本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。
快速摘要
百度智能云推出的 Hogee AI，是目前国内少有的、真正打通"剧本—分镜—制作—运营—变现"全链路的 AI 短剧创作平台。它的核心支撑是一套叫做 OpenClaw 的数字员工体系，用不同职能的 AI 智能体替代传统短剧团队里的部分专业岗位，把原本需要十几人协作、耗时数月的制作流程，压缩为一个人或几人小组通过对话式交互即可驱动的极简模式。
从已公开的数据来看，借助这类 AI 工具，短剧制作成本相比传统真人剧可以降低 70%～95%，3 到 12 人的小团队、预算控制在 10 万元以内，也能做出播放量破亿的短剧内容。
Hogee AI 目前处于网页端内测阶段，APP 版本即将上线，定价从 89 元/月起步，企业版本需单独询价。
想看完整拆解，往下翻。
一、AI 短剧赛道的现状与真实痛点
短剧这个赛道，已经热了好几年了。从早期的竖屏微短剧在抖音、快手上悄悄冒头，到后来各大平台争相入局、MCN 机构批量扶持、资本涌入，这个品类用极短的时间完成了从小众内容形态到主流内容品类的跨越。
如果要用一个词概括短剧这几年的发展轨迹，"野蛮生长"大概是最贴切的。2022 年之前，竖屏短剧在大多数人眼里还是一种不入流的内容形式，粗糙的布景、套路化的剧情、夸张的表演风格，被很多人嗤之以鼻。但用户的偏好是最诚实的——播放量、完播率、付费转化，一个个数据告诉平台和资本：这个东西有人买单，而且买得还不少。
于是从 2023 年开始，短剧正式进入"规模化爆发"的阶段。各大平台纷纷为短剧开辟独立频道，字节跳动有"番茄短剧"，快手有"快手小剧场"，爱奇艺、优酷、腾讯视频也相继入局。付费短剧的模式跑通之后，更是吸引了大批传统影视公司和新兴团队蜂拥进场。据行业研究机构的数据，2024 年国内短剧市场规模已突破 500 亿元，且仍在保持高速增长。
这个体量已经足够大了，大到不可能被忽视。但问题也随之而来——供给侧的内容泡沫开始积累，同质化内容大量涌现，用户的付费意愿在审美疲劳面前开始趋于理性，平台对内容质量的要求也在水涨船高。在这个背景下，单纯靠堆人力和压缩制作周期来拼产量的打法，边际效益越来越低。
AI 的介入，正是在这个时间节点上找到了它的价值锚点——不是为了颠覆创作，而是为了让创作者用更低的成本生产出更多可以被市场检验的内容。
不过，如果你真的在短剧行业摸爬滚打过，就会知道这条路并没有外界想象的那么容易走。
传统短剧制作的门槛，主要卡在三个地方。
第一是人力成本。一部稍微像样的短剧，至少要配编剧、导演、摄影、剪辑、配音、后期调色这一套班底，哪怕请兼职、压低预算，20 万以下做出来的成品质量往往很难打。而且团队协作的沟通成本极高，编剧改一稿，分镜得重新对，分镜改了，拍摄计划得跟着调整，一部剧从立项到完成，短则一两个月，长则半年。
第二是内容同质化严重。大量制作团队为了降风险，反复套用同一批爽点公式——霸总、穿越、复仇、赘婿——观众早就审美疲劳了，但新的故事又缺乏低成本验证的渠道，所以绝大多数团队不敢冒险做差异化内容。
第三是数据驱动能力弱。很多短剧团队还在用经验判断选题，对平台算法、用户画像、内容趋势的把握高度依赖个人直觉，缺乏系统性的数据分析工具支撑决策。
AI 工具的介入，最初只是在局部环节打补丁：用文生图生成概念图、用 AI 配音省掉录音棚费用、用 AI 剪辑工具提高粗剪效率。但这些点状工具有一个共同的问题——它们解决的是单个工序的效率问题，而不是整个生产链路的系统性问题。创作者用了 AI 配音，发现剧本还是得人工写；用了 AI 生成场景图，发现分镜稿还是要手动排；到了内容运营阶段，海报、短视频素材、数据复盘又是另一套工具。工具之间完全割裂，协作成本反而上去了。
更深层的问题是，工具的碎片化实际上提高了创作门槛，而不是降低了它。你要熟悉五六个不同工具的使用方法，要在它们之间来回搬运文件，要在每个工具里单独维护上下文信息。这对本来就没有多少精力的小团队来说，学习成本和管理成本加在一起，很多时候反而没有比以前省多少事。
这就是为什么"全链路平台"这个概念在这个时间节点出现，有它的必然性——市场已经完成了对 AI 工具的初步教育，用户知道 AI 能做什么，但正在被工具分散化的使用体验消耗耐心。一个能把这些能力统一整合的平台，正好踩在了需求积累的时间节点上。
这就是 Hogee AI 试图解决的核心问题——不是在某一个环节上卷参数，而是打通整条链路，让创作者从第一个剧本创意，一路跑通到内容上线和商业推广。
我自己在跟踪 AI 影视工具这个方向的时候，观察到的规律是：做工具的产品越来越多，但做"平台"的产品极少。前者帮你干活，后者帮你组织整个工作流。Hogee AI 显然是在做后者的事情，这也是它值得专门写一篇文章拆解的原因。
二、Hogee AI 是什么：产品定位与底层逻辑
简单来说，Hogee AI 是百度智能云团队开发的一款 AI 短剧全链路创作平台，底层依托百度自研的 OpenClaw 数字员工体系构建，目标用户是短剧创作者、小型制片团队以及 MCN 机构。
在聊它的具体功能之前，我觉得有必要先解释一个背景：为什么是百度来做这件事？
百度在 AI 领域的布局起步并不晚。从文心大模型的持续迭代，到百度智能云的 AI 能力封装输出，百度一直在寻找大模型能力落地的具体场景。相比通用对话类产品，垂直行业工具的商业化路径更清晰——用户愿意为解决具体问题付费，而不只是体验 AI 的"会聊天"这个属性。
短剧创作这个方向，对百度来说有几个天然的优势：第一，百度长期积累的内容理解能力（搜索数据、用户偏好数据）可以直接为选题情报模块提供养分；第二，百度智能云的 AI 基础设施（文本生成、图像生成、语音合成）恰好覆盖了短剧创作全链路的核心技术需求；第三，短剧的内容体量小、迭代快，非常适合 AI 介入——相比两小时的院线电影，一集几分钟的短剧对 AI 一致性的要求要低得多，更容易跑出可用的结果。
"全链路"这三个字是它的核心卖点，也是它区别于市面上大多数 AI 内容工具的关键。它试图覆盖的范围是：剧本创作 → 分镜规划 → 内容制作 → 营销素材生成 → 社媒运营 → 数据分析与私域管理，每个环节都有对应的 AI 智能体（也就是数字员工）负责驱动。
这里要解释一下 OpenClaw 是什么。OpenClaw 是百度智能云推出的一套数字员工框架体系，可以理解为：把大语言模型的能力，封装成一个个有具体职能分工的 AI 角色，每个角色专注于特定领域的任务，能够理解上下文、保持对话连贯性、执行复杂指令。和普通 AI 对话工具最大的不同在于，OpenClaw 数字员工具备更强的任务规划能力，能把一个复杂的创作需求拆解成多个子任务，按序推进，而不是每次对话都从零开始。
莫潇羽我自己的理解是，OpenClaw 这套东西，本质上是在用"岗位化"的思维来组织 AI 能力。传统影视团队里，你会给每个岗位写岗位说明书，规定他们的职责范围、工作输出、协作边界。OpenClaw 数字员工做的是类似的事情，只不过执行的是 AI，输出的是文字、图像、数据报告等数字内容，而非人力劳动。
这个设计思路的好处是清晰、可扩展：当你的创作需求从"写剧本"延伸到"做推广"，你只需要切换到对应职能的数字员工，上下文的积累和创作资产可以在整个平台内流转，不需要在不同工具之间重复录入信息。
产品目前处于网页端内测阶段，APP 版本即将上线。从产品形态来看，它走的是 SaaS 订阅模式，按月付费使用不同档位的功能套餐。
三、OpenClaw 数字员工矩阵全拆解
这一节是 Hogee AI 的核心部分，也是最值得仔细看的地方。平台目前已经展示的数字员工角色包括以下几类，我逐一拆解它们的定位和实际用途。
3.1 通用个人助理
这是整个平台的"入口"角色，负责理解创作者的初始意图，进行任务分发和基础对话。类比到真实团队里，相当于一个懂业务的助理——你不需要知道每项任务应该找谁，告诉助理你想做什么，它帮你路由到合适的专属数字员工。
对于没有使用过 AI 工具的新手来说，通用助理的存在降低了上手门槛。你不需要学会特定的 Prompt 写法，用自然语言描述需求就够了。这一点在 AI 创作工具的推广上非常关键——很多有创作意愿的人之所以迟迟没有上手 AI 工具，并不是因为不感兴趣，而是被"需要学习怎么写提示词"这个门槛给挡在外面了。通用助理相当于在用户和复杂 AI 能力之间加了一层"翻译"。
此外，通用个人助理还承担着创作项目的上下文管理职能。当你开始一个新短剧项目，助理会记住你这个项目的基本信息——题材类型、主角设定、故事背景、目标平台——后续所有数字员工的工作都在这个上下文框架下展开，保证各个环节输出的内容之间有内在一致性。
3.2 社媒内容运营
这个角色承接的是内容创作和发布管理两个方向的工作。
内容创作端：输入主题或创作方向，它可以生成适配不同平台调性的文案，包括抖音、快手、微博、小红书等不同平台的文字风格是有差异的，这个角色需要能够自动识别平台特性并调整输出风格。抖音的文案要短平快、有节奏感，小红书的文案要有情绪感染力和种草属性，微博适合更有话题性的表达——这些差异，社媒内容运营数字员工在理想状态下应该能够自动适配，不需要创作者为每个平台单独重新构思文案。
发布管理端：支持内容一键发布与数据复盘。具体来说，就是把内容生成、定时发布、数据追踪这三件事串成一条流水线，减少人工在各平台后台来回切换的时间损耗。对于同时运营多个平台账号的团队来说，这个功能的实际价值是把"多平台矩阵运营"这件事的操作复杂度大幅压缩。
从我对这类工具的观察来看，"一键发布"这个功能在实际使用中经常卡在平台的接口政策上，部分平台对自动化发布有限制，需要关注后续版本的兼容情况。
3.3 业务洞察专家
这个角色处理的是选题决策前的情报收集工作。
传统短剧团队选题，主要靠编剧和制片人的经验判断，加上一些手动整理的热榜数据。业务洞察专家的定位是：自动化地抓取行业动态、消费者分析数据、平台热点趋势，生成结构化的洞察报告，给创作方向的确定提供数据支撑。
举个实际场景：你想做一部情感类短剧，但不确定当下哪个情感细分方向更有流量潜力——是"中年夫妻关系"还是"职场女性情感困境"还是"代际家庭矛盾"？这时候，业务洞察专家可以帮你拉取近期相关话题的热度趋势、用户互动数据、竞品内容表现，辅助你做出更有依据的决策，而不是纯靠感觉赌。
3.4 营销素材创作
从文本内容到可用物料的转化，是很多内容团队在制作流程后期的高频痛点。一部短剧上线前需要准备的营销素材往往包括：横竖版宣传海报、平台投流用的短视频切片、公众号/微博推文、评论区引导文案……每一种都有自己的尺寸规范、文案调性和视觉风格要求。
营销素材创作这个数字员工做的事情是：输入文本内容或创意描述，自动生成符合商用规格的海报和短视频素材。对于没有专职视觉设计岗位的小团队来说，这个功能的价值是非常直接的——它把"有创意但不会设计"的问题解决掉了。
当然，AI 生成的素材和专业设计师产出的素材在精细度上还是有差距的，现阶段更适合用来快速出初稿、验证方向，或者用于流量不太敏感的推广场景。
莫潇羽@无忆研习社 观察到，这个功能和市面上的 Canva、即时设计等工具有功能重叠，但 Hogee AI 的优势在于它是在整个创作上下文里生成素材的——AI 知道你这部剧的剧情、人设、风格调性，生成的素材和内容本身的一致性会更好。
3.5 数据分析大师
内容发布之后的数据追踪和分析，是很多小团队的软肋。不是不想做，而是没有时间和工具去做系统性的分析，最后往往只能看一个大致的播放量数字。
数据分析大师做的是：把多平台的内容数据汇聚进来，生成可读性强的分析报告，帮助创作团队回答"哪条内容效果最好""目标用户是谁""哪个时段发布效果更好"这类问题，让下一次创作能有依据地优化。
我自己在做内容的过程中有一个深切的体会：数据分析做得好不好，决定了一个内容团队能不能从"偶尔爆一条"进化到"可以稳定出爆款"。前者靠直觉和运气，后者靠系统性的数据积累和规律提炼。数据分析大师的价值，正是帮助团队把碎片化的数据反馈结构化为可指导创作决策的洞察。
具体来说，这类工具在实际使用中能帮你回答的问题包括：某一集的完播率为什么特别低（是哪个时间节点观众流失了）、某个话题标签带来的粉丝画像是什么（年龄、性别、地域分布）、不同发布时间段对内容触达量的影响规律……这些问题靠手动在各平台后台翻数据，可能需要花几个小时，而 AI 工具可以帮你把这个时间压缩到十几分钟。
3.6 企微私域客服
这个角色针对的是有私域运营需求的创作者。
短剧内容本身作为一种引流手段，最终要落到粉丝沉淀和商业转化上——IP 周边、课程、直播带货、品牌合作，都需要在私域里完成深度触达。企微私域客服数字员工能够承接企业微信上的客户咨询、粉丝互动、线索跟进工作，把人工客服从重复性的对话里解放出来。
从实际场景来看，这个角色的核心价值是帮助创作者把"内容引来的流量"沉淀下来，不让它白白流失。一部爆款短剧上线之后，可能在短时间内涌入大量粉丝加微信或者发消息咨询，这时候如果靠人工一条条回复，要么忙不过来，要么回复质量参差不齐。AI 客服接管之后，可以保证每一条消息都得到及时、准确的回应，并按照预设的流程把有意向的用户引导到下一步。当然，这类工具在使用时需要提前做好知识库配置和对话流程设计，不能直接"开盒即用"，需要一定的初始化工作。
3.7 智能外呼专员
面向有主动触达需求的创作者或机构，处理电话外呼、意向确认、线索筛选等工作。这个角色在短剧场景下的典型用途可能是：活动预约邀约、品牌合作初步沟通的前置意向探测等。
需要说明的是，智能外呼这个功能在实际使用中需要遵守相关法规，包括不得骚扰拒绝接听的用户、保障用户的知情权等，使用者需要在合规框架下操作，不能把它当作无限制的推销工具来用。
3.8 数字员工体系的整体设计逻辑
把七个角色放在一起看，会发现 OpenClaw 数字员工体系有一个清晰的设计哲学：用"职能分工"来管理 AI 能力的边界，用"上下文共享"来保证协作连贯性。
传统的 AI 工具设计思路是"能力堆叠"——把越来越多的功能塞进一个工具里，让用户在同一个界面里完成所有事情。这个思路乍看很方便，但问题在于：功能越多，工具的使用复杂度越高，用户的认知负担越重，反而容易用不好。
OpenClaw 走的是另一条路：把能力分散到不同职能的角色上，每个角色只做自己最擅长的事，但通过共享的上下文框架协同工作。这在产品体验上带来的好处是：每个角色的使用逻辑都足够简单，你和社媒内容运营对话，就只需要关心内容方向；你和数据分析大师对话，就只需要关心数据指标。不同角色之间的"交接"由平台在底层自动完成，用户不需要操心中间的信息传递问题。
这套设计思路，其实和企业内部的专业化分工管理理念是一脉相承的——越复杂的任务，越需要专业化分工而不是让一个人（或一个工具）包揽所有事情。莫潇羽@无忆研习社 认为这是 Hogee AI 在产品架构上最值得称道的地方，它的产品设计语言是管理学的，而不只是技术的。
当然，这套模式也有它的隐性要求：创作者需要对整个流程有基本的了解，知道每个阶段该调用哪个角色。对于完全没有内容创作经验的新手来说，初期可能需要花一些时间建立这个流程认知。好消息是，通用个人助理的存在在一定程度上缓解了这个问题，它可以帮你做初步的流程引导。
数字员工矩阵角色汇总
通用个人助理 → 任务路由、需求理解
社媒内容运营 → 文案生成、发布管理、数据复盘
业务洞察专家 → 选题情报、热点趋势、竞品分析
营销素材创作 → 海报生成、短视频物料、文案转化
数据分析大师 → 多平台数据整合、效果报告
企微私域客服 → 粉丝互动、客户线索跟进
智能外呼专员 → 主动触达、意向确认七个角色分工明确，覆盖了从内容生产到商业推广的完整闭环。
四、全链路创作流程实操解析
光看角色列表还不够直观，这里我把 Hogee AI 的完整创作流程按实际操作顺序拆解一遍，帮你建立一个整体的流程感。
4.1 阶段一：选题与创意确认
这是整个创作流程的起点。进入平台后，你先和业务洞察专家对话，输入你感兴趣的题材方向，比如"情感类短剧"或者"职场题材"，它会给你提供当前各平台该题材的热度数据、用户兴趣分布、近期爆款内容的共性特征，帮你把模糊的方向收敛到一个更具体的选题。
这一步在传统流程里，往往是制片人或编剧凭经验做的事情，耗时可能是一两周的密集调研。AI 介入之后，这个过程可以压缩到几十分钟内完成。
数据固然有参考价值，但选题最终还是要有人做判断的——AI 给的是参考，不是答案。这一点需要使用者保持清醒。莫潇羽在使用各类 AI 创作工具的过程中，始终坚持的一个原则是：把 AI 当助手，别把它当决策者。
4.2 阶段二：剧本创作
选题确认之后，进入剧本创作阶段，主要由社媒内容运营数字员工（或通用助理引导进入专属编剧模式）承接。
在展开说交互细节之前，我想先聊一个很多人关心的问题：AI 写的剧本到底能有多好？
坦白说，以目前的技术水平，AI 写剧本的天花板是清晰的——它非常擅长生成"结构正确、情节流畅、符合类型公式"的剧本，也就是说，它能给你一个完整的故事骨架，情节转折、人物关系、矛盾冲突一样不缺。但它的短板在于：原创性弱、情感细腻度有限、人物性格容易扁平化。AI 写出来的人物，往往是一个类型的代表，而不是一个有血有肉的个体。
这决定了 AI 剧本目前最适合的赛道是：高强度爽感的快消型短剧。这类内容本身对人物深度的要求就不高，它要的是节奏快、反转多、情绪刺激密度大——这恰好是 AI 擅长批量生产的内容类型。如果你做的是需要深度情感共鸣的内容，AI 生成的剧本只能作为一个起点，大量的人工打磨是必不可少的。
带着这个认知框架，再来看 Hogee AI 的剧本创作交互设计——
这里有一个交互细节值得着重说：平台并不是你输入"帮我写一个过年短剧"就直接输出一个完整剧本。实测的过程是这样的——
你输入"帮我创作一个过年短剧"，AI 不会急着生成，而是先通过几轮问答来帮你锁定创作方向。它会问："你希望这个故事的情感基调偏向哪种？"然后给出几个选项供你选择，比如温情、搞笑、催泪、励志；接着再问主人公的身份背景、故事发生的地点、核心冲突类型……几轮对话下来，创作者通过选择完成了创作方向的确认，AI 在这个基础上生成的剧本和你预期的方向偏差就会小得多。
这个交互设计我觉得是 Hogee AI 做得比较聪明的地方。很多 AI 创作工具的问题，是用户给的指令太模糊，AI 生成的结果不可控，用户不满意，反复修改，最后浪费大量时间。 Hogee AI 用结构化的问询先把需求明确下来，相当于在生成之前先做了一次人机协作的创意对齐，大大提升了一次出稿的命中率。
剧本生成之后，还可以在平台内进行进一步的精修——调整人物对话的语气、修改情节转折点、调整各集时长的节奏分配等。
4.3 阶段三：分镜与制作规划
剧本确认之后，下一步是把文字剧本转化为可执行的制作计划，具体来说包括：分镜稿（场景描述 + 机位设计 + 台词对应）、拍摄场景清单、角色服装道具清单。
这一步在传统流程里需要导演和分镜师配合完成，是一个高度依赖视觉经验的工种。AI 在这个环节的介入，是把文字剧本转化为结构化的制作参数，降低了对专业分镜人员的依赖。
举一个具体的例子来说明 AI 分镜的价值：假设你的剧本写了一个场景——"主角站在公司大楼门口，看着窗户上的倒影，想起了三年前离职时的情景"。如果是人工分镜，导演需要考虑：用特写还是中景？手持晃动还是固定机位？是否需要闪回镜头的剪辑衔接？这些决策每一个都需要视觉经验支撑。AI 分镜可以基于剧情和情感基调，自动生成机位建议、景别选择、光线描述，为没有专业视觉背景的创作者提供一个可参考的起点。
当然，对于想要精细化掌控视觉呈现风格的创作者来说，AI 生成的分镜稿更多是起草稿作用，后期仍需人工深度介入调整。如果你对视觉风格没有特别高的要求，或者正处于快速验证故事可行性的阶段，AI 分镜稿可以帮你省去大量的前期沟通成本。
还有一点值得说明：对于主要依赖 AI 生成画面（而非真实拍摄）的短剧团队，分镜稿的功能会发生一定变化。它不再是给摄影师的拍摄指引，而是给 AI 图像/视频生成工具的提示词框架。这时候分镜稿里的机位描述、光线说明、情绪基调，会直接影响 AI 生成画面的质量。一份写得清晰、细节丰富的 AI 分镜稿，和一份模糊潦草的，最终生成的画面质量会有明显差距。这也是为什么分镜这个环节在 AI 短剧工作流里的重要性并没有因为 AI 的介入而降低，反而对描述能力提出了更高的要求。
4.4 阶段四：营销素材生成
剧集制作完成后，进入营销阶段。这时候营销素材创作数字员工上场，基于已经有的剧本内容和视觉素材，自动生成以下类型的物料：
- 横竖版宣传海报（针对不同平台尺寸规范）
- 短视频切片（用于投流或预热）
- 平台发布文案（适配不同平台的文字风格）
- 话题标签推荐
这一步把原本需要设计师和文案反复沟通才能完成的工作，大幅压缩了时间成本。
莫潇羽@无忆研习社 建议，对于预算有限的小团队，营销素材生成这个功能的价值不仅仅在于省钱——它更大的意义在于让你能快速做 A/B 测试。同一个内容，可以快速生成三四个不同风格的海报版本、两三个不同文案方向的推文，同时投放，用数据验证哪个方向转化更好，再集中资源投入。这种快速迭代的能力，是小团队在竞争中弯道超车的重要方式。
4.5 阶段五：数据追踪与运营优化
内容上线之后，数据分析大师接管后续的数据监控工作。它能整合多平台的播放数据、互动数据、粉丝增长数据，生成周报或月报形式的分析报告，帮助创作团队复盘内容表现，为下一个项目的选题和制作决策提供依据。
这种数据驱动的闭环，是 Hogee AI 区别于单一创作工具的关键价值之一。内容做完就结束了，和内容做完还有数据反哺优化，是两种完全不同的创作模式。 前者靠运气，后者靠系统。
4.6 整体流程示意
选题情报（业务洞察专家）
↓
剧本创作（社媒运营/通用助理）
↓
分镜规划（AI制作规划模块）
↓
视频制作（创作者执行 + AI辅助精修）
↓
营销物料生成（营销素材创作）
↓
多平台发布（社媒运营）
↓
数据复盘 → 选题优化（数据分析大师 → 业务洞察专家）整个流程形成一个可以持续迭代的闭环，而不是一次性的线性流程。
五、成本结构对比：AI 辅助模式 vs 传统制作模式
这一节我把两种模式的成本结构做一个比较系统的拆解，方便你自己判断 Hogee AI 的价值是否适合你的场景。
5.1 传统真人短剧的成本构成
传统真人短剧（以中等制作水准为参考）的主要成本项包括：
┌─────────────────────────────────────────────┐
│ 编剧费用 ：5,000～30,000 元/集 │
│ 导演费用 ：10,000～50,000 元 │
│ 演员片酬 ：视知名度，差距极大 │
│ 摄影+灯光+录音 ：10,000～30,000 元/天 │
│ 后期剪辑+调色 ：8,000～25,000 元 │
│ 配音（如需） ：3,000～15,000 元 │
│ 场地+道具+服装 ：5,000～20,000 元 │
│ ──────────────────────────────────────── │
│ 一部中等体量短剧（20集左右）总预算： │
│ 20万～100万元不等 │
└─────────────────────────────────────────────┘这还只是制作费用，不含后期的推广投流费用。
5.2 AI 辅助模式的成本构成
以 Hogee AI 为代表的 AI 全链路平台支持下，同等体量内容的成本结构发生了显著变化：
┌─────────────────────────────────────────────┐
│ AI 平台订阅费 ：89～259 元/月 │
│ 剧本（AI辅助） ：人工校对费用为主 │
│ AI 绘图/视频生成 ：按量计费，相对可控 │
│ 后期精修（1～2人）：人工成本为主 │
│ 营销素材（AI生成）：平台订阅内包含 │
│ ──────────────────────────────────────── │
│ 一部 AI 辅助短剧总预算： │
│ 5,000～50,000 元（3～12人小团队） │
└─────────────────────────────────
