AI 短剧从 0 到 1 全流程实操手册：选题、剧本、角色、分镜、视频、声音、剪辑一次讲透

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

这是一篇把 AI 短剧整条生产链拆开讲的长文。 围绕 2026 年主流模型（字节系即梦 Seedance 2.0、可灵 O 系、Vidu Q 系、海螺、Nano Banana 等）的当下状态，把"选题—剧本—角色—场景—分镜—视频—声音—剪辑"八个环节逐个落到具体操作上。核心结论是：AI 短剧不是抽卡运气活，而是一条可以工业化的流水线。决定成片质量的不是你买了多少积分，而是你能不能在每一个环节上拿到稳定的控制力——剧本写给算法、提示词遵循结构、角色用三视图锁死、分镜对齐情绪曲线、视频选对生成模式、声音分三层铺垫、剪辑用三遍法过。文中给到了通用提示词公式、风格 DNA 提取法、镜头语言写法、运镜口诀、分镜情绪曲线模板、视频四种生成方式的取舍逻辑，以及配音和剪辑的卡点技巧。想看完整拆解，往下翻。

一、动手之前先想清楚：AI 短剧到底是不是适合你的事

1.1 短剧这股风为什么吹起来了

短剧这一波热度起得很猛。从 2020 年前后真人竖屏短剧在国内冒头，到 2024 年整体收益规模超过院线电影票房，2025 年继续放大，2026 年海外短剧市场也进入了快速扩张期，业内公开数据预计全年规模会突破 60 亿美元，AI 漫剧赛道上单是国内入局的主体就已经超过十万家。这些数字背后的逻辑其实很朴素：观众的观看习惯变了。两个小时的院线电影，一旦节奏拖一点观众就在里面打哈欠；切到短剧上，刷一分钟不爽就划走，刷到爽点就追下去，决策成本被压到了趋近于零。

真正值得普通人关注的点不在"风口"，而在"准入门槛"。 真人短剧虽然热，但它需要演员、片场、灯光、化妆、场地，一部 100 集的真人剧成本动辄上百万。AI 短剧不一样，工具链成熟之后，个人创作者用一年几百到几千块的工具开销，就能把一整集做出来。莫潇羽个人这两个月折腾下来的体感是：门槛已经从"组个剧组"降到了"一个人加一台电脑"。

1.2 我对成本的两个口径

聊成本，建议把它分成硬成本和时间成本两块来看，混在一起很容易算糊涂。

硬成本主要是几个 AI 平台的会员费。即梦的基础会员一年六百多块，月卡七八十；可灵、海螺这些按积分计费，自己控制好节奏，一年综合下来千把块完全打得住。如果连充值都不想做，多注册几个账号、每天领免费积分凑算力，也能跑通一集几分钟的体量——这是我自己实测过的路子，不算高效，但确实可行。

时间成本要单独说。Seedance 2.0 出来之后，音画同步直接做到了可用的水平，过去要在 AE 或剪映里手动对口型的活儿被压缩了一大截，行业里有公开数据提到单集生产时间能压到一个小时左右，单人单日产出 20 分钟成品已经被不少团队跑通。但新手第一集千万别上来就奔着工业化，先用一周时间把一集 1 到 2 分钟的片子完整跑一遍，跑通了再谈效率。

1.3 最小化测试，是普通人的底盘

莫潇羽@无忆研习社这边特别想强调一句：不要一上来就规划 30 集 100 集，先做第一集。第一集做完了，发到抖音、B 站、视频号或者红果上去测数据。数据出来了，知道这个题材、这个人设、这个节奏跑得通，再考虑往下做第二集。这个动作叫最小化测试，它解决的不是制作问题，是"不亏"的问题。AI 工具再省钱，你也消耗了时间，时间是你最大的成本，必须用数据来背书。

二、2026 年主流工具链梳理：手里有什么牌

工具这件事，门外人看着五花八门，门里人其实就那么几张牌。把工具链梳理清楚，后面写提示词、做分镜才知道自己手里能调什么资源。

2.1 视频模型：当下的几张主力牌

把视频生成模型列开来对比，2026 年这个时间点上能用的主力大致是这样几款：

主力建议放在即梦 Seedance 2.0 上——这是字节跳动 2026 年 2 月放出来的新一代多模态模型，它的特别之处不是画质，而是"全模态参考"：你可以同时丢图片、视频、音频和文字进去，AI 把这些素材揉成一个新视频。对短剧来讲，最值钱的是它的音画同步能力，对白角色嘴型对得上、情绪能跟上。

但有一点要注意：Seedance 2.0 因为太火，经常排队，遇到生成失败或者审核问题时，要有备用方案。莫潇羽自己折腾下来的常用组合是：主用即梦 Seedance 2.0 + Fast 版本做对白镜头，3.0 Pro 智能多帧补过场，可灵兜底，遇到风格化镜头切 Vidu。

2.2 图像生成：分镜图与角色定妆

视频之外，图像模型也是吃饭家伙。当下的常见组合是：

• Nano Banana Pro（Google）：写实人像和角色一致性表现非常强，做角色定妆照、三视图很好用；
• 即梦 4.5：中文理解能力强，做分镜图的多宫格非常顺手；
• MidJourney V7 / Flux Kontext：偏艺术风格，做意境镜头；
• 豆包（字节系）：免费额度大，反复迭代角色形象不心疼算力。

我自己跑分镜的工作流是这样的：先在豆包里反复改角色，免费额度跑透了再把方案搬到即梦放大到 4K，最后用 Nano Banana 系做最终定妆。这样做的好处是把贵的算力花在刀刃上。

2.3 大语言模型：剧本与提示词的总枢纽

大语言模型在 AI 短剧里干的活其实最重，不是简单的"写剧本"。具体场景包括：

• DeepSeek 用来写剧本、做剧本拆分、生成分镜脚本；
• 豆包用来反推提示词、做风格分析、给定妆迭代；
• ChatGPT / Gemini 用来提取风格 DNA、做 JSON 化格式封装；
• Claude / 通义千问 做剧本结构审校。

记一个原则：所有需要"结构化输出"的活儿都交给大模型。比如让它把你给的故事拆成 12 个分镜并标注情绪曲线、把一段提示词转成 JSON 格式、把多张参考图的共性归纳出来，这些事情大模型做得比人手快得多。

2.4 剪辑与图像后期

剪映是事实上的标配，它的好处不在于功能强大，而在于音效库、转场库、字幕能力都自带，省掉很多外部素材的麻烦。需要做声音分离、声音克隆时，剪映本身的会员功能够用了；做不到的细节用专门的克隆配音平台兜底。Photoshop（或在线版的 Photopea）用来去水印、修补瑕疵，是必备的辅助。

工作流层面，ComfyUI 这种工具值得花时间学一下，它的图片放大、模特微调、多视图生成模块对资源化制作帮助极大。

三、选题与剧本：决定生死的第一关

剧本这一关如果踏空，后面所有的工具效率再高都救不回来。莫潇羽过去几个月跑下来最大的体会就是：短剧剧本是写给算法看的，不是写给观众看的。

3.1 平台算法的口味画像

短剧主要分发平台无非抖音、快手、视频号、红果、B 站、小红书这几家。每家算法对内容的偏好不同：

• 抖音、快手：3 秒内出钩子，10 秒内立场景，节奏快，爽点和虐点要扎实；
• B 站：观众停留时间长一些，可以做世界观铺垫和情绪铺垫；
• 小红书：女性视角、情绪带入、生活感强的内容更容易跑出来；
• 红果短剧：垂类短剧的主战场，对题材的工业化标签敏感；
• 视频号：年龄段偏中年，对家庭、伦理、反转主题接受度高。

写之前先想清楚发哪几个平台，不同平台同一个故事的剪辑节奏甚至能差出一倍。

3.2 三种快速选题方法

选题没必要硬编，已经被市场验证过的方向永远比凭感觉编的要稳。我常用的三种打法：

第一种是爬榜单看趋势。抖音热榜短剧类目、红果短剧热度榜、番茄小说原选榜单（小说题材是短剧的最大素材池），这些是公开的风向标。看到末世、西游、重生、玄幻、甜宠、复仇这些标签反复出现，跟着做八成不会跑偏。

第二种是找对标拆解。选 5 部跑得好的对标作品就够了，针对性拆它的题材、人设、开头、结尾、节拍。拆这件事自己做太慢，交给 DeepSeek，丢进去要求"拆解短剧结构，输出题材标签、人设公式、节拍表"，几分钟就能出一份分析报告。

第三种是蹭经典 IP。从《哪吒》到《黑神话：悟空》，从《斩仙台》到《长安的荔枝》，最近几年跑得最猛的都是老 IP 的新做法。这个逻辑很简单：观众对老 IP 有认知储备，不用花脑筋理解世界观，你只要在"反差"上做文章——李世民魂穿阿斗、西游错把玉帝当成爹、打工人穿越认霍去病当弟，这种公式跑通的概率很高。蹭 IP 的核心是"反差"两个字：经典人物 + 现代场景 / 现代人 + 经典场景，把人物从他原本的语境里抽出来，扔到一个他完全不属于的环境里，故事就立住了一半。

3.3 短剧节拍：情绪钩子的工业化

短剧的情绪节拍是有公式的，记几个常用的：

• 前 3 秒：刺激点 / 情绪炸点，抓眼球；
• 3 到 10 秒：把人物立场和冲突点立清楚；
• 中段：通过连续刺激和信息变化推进剧情；
• 结尾：大反转或大悬念，钩住下一集。

情绪推动的工具箱其实就那么几样：反差、虐点、爽点、身份反转、时间重来、极端选择、禁忌关系。把这些拿出来排列组合，再贴上一句话故事的骨架，剧本基本就有形了。

3.4 一句话故事 + AI 扩写

写剧本最高效的起手不是动笔写完整剧本，而是先憋出一个"一句话故事"。比如"僵尸来考研"五个字，脑海里立刻能浮现出一堆问题——僵尸为什么要考研？长什么样？考的什么科目？被发现了怎么办？问题越多越好，问题就是钩子的种子。

把这一句话故事丢给 DeepSeek 之类的大模型，附上一份剧本创作规范（要求平台、时长、主角、节拍表）和一份故事梗概参考（贴几个核心梗），让它扩写。第一版大概率不够好，但已经够你做下一轮调整。

调整的方向不是改细节，是改设定。比如僵尸来考研，第一版可能就是个普通僵尸混进考场。这时候要做的是：把僵尸换成大家熟悉的 IP（霍去病转世变僵尸去学历史考古），换出一个反差强烈的次主角（女主就用沈腾这种喜剧型人设做底子），加一个能贯穿全剧的悬念道具（一枚汉代瓦当戒指）。改完之后再让 AI 重写一遍，这一轮出来的剧本基本能用了。

3.5 四点自检法

剧本出来之后，自己用四个维度过一遍：

第一，有没有蹭到公众熟悉的 IP？没有蹭到的话，能不能加进去？哪怕只是借用一个名字、一个梗。

第二，情绪钩子够不够？前 3 秒能不能让人不走？最关键的反转点观众有没有可能被绕进去？十分制下能打到 7 分以上才算过。

第三，短视频节奏对不对？前段抓人，中段推进，结尾留钩子，三段是不是都立住了。

第四，AI 表现得出来吗？这条最容易被新手忽略。剧本里写了"眼睛逐渐变红""嘴角张开露出尖牙"这种渐变效果，AI 大概率做不出来，做出来也容易触发审核。剧本里凡是可能让 AI 卡壳或者触审的画面，要么删要么换。比如把"眼睛变红"换成"瞳孔反射出红光"，把"獠牙渐长"换成"侧脸露出冷笑"——情绪给到，画面绕开。

3.6 新手常踩的剧本大坑

题材的坑有这么几种，建议都绕开：

• 题材过大：上来就要做封神演义全本、完美世界、斗破苍穹这种，几百号人物几百个章节，做到第三集就放弃；
• 个人执念：自己对某个冷门题材情有独钟，别人不一定接受，做出来只能自己看；
• 风格混搭过头：赛博朋克 + 古风 + 克苏鲁，听着炫，AI 落地不出来；
• 战争戏：几十上百号人同框，物理规律必然崩坏；
• 多人混战：六七个人在一个场景里打，脸部会窜，衣服会互换；
• 极端复杂特效：现阶段 AI 控不住。

新手黄金法则：人少、场景少、情节简单。先用最少要素跑通流程，再升级。我建议第一集就两个主角、两到三个场景、单线剧情。

四、提示词工程：和 AI 沟通的硬功夫

提示词写不好，一切都是空谈。这一节我会把通用结构、AI 的注意力规律、风格控制全说清楚。和 AI 沟通的能力会越来越值钱，这是一项长期可积累的能力，建议当成基本功来练。

4.1 通用六段式公式

写图像和视频提示词，把这个公式背下来就行了：

风格 + 视角 + 主体 + 背景 + 细节 + 光影 + 质量词

举个例子，要生成一只穿汉服的拟人化橘猫提着煤油灯走在森林里的画面：

• 风格：写实摄影、电影感胶片质感；
• 视角：微距摄影机，动态跟拍角度；
• 主体：穿着汉代服装、汉代靴子，拟人化的橘猫；
• 背景：阴天森林，溪水蜿蜒；
• 细节：一只手提着煤油灯，看向镜头，跋山涉水；
• 光影：阴天散射光，煤油灯发出暖光，照亮周围环境；
• 质量词：电影级胶片颗粒、8K 高清、最佳品质。

七段拼起来，AI 出图的稳定性会比随手写一句话强好几个台阶。这套结构在即梦、Nano Banana、MidJourney 上都通用。

4.2 三种获取提示词的常用路径

不是每次都要自己从零写。三种快捷路径排个序：

第一种，找参考做同款。