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

一句话给到位：一部能发布的 AI 短剧，本质是把"剧本 → 分镜脚本 → 静态画面 → 动态视频 → 配音对口型 → 后期剪辑"这六道工序拆开，每一道都交给最合适的 AI 工具去做，最后在剪辑软件里拼起来。 整个链条里最值钱的不是某个工具，而是提示词的结构化能力——你能不能把脑子里那个画面，翻译成机器听得懂的"景别 + 视角 + 人物动作 + 环境 + 风格 + 光影 + 画质"。剧本和分镜脚本可以用豆包、DeepSeek 这类国内免费大模型生成；生图主流选即梦、通义万相、海螺、可灵；图生视频同样是这几家加首尾帧/多帧控制；配音用剪映朗读或在线音色克隆，要对口型就上数字人；最后回到剪映做初剪、精剪、加音乐音效导出。

我自己从一窍不通到能独立出片，前后折腾了不少回，踩过的最大的坑就是一上来死磕"一次生成完美画面"，结果全是废卡。后面想明白了：AI 出片是个"先拿到能用的、再反复修"的过程，抽卡心态比完美主义重要得多。

这篇我把全流程一道工序一道工序讲透，每个环节该用什么工具、提示词怎么写、参数怎么选、卡住了怎么救，都写成了能照着做的步骤。想看完整拆解，往下翻。

一、先把全局搞清楚：AI 短剧到底是怎么"攒"出来的

很多人第一次接触 AI 短剧，脑子里是懵的：明明刷到的成片有人物、有剧情、有运镜、有配音，看起来跟正经影视没差多少，怎么可能一个人在电脑前就搞出来？我刚开始也是这个反应。后来真正上手才发现，所谓"AI 做短剧"并不是某个神仙软件一键生成，而是一条分工明确的流水线——你要做的，是当这条流水线的总调度。

1.1 整条生产管线长什么样

我习惯把它画成一条线来理解，先有个全局观，后面每一节就知道自己站在哪了：

flowchart LR
    A[剧本/故事] --> B[分镜脚本]
    B --> C[文生图提示词]
    C --> D[静态分镜画面]
    D --> E[图生视频提示词]
    E --> F[动态视频片段]
    F --> G[配音 + 对口型]
    G --> H[后期剪辑成片]
    style A fill:#f9e0c3
    style H fill:#c3e8f9

这条线最关键的认知是：它是串行的，但每一节又是可以独立打磨的。 前一道工序的产物，是后一道工序的"原料"。剧本不行，分镜就乱；分镜画面没定好，生出来的视频就跳戏；视频节奏拖沓，后期再怎么剪也救不回来。所以新手最容易犯的错，是把注意力全压在某一个环节（比如死磕生图），而忽略了上下游的衔接。我后来的做法是：每完成一道工序，先确认它"能用"再往下走，不追求单点完美，追求整条链路顺。

1.2 这套玩法到底解决了什么问题

传统影视短剧，光是分镜、置景、拍摄、灯光就得一个团队忙活好多天。AI 这套流程把它压缩到了什么程度呢？我自己实测，一个五秒左右的镜头，从想画面到出成片，熟练之后大概十几分钟；一条一两分钟的完整小片段，一个人一两天能磕出来。行业里也有类似反馈，有的工具把传统需要半个月的周期压到一两天，对个人创作者来说，门槛确实是被砸下来了。

但我必须先泼盆冷水：门槛低 ≠ 容易出好东西。 AI 把"执行"的成本降下来了，可"判断力"这块它替不了你——哪个画面好看、哪段节奏对、哪句台词出戏，全靠你这个人的审美和经验。所以这篇文章我会反复强调原理和判断，而不是只教你点哪个按钮。把原理吃透了，工具换一茬你照样玩得转，这也是我莫潇羽一直坚持的学习思路：先懂"为什么"，再练"怎么做"。

1.3 开工前先备齐什么

正式动手之前，我建议你先把这几样准备好，省得做到一半到处找：

• 一个能写剧本的大模型：豆包、DeepSeek 任选，都是国内可以直接用的免费工具，写中文剧本足够了。
• 一个生图平台：即梦、通义万相、海螺、可灵，先注册一个练手，后面会详细对比。
• 一个图生视频的入口：上面这几家基本都能生视频，新手我推荐先用即梦，性价比高、上手快。
• 一个剪辑软件：剪映就行，配音、字幕、音乐、音效它都能一站搞定。
• 一个装素材的文件夹：相信我，你会生出一大堆图和视频，没个清晰的命名和归档，后期能把自己绕晕。

1.4 开拍之前先想清楚：做什么题材、什么节奏

工具备齐之后，先别急着冲。我自己吃过的一个亏是：上来就生图，做到一半才发现题材压根撑不起来，前面全白干。所以这里插一段"动手前的想清楚"。

题材上，新手优先挑"画面驱动"而不是"对话驱动"的故事。 原因很现实——AI 现阶段最擅长的是出画面、出氛围，对长段对话、复杂表演还比较吃力。所以像古风、仙侠、悬疑这种靠场景和氛围推进的题材，比一屋子人坐着聊天的都市对话剧好做太多。我第一部能看的片子就是仙侠开场，靠云海、山门这种宏大画面撑起来的，对表演要求低，容错率高。

节奏上，记住短剧是"快"字当头。 竖屏短剧的观众耐心是以秒计的，开头三秒抓不住人就划走了。所以我规划分镜时，会刻意把最有冲击力的画面往前放，而不是慢慢铺垫。一条一两分钟的片子，分镜数量我一般控制在十几到二十几个，每个镜头一件事、彼此能接上，节奏才不会拖。

还有一点是预期管理。 别拿院线电影的标准要求第一部作品。AI 短剧现在的状态是"能用、在快速变好，但还没到无敌"，接受它的局限、在局限里把能做好的做到位，比一味追求完美更能让你坚持下去。把心态放平，这条路才走得长。

工具齐了、题材也想清楚了，咱们就从第一道工序——剧本和脚本——开始拆。

二、第一步：剧本与脚本，用 AI 搭出故事的骨架

整条流水线的源头是文字。文字这关没过好，后面画面再精美也是空中楼阁。这一节我拆成三块：怎么选大模型、怎么让它写剧本、怎么把剧本变成能直接用来生图的分镜脚本。

2.1 大模型怎么选：先把"免费且好用"的拿到手

写剧本、写脚本，本质是让大语言模型帮你做文字创作。我自己常用的就两类：

我的建议很直接：新手就用国内的豆包或 DeepSeek，免费、中文理解好、注册即用。 海外那些模型当然也有人吹，但对咱们做中文短剧来说，多一道折腾不如把时间花在打磨内容上。术语先解释一下——这里说的"大模型"，你就理解成一个特别能写、特别能聊的 AI 助手，你给它角色和要求，它就按你说的产出文字。

2.2 让 AI 写剧本：给角色、提要求、定主题

让大模型写出能用的剧本，核心就一句话：把它当成一个真人编剧来"使唤"。 我一般是这么发指令的，分三层：

第一层，给它一个身份（角色设定）。 比如开头就告诉它"你是一名资深影视编剧，精通故事结构、镜头语言和剧情节奏"。别小看这一句，给了身份之后，它的输出会明显往专业方向靠。

第二层，提你的具体要求。 比如我会说"请以常见的剧本格式呈现，包含场景、镜头和台词"。如果你脑子里还没成型的故事，完全可以先让它给个"故事梗概"，看顺眼了再让它展开成完整剧本。这一步不用一次到位，跟它对话、来回改就行。

第三层，定主题或者干脆让它发挥。 有想法就告诉它主题（比如"古风、复仇、反转"）；实在没思路，直接甩一句"帮我创作一个有爆点的剧情"，它也能给你整出来。

实操起来大概是这个样子——我打开 DeepSeek，发一段把上面三层揉在一起的话，点发送，它就会吐出一段带开场镜头、场景描述的剧情。我会先通读一遍：这个故事是不是我想要的？不是就让它重写，或者退一步先要个梗概再细化。记住，这一步你是在跟它"聊"，不是一锤子买卖。

下面这个指令模板是我自己用顺手的，你可以直接复制改改用：

你是一名资深影视编剧，精通故事结构、镜头语言和短剧节奏。
请帮我创作一个【古风复仇 / 都市反转 / 仙侠虐恋（任选其一）】题材的短剧剧情，要求：
1. 开场三秒要有强钩子，直接抛冲突，不要慢慢铺垫；
2. 总时长控制在 1—2 分钟，分镜在 15—25 个之间；
3. 用剧本格式呈现：场景、镜头、人物动作、台词分开写；
4. 先给我一版故事梗概，我确认后再展开成完整剧本。

模板里我把"先给梗概、确认再展开"这条单独拎出来，是因为它能帮你省下大量返工——别让 AI 一上来就写满，先看大方向对不对，再让它细化。

我自己的小习惯：第一版剧情出来后，我一定会逼自己问一句"这个开场三秒能不能勾住人"。短剧的命脉在前几秒，开头平淡，后面再好也留不住人。这点是我莫潇羽踩了不少冷场的片子才换来的教训。

2.3 从剧本到分镜脚本：把故事拆成一个个可执行的画面

有了剧本，下一步是出分镜脚本。这词儿听着专业，说白了就是：把整段剧情切成一个一个独立的画面，每个画面标清楚"拍什么、怎么拍"。这一步同样可以让 AI 代劳。

我的做法是，把剧情丢给大模型，让它按一张表格输出，并且明确要求它用自然语言的中文提示词来写（因为这些提示词后面是要直接拿去生图的）。我给它的表格格式一般包含这么几列：

这里有个我常用的"偷懒技巧"：直接让它把文生图提示词也一并写出来。 按理说严谨流程是先写画面描述、再转成提示词，但实测让 AI 一步到位地给提示词，效率高很多，质量也不差。

拿到分镜表之后，别急着照单全收。我会逐段过一遍，把不合适的描述改掉。比如它给的"大远景"——这是个景别，仙侠片开场用宏大场面没问题，留着；再比如"镜头缓慢推进"——这是运镜，后面做视频时正好用得上，也留着。一份 AI 给的分镜脚本，从来不是直接能用的成品，而是个高质量的草稿。 你要做的是拿它当地基，再根据后面生出来的图反过来微调。这点很关键，后面讲生图和生视频时我们还会回到这张表。

2.4 如果你本来就有剧本，怎么办

不少人是先有故事、再来找 AI 帮忙的。这种情况更简单：把联网搜索关掉（避免它跑偏去引用乱七八糟的资料），直接上传你的剧本文件，然后发一段话，让它"根据这个剧本生成 AI 文生图提示词"。它就会顺着你的剧情，一段一段给你配好提示词。

我还会顺手让它多做两件事，体验下来很省心：

• 先生成人物角色设定：让它根据剧情，给每个角色一份外形和服装的描述（提醒它别堆太多形容词，正常表达就好）。角色定下来了，后面所有分镜里这个人才不会"换脸"。
• 再要文生图提示词：角色设定我满意了，再让它在这个基础上输出对应的生图提示词。

到这一步，剧本脚本这道工序就齐活了：你手里应该有一份分镜脚本（含每段的生图、生视频提示词）和一套角色设定。下一步，就是把这些文字真正"画"出来。不过在动手生图之前，我得先专门花一节，把提示词的底层逻辑给你讲明白——这是整条流水线里最该花时间的地方。

三、提示词的底层逻辑：把"画面"翻译成机器能听懂的话

这一节是整篇里我最想让你慢下来读的部分。原因很简单：生图也好、生视频也好，AI 给你的东西，完全取决于你给它的描述。 你描述得越准、越有结构，它出的东西越接近你脑子里那个画面；你含糊其辞，它就还你一张"千人一面"的废图。早期我图省事，提示词就写一句"一个仙侠少女很漂亮"，出来的东西惨不忍睹。后来我把提示词拆成结构来写，命中率立刻上了一个台阶。

3.1 提示词不是一句话，而是几个模块的拼装

不同平台的提示词语法，早些年差异挺大——比如有的平台早期偏好短句、关键词堆叠。但随着模型进化，现在大家越来越统一，基本都能听懂"说人话"式的自然语言描述了。 所以你不用去背一堆奇怪的语法，只要记住：一条好提示词，是由几个固定模块拼起来的。我把它归成五大块：