清单则是在场次表基础上把每场戏拆成一个个具体的镜头标明景别、运镜方式、画面内容、时长。这三张表的价值在于把不可控的生成过程变成可对照执行的生产任务。我见过很多新手跳过这一步直接拿着剧本来生成视频结果生成到第八个镜头时忘了女主角穿的什么衣服画面完全对不上。拆解这一步看起来枯燥但它决定了整个项目的上限。2.3 实操案例一句梗概扩成三集剧本举个例子输入一句梗概苏晚晴被丈夫和闺蜜联手害死重生回五年前一步步复仇夺回公司。我把这句梗概丢给大模型加上上面的提示词输出三集大纲大概是这个样子第一集苏晚晴从医院醒来发现重生回到五年前正握着手机看到丈夫与闺蜜的暧昧消息。愤怒之下她决定先保住父亲的股份。结尾钩子是闺蜜发来一条合作邀请。第二集苏晚晴在董事会上用一份旧账目反击稳住地位。丈夫开始察觉她的变化试探她。结尾钩子是神秘人出现提出要帮她对付丈夫。第三集苏晚晴查账发现更大的阴谋幕后黑手浮出水面。丈夫与闺蜜当面对质女主忍痛与丈夫摊牌。结尾钩子是遗嘱的秘密。得到大纲后我再让AI逐集拆成场次。比如第一集拆五场戏医院醒来、翻手机、医院走廊打电话、董事会交锋、咖啡厅对峙。然后每场戏写2到3个镜头这里就够生成用了。3. 六步工作流第二步锁定角色和场景的视觉一致性3.1 角色卡到底要写什么短剧制作里最让人崩溃的问题就是角色五官漂移。上一集女主是瓜子脸下一集变成方脸审片一看到这种画面直接打回。要解决这个问题第一步就是把角色卡写到位。角色卡不是简单写漂亮、长发这种形容词。我建议包含以下字段字段示例脸型与五官鹅蛋脸大眼睛高鼻梁薄唇发型与颜色黑色长直发刘海服装风格剪裁利落的深色风衣内搭白衬衫身形特征身高168cm身形偏瘦年龄感28岁左右参考描述像都市职场剧中的女高管注意这里所有的描述都要为后续AI生成服务。你写鹅蛋脸、高鼻梁比写气质很好有用得多因为前者是可被模型理解的视觉语言后者是模糊的主观判断。同样的方法也用在男主角、女配、男配身上。一部短剧一般不超过五个人物每个人都建一张卡项目中期开始你就知道这个工作值多少钱了。3.2 保持画面一致的三种方法角色卡做好后真正让画面保持一致目前业界有三种主流做法。第一种是固定参考图选定一张角色定妆图后续所有镜头都基于这张图用图生视频或图生图的方式生成。优点是简单快捷缺点是人物的动作、角度一旦大改脸部容易崩。第二种是训练LoRA模型拿20到30张同一角色的图片训练一个轻量模型生成任意场景时挂载这个LoRA就能稳定输出同一个人的脸。优点是一致性最强缺点是需要电脑有一定性能、需要学习训练流程而且前期素材准备比较费时间。第三种是精确提示词加种子值复用在支持种子参数的生成工具里锁定随机种子配合详细的提示词也能达到一定的一致效果。这个方法适合低成本快速试错。新手我的建议是从第一种开始跑通整条流程后再根据痛点决定要不要上LoRA。别一上来就训练模型那是典型的把时间浪费在工具钻研上。3.3 场景库和道具库减少重复生成的痛苦除了角色场景也是需要提前锁定的。女主家、办公室、咖啡厅、董事会会议室每个主要场景都要生成一张干净的空镜作为基底。后续生成人物镜头时把空镜图作为背景参考或者用图生图的方式把人物放进场景里会大大降低前景和背景的违和感。道具库方面重点锁那些有剧情关键意义的物品比如一封遗书、一枚婚戒、一份股权文件。这些道具在多个镜头里反复出现如果每次生成都不一样观众一眼就能看出假。我的做法是单独为关键道具生成一张特写定妆图后面涉及道具的镜头都从这张图衍生。4. 六步工作流第三步用提示词把剧本翻译成镜头4.1 分镜脚本的基本单位是镜头到了第三步你手上已经有剧本、场次表、角色表接下来要做的就是把每个场次进一步拆成分镜脚本。一个镜头就是一个画面单位对应AI生成的一段视频。短剧一集大约2到3分钟按每段素材3到5秒计算一集大概需要30到50个镜头。分镜脚本不需要写得像专业导演那样复杂但你至少要清楚这个镜头里有什么人、在干什么、景别是什么、镜头怎么运动。我见过有人直接拿剧本句子去生成视频比如女主愤怒地走出办公室AI确实能生成但生成出来的往往是中景固定镜头既不贴近角色也没有情绪冲击力。这就是分镜的意义它把一段文字变成一组具体的视觉指令。4.2 高复用提示词模板经过反复测试我总结出一套短剧分镜提示词的通用结构分为六个要素主体描述 动作状态 环境场景 光线氛围 镜头语言 画质修饰举个例子一个女主角在办公室发现阴谋的分镜提示词是这样写的年轻中国女性黑色长发穿深色风衣站在宽敞的现代办公室落地窗前低头看着手中的文件眉头紧锁表情从震惊转为愤怒午后的自然光从窗外洒入逆光轮廓中景镜头缓慢推近电影级画质细节丰富浅景深胶片质感把这六个要素写全比单独扔几个形容词靠谱得多。尤其要注意动作状态和镜头语言很多AI模型对动作描述理解有限你需要用直白的动词比如走出推门抬头而不是心事重重地走进来。4.3 运镜和光影怎么写成提示词运镜是短剧画面质感的重要来源。AI视频模型目前能理解的运镜方式已经不少比如推近、拉远、左移、右移、上升、环绕。但在提示词里我建议一次只写一种运镜写多了模型往往只执行第一个或直接忽略。比如你想做一个从近景拉到全景的镜头就写镜头由近至远拉远不要同时写拉远的同时逆时针环绕。光影方面短剧常用的是逆光、侧逆光、冷暖对比光。提示词里可以用逆光剪影暖黄色台灯光线冷蓝色调这类直观描述。记得不要过度堆砌光影词否则模型很容易把画面糊成一团黑。注意AI生成视频对文字量有一定的无感冗余现象提示词太长时模型会选择性忽略后半段。关键动作尽量放在提示词前半段。5. 六步工作流第四步批量生成视频素材5.1 文生视频和图生视频怎么选现在主流AI视频工具基本都支持文生视频和图生视频两种模式。短剧生产里我80%的镜头用的是图生视频。原因是短剧对人物一致性要求高直接从文字生成视频角色脸根本控制不住。先有定妆图或场景图再把图丢进去配上一段运动提示词生成出来的画面对齐度要高很多。具体来说图生视频里又分首帧图和首尾帧图。首帧图只给出起始画面后续画面由AI自由发挥首尾帧图同时给出起始和结束画面AI补中间过程。短剧对话场景我建议用首尾帧这样可以控制对话两端的情绪状态动作场景用首帧就行保留更多运动自由度。5.2 关键参数怎么调才算对不同工具参数名称略有差异但核心参数是相通的参数建议值说明分辨率1080x1920竖屏短剧平台强制竖屏单段时长3到5秒超过5秒动作容易失控运动幅度低到中幅度大容易变形帧率24到30fps够用且生成速度快种子值固定复用需要重生成时保持画面一致分辨率这一点特别提醒很多工具默认生成横屏短剧必须手动改成竖屏。时长方面短剧的剪辑节奏本来就是快切为主3到5秒一段完全够用强行要求AI生成长镜头是大忌。5.3 素材管理别等到剪辑时才后悔批量生成之后素材管理是新手最容易忽视的一环。三四十个镜头每个镜头可能要生成5到10条素材才能选出一条满意的也就是说一集短剧最终可能积压两三百条素材。如果不做命名规范等到剪辑的时候看着一堆成片1成片2的视频文件你会直接崩溃。我的命名规范是集数_场次_镜头序号_并选取质量标记。比如E01_S03_L02_v4_选表示第一集第三场第二个镜头的第4版素材标记为选用的版本。另外我还会在剪辑软件里先按场次序号排好素材再动刀这样找起来快很多。6. 六步工作流第五步配音、配乐与剪辑合成6.1 AI配音不只是选个声音那么简单短剧的配音语气比音色更重要。现在AI配音工具基本都能做到高仿真人音色但我发现很多新手配出来的对白听起来很平原因是只选了音色没有设置情感。我的建议是两步走先根据角色卡的性格和情绪基线选一个基础音色再在每一段对白生成时用激动低沉哽咽冷漠这类情感标签去约束语气。另一个容易被忽略的是语速。短剧节奏普遍偏快日常对话的配音语速建议设置在每分钟220到260字之间比新闻播报略快。情绪爆发的场景可以更快或更慢但慢的时候要配合背景音乐的留白不然观众会觉得拖沓。音画同步问题我单独提一句有口型的近景镜头要做好人声错位校准差两帧以内的误差不大超过三帧观众就会觉得嘴型对不上。6.2 配乐与音效决定短剧的质感短剧的配乐不需要复杂但一定要准。常用的配置是铺底情绪音乐加关键音效。情绪音乐可以按场次情绪选择紧张场景用低频悬疑音色重逢场景用钢琴或弦乐对峙场景用鼓点。关键音效则包括脚步声、开门声、玻璃碎裂声、心跳声。这些音效素材在剪映的素材库里有不少直接搜就行。音效的起落要和画面动作对齐比如推门这个动作画面上手碰到门把那一帧就要出现门锁转动声而不是等门开了才响。这种细节短期内看不出差距但整集拼下来音画同步度高的片子会莫名让人觉得专业这就是审片时所说的质感。6.3 剪辑合成实操要点素材导入剪映后我会按三遍过的方式来剪。第一遍按分镜脚本的顺序做粗排只做画面拼接不管节奏第二遍根据配好的对白重新调节每段素材的入出点保证口型和动作接上第三遍加转场、字幕、调色和音量包络。转场方面短剧里尽量少用花哨转场。硬切是主流时间跳跃可以用叠化或闪白情绪反转可以用瞬间黑场。字幕建议用系统自带的默认样式加描边字号不要太小放在画面下方三分之一处因为平台UI会遮挡底部区域。导出时记得关闭美颜滤镜类设置AI素材本身已经很干净再叠滤镜反而容易出塑料感。小心AI生成的人物手部经常出现六根手指或手指扭曲。粗剪时碰到这种画面要果断换备用素材别指望后期能修。目前修手指的插件效果都很有限换一条重生成的速度更快。7. 六步工作流第六步审片迭代与成片输出7.1 审片到底审什么如果你自己就是审片人这个环节看起来有点多余。但短剧通常要交给平台方、合作方或甲方审所以你得提前建立一个审片检查清单。我自己的清单包含四类画质类、一致性类、音画类、内容类。画质类检查有没有马赛克、AI水印、画面撕裂一致性检查角色脸是否偏移、服装场景是否穿帮音画类检查台词是否同步、音乐音量是否盖过人声内容类检查字幕错别字、台词逻辑、节奏是否拖沓。建立一个检查表每集送审前按表逐项打勾能省下很多来回修改的时间。7.2 快速迭代修改的套路审片意见回来以后最大的忌讳是直接从中间环节开始改。比如甲方说第三场情绪不够你直接跑去重新生成第三场的视频结果生成出来角色脸变了又要回头改角色设定白忙一场。我的做法是先定位问题层级再决定改哪一步。如果问题是剧情逻辑回到剧本和场次表改改完重排所有受影响的镜头如果问题是角色形象回到角色卡和定妆图改改完所有该角色的镜头都要重新生成如果问题只是某条素材的质量比如画面抖动、表情僵硬那只需要重新生成这一个镜头的备用素材。这个顺序一旦搞反效率会断崖式下降。7.3 输出参数和交付清单成片输出格式目前短剧平台基本统一要求竖屏9比161080x1920MP4封装H.264编码。帧率24到30fps码率建议不低于8Mbps。时长方面单集控制在1到3分钟。音频用AAC编码人声音量尽量控制在-6dB左右音乐不超过-20dB这样在手机外放和戴耳机场景下听感都比较稳。交付时除了成片我一般还会附带一版无字幕版、一份分集简介和一张封面图。这几个文件在平台上传、过审、推荐阶段都用得上。如果你要提交给甲方建议再附一份制作说明写清楚每集使用的AI生成工具和修改记录方便对方在审片时了解周期。8. 常见问题与排查技巧实录8.1 角色脸崩了怎么办角色脸崩是AI短剧里最普遍的翻车现场。生成出来的画面里人物五官歪斜、左右眼不对称、脸型突变每次遇到这种问题我都先看严重程度。如果是轻微扭曲可以试着重新生成同种子或者在提示词里加一个面部特写限制如果是整体不一致就要回到参考图检查参考图本身是不是足够清晰、角度是不是太单一。参考图最好是正面或四分之三侧面、光线均匀、脸部无遮挡。另外尽可能在同一天、用同一批参数生成同一角色的所有镜头因为AI模型版本或工具算法一旦变化脸部特征也会偏移。8.2 画面闪烁和动作穿帮怎么处理画面闪烁在AI视频里太常见了特别是生成时间较长、场景里有大量细节纹理时。闪烁本质上是模型在几帧之间没有形成稳定的时空连续所以处理思路就是降低生成难度。一是降低运动幅度把快跑改成快步走二是固定首帧图让起始画面稳定三是适当增加帧数让同一动作分到更多帧里减轻突变感。服装穿帮和道具穿帮则只能靠前期的定妆图、道具图去锁死生成后还要人工检查一遍关键物件没有捷径。8.3 ComfyUI等本地工作流报错排查如果你开始用ComfyUI这类节点式工作流工具大概率会遇到一个经典报错请安装缺失的包以使用此工作流。要安装缺失的节点请先在你的Python环境中运行安装命令。这类提示的本质是工作流JSON文件里引用了当前环境没有安装的自定义节点。解决办法就是根据报错提示逐个安装缺失节点或者直接把工作流中的缺失节点删掉重连替代节点。报错排查的顺序我总结为三步先看控制台日志里标红的第一个error不要被后续一连串warning带偏然后检查自定义节点是否装到了正确的目录最后确认Python版本和依赖库版本是否兼容。本地工作流最大的优势是可批处理、可复现但前提是你的运行环境得稳定我建议每次大版本更新后先跑一遍旧工作流做回归测试别等到批量生成时才发现兼容问题。这套流程跑到今天我最大的体会是AI短剧制作本质上不是在考验AI而是在考验你对自己的项目有没有完整的掌控力。六步工作流里最废时间的往往不是生成素材本身而是反复修改角色设定和镜头设计。所以我也养成了一个习惯——每次开工前先花30分钟把结局和关键转折想清楚再让AI去执行。这个习惯帮我省下的返工时间远比任何提示词技巧都值钱。最后再分享一个小技巧每一集成片导出后我会把当时的剧本、角色卡、关键提示词和参数都归档到一个文件夹里。别小看这个动作短剧做到第二部、第三部的时候这套归档就是你的素材库和经验库新项目直接从里面调模板改效率能提升好几倍。