AI短剧从零到成片完整指南：剧本、人设、关键帧、图生视频与剪辑的全流程拆解

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

做AI短剧，真正的门槛不是画面够不够精致，而是你脑子里有没有一条完整的脚本逻辑。我自己折腾下来的结论很明确：AI短剧的胜负手在剧本和情绪节奏，画面只要"逻辑合理、人物一致"就够用。整个制作链条可以拆成五步——写剧本与分镜脚本、定人物与定妆照、生成关键帧、图生视频、剪辑成片。工具栈也很清晰：大语言模型负责把网文式脚本写出来，即梦这类平台负责出图和出视频，ComfyUI 云端工作流负责解决"人物一致性"和"画面清晰度"这两个老大难，剪映负责把素材拼成一部有节奏的片子。一致性是地基，节奏是灵魂，这两点抓住了，一部一到两分钟的AI短剧就立得住。

这篇文章是我把自己一次完整实操的过程整理出来的拆解。它不是工具说明书，而是一条可复用的生产流水线：每一步该用什么、为什么这么用、遇到效果不对怎么动态调整，我都尽量讲透。如果你之前试过用AI做短剧，但总卡在"人物换个镜头脸就变了""手机屏幕上的字怎么都不对""节奏拖沓得像PPT翻页"，那这篇应该能帮你把卡点一个个解开。文章里会穿插提示词示例、分镜脚本表格和流程图，方便你边看边对照着练。想看完整拆解，往下翻。

一、先看清楚AI短剧到底是个什么东西

1.1 一个正在被"重写成本结构"的赛道

先讲点背景，不然后面的操作你会做得没底气。

短剧这个赛道这两年涨得非常凶。公开的行业数据里，2024 年中国微短剧市场规模就已经突破 500 亿元，首次超过当年的电影票房；到 2025 年，整个行业总产值已经接近 900 亿元。而真正让从业者睡不着觉的，是其中 AI 这一支的增速——2025 年 AI 漫剧（含 AI 仿真人短剧）的市场规模据多家机构测算已经接近 190 亿元，同比涨幅高得离谱。

更直观的是渗透速度。我看到的一组数据是这样的：2025 年初，某头部平台 TOP5000 短剧里全 AI 生成的作品只有个位数；到当年 11 月已经涨到两百多部；进入 2026 年，头部榜单里 AI 作品的占比接近半壁江山。两年时间，完成了一次指数级的"入侵"。

这意味着什么？意味着你现在去看招聘网站，会发现一堆公司在招"AI 漫剧""AI 短剧"相关的岗位。这个赛道是真的在缺人，而且缺的不是会按按钮的人，是脑子里有脚本、有镜头感的人。

我自己的判断是这样的：AI 并不是来替代短剧的，它是来重写短剧的"成本结构"的。过去拍一部剧，成本里压着场租、盒饭、演员档期，是一笔相对刚性的开销；现在用 AI 做，成本变成了算力、积分、模型抽卡次数，是弹性的。当一件事的制作成本曲线被压得近乎垂直，涌进来的人和钱自然就多了。

1.2 为什么AI短剧不追求画面精美

这是新手最容易想偏的地方，所以我放在很前面讲。

你去翻市面上的短剧，哪怕是真人实拍、后期加了点小特效的那种，认真看你会发现，所谓的特效少得可怜。AI 生成的就更不用说了，画质、运镜、细节，跟传统影视根本不在一个量级。

但奇怪的是，看的人巨多。

原因很简单：短剧消费的本质，更接近"听一部爽文小说，顺便配了一套贴合情节的画面"。观众要的是情绪上的痛快，不是视觉上的享受。画面这东西，只要不出戏、人物不崩、逻辑能自洽，就完成任务了。所以你做 AI 短剧的时候，千万别把精力堆在抠某一帧的睫毛上——那是真人电影的活儿。你要把劲儿用在剧本和情绪节奏上。

行业里现在走的其实是一种"双轨制"：真人短剧负责立旗帜，追求极致的情绪张力、演员个人 IP 和现实题材；AI 短剧负责填沟壑，题材丰富、节奏快、新鲜感足，靠极高的投入产出比去覆盖流量的下沉部分。这两条轨道的受众和题材都不太一样，AI 这一支目前在修仙、玄幻、重生、爽文这类"需要视觉奇观、又不太挑画面写实度"的题材里跑得最快。

1.3 这篇文章会带你走完哪几步

把上面这些想清楚之后，整个制作流程其实就五步，一步都不能少：

1. 写剧本，并把剧本拆成可执行的分镜脚本；
2. 定人物——给主角们生成统一的形象和定妆照；
3. 根据脚本和人物，生成一帧帧"关键帧"画面；
4. 把关键帧喂给视频模型，做成会动的视频片段；
5. 把所有片段拖进剪辑软件，配音、配乐、卡节奏，剪成片。

接下来的每一章对应其中一步。我会用一个虚构的都市重生复仇题材小短剧当例子贯穿全程——题材是行业里烂大街的通用题材，但所有人物、台词、分镜都是我为了讲解临时编的，你完全可以换成自己的故事照着走。

二、剧本是第一生产力：把短剧"写给算法"

2.1 一个反直觉的前提：剧本是写给算法的

我刚开始做的时候，下意识把短剧剧本当成"小说"来写，写得很文艺，结果做出来的东西没人看。后来才想明白一件事：

爆款短剧的剧本，第一读者不是观众，是平台的分发算法。

这话听起来有点冷血，但它是实情。短剧现在是被工业化大批量生产出来的，市面上早就沉淀出一套"怎样的结构最容易被算法判定为有潜力、从而获得更多推荐"的经验。说浅一点，就是要密集地给"爽点"；说深一点，就是要按一套被验证过的结构去铺设情绪。

所以我现在写剧本，脑子里绷着的不是"这个故事美不美",而是"情绪节奏密不密、钩子够不够勾人"。这就是所谓的情绪的工业化——把情绪的产生当成一条可复制的生产线来设计。

2.2 第一步：选对赛道和平台

不同平台的内容偏好差别很大，写之前先想清楚要投哪里。

热门赛道我自己常碰的有几类：甜宠、复仇、重生、悬疑（身份反转、时间重来）、都市爽文。AI 因为不受实拍条件约束，特别适合做国风玄幻——这种题材实拍要堆大量特效，跟短剧"短平快"的属性是矛盾的，而 AI 直接生成就能两头兼顾。

给新手一个明确建议：选"低世界观成本、高情绪回报"的模式。

什么意思？像一些大型玄幻题材，要花大量篇幅去交代世界观、等级体系、人物成长线，主角一步步往上爬。这种叙事在动辄几百上千章的网文里成立，但短剧根本扛不住。短剧的正确打开方式是——上来就世界观崩塌、"我重生了",然后直接跨进重生之后的爽点。世界观能省则省，情绪回报往前提，这是短剧的命门。

2.3 第二步：设计情绪钩子

钩子就是观众"上头"的那个点。我做的时候会按题材给自己列一张钩子清单，比如：

• 甜宠 / 复仇类：被宠上天、打脸渣男渣女、扮猪吃老虎；
• 重生 / 悬疑类：身份反转、时间重来、未卜先知。

这些钩子才是短剧"质量不高但爱看的人极多"的真正解释。观众要的是被这些钩子一次次戳中的快感，画面精不精致，在这种快感面前根本排不上号。

我自己写脚本时，会刻意去数一集里到底埋了几个钩子。一分钟的片子，我的经验是至少要有三到四个能让人"咯噔一下"的点：开头一个把人按住，中段一两个推着往下走，结尾一个把人勾到下一集。如果你写完发现整段平平的、找不出哪句是钩子，那这一版基本可以推翻重来了。还有一个容易忽略的点——钩子和钩子之间不能离太远。观众的注意力是有"半衰期"的，超过十几秒没有新刺激，划走的概率就直线上升。所以与其追求一个特别精巧的大反转，不如把若干个中等强度的钩子均匀铺开，让情绪曲线一直有起伏。这也是为什么我前面反复强调"密度"——短剧拼的从来不是单点的高度，而是整条曲线没有低谷。

2.4 第三步：理解短剧的专用结构

对新手来说，先有个结构模板套着走，能少走很多弯路。等你做多了、看多了，再做动态变化也不迟。我习惯把一集的结构拆成四块：

1. 开头炸点：前半段就要把核心情绪冲突摆出来，别铺垫，别预热；
2. 快速立场：紧接着用很短的篇幅让观众看清——谁是要逆袭/重生的主角，谁是反派，谁是有资源的关键人物；
3. 高密度信息段：中段把信息变化和情绪冲突做密，节奏不能松；
4. 结尾钩子：最后留一个悬念或反转，给下一集留扣子。

要强调的是，这四块只是"模块认知",不是死板的时间分配。每一块各占多少秒，要你自己根据时长动态去拿捏。比如做一分钟的片子，开头炸点可能就十几秒，结尾钩子留个五秒左右。

2.5 第四步：AI友好型写作原则

这一步是 AI 短剧和传统短剧剧本最大的不同。你学会了上面这些结构没用，你得让 AI 也"知道"这些规矩，让它按规矩给你产出脚本。所谓 AI 友好，核心是让剧本里的每个画面都尽量"好生成、成功率高"：

• 场景和人物要精简。同一个画面里别塞太多人。AI 生成多人同框时，只要不是近景、中景，一旦拉到远景，人脸很容易崩坏。主角控制在两到三个，场景三四个，是比较稳的范围；
• 情绪要外化、可视化。实拍时演员皱个眉、眼神飘一下，观众能读到内心戏；但 AI 很难表现这种"内化"的情绪。所以写剧本时要把情绪做成外显的、强烈的动作和表情，别让情绪只停在角色心里；
• 对白短促有力。长段独白不利于生成和配音，短句更好处理；
• 避免抽象的心理描写。"他心里五味杂陈"这种句子，没法转成提示词喂给 AI。能拍出来的才写，拍不出来的换个写法。

把这几条整理成一份"创作规范",下一章我们就把它交给大语言模型，让 AI 严格照着写。

三、用大语言模型写出可落地的分镜脚本

3.1 选对工具：写脚本是文字活儿，要用大语言模型

这里有个新手特别容易犯的错——拿图像生成工具去写剧本。

记住一个最基本的分工：剧本创作是纯文字的创作，要用大语言模型；图像类的工具（生图、生视频的那些）是后面才用的。常见的大语言模型有不少，国内外都有成熟选择，能力上各有侧重，但对写短剧脚本这件事来说差异没那么大，你手头顺手的那个就行。方法是通用的，工具可以随时替换。

3.2 第一步：把"创作规范"喂给模型

我不会上来就让模型"写个短剧",那样它给的东西又散又不像短剧。正确做法是先给它一份爆款短剧剧本创作规范——也就是把第二章讲的那些知识点（平台差异、热门赛道、低世界观高情绪回报、情绪钩子、四段式结构、AI 友好原则）整理成一段结构化的文字，作为它的判断依据。

模型只有先"知道什么样的剧本算合格",产出才会稳定。这一步本质上是在给模型立"标准"。

3.3 第二步：给模型一个专业身份，再下指令

喂完规范，接下来提问。我习惯先给模型设定一个尽量"唬人"的专业身份，再下具体要求。身份这东西可以大胆想象，越专业越好，它会影响模型回答的专业度和语气。一个可以直接套用的提示词框架长这样：

请你以"获得过国内顶级影视奖项的资深编剧 + AI短剧工业化成片专家"的身份，
严格依据我提供的《爆款短剧剧本创作规范》，
直接写出一集完整的、可商用的AI短剧成片脚本。
要求：
1. 时长控制在1分钟左右；
2. 主角不超过3人，场景不超过4个；
3. 情绪外化，对白短促，避免抽象心理描写；
4. 结尾留一个能勾住下一集的悬念钩子。

把规范和这段指令一起发出去，模型会先给你一版粗剧本：通常包含核心人物设定、情绪钩子、再加一组分镜。以我们这个虚构的都市重生复仇短剧为例，模型大概会先定下两个核心人物——一个普通职场出身的女主角，一个表面体面、实则极度利己的男主角兼反派，然后给出八九个画面：女主角"死"在被抛弃那天的房间里、镜头闪白后她在另一个清晨惊醒、她发现自己回到了三天前、男主角在客厅冷淡提分手、女主角这一次反常地平静答应、她转身拉开抽屉露出一份暗示隐藏身份的文件……最后停在一个"她真正的身份即将揭开"的预告上。

这版东西能用，但它只是个粗框架。

3.4 第三步：把粗剧本细化成分镜脚本表格

粗剧本不能直接拿去做。下一步要让模型把它细化成专业分镜脚本表格。我会接着发一句很简单的指令："根据以上剧本，生成对应的分镜脚本表格，包含镜号、景别、运镜、时长、画面内容、旁白/台词。"

因为大语言模型有上下文记忆，它会延续刚才设定的身份继续作答，给你一张类似下面这样的表：