AIGC 仿真人短剧全流程实战：从剧本、分镜、美术设计，到即梦成片、剪辑与配音的完整拆解

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（只想要答案的先看这段）

做一部像样的 AIGC 仿真人短剧，本质上是把一套"传统影视工业流程"塞进 AI 工具里跑一遍，而不是丢一句提示词就等它一键出片。完整链路是：前期（剧本 + 分镜 + 美术设计）→ 中期（视频生成）→ 后期（剪辑 + 配乐 + 配音 + 调色）。前期里，先用豆包这类 AI 智能体把剧本写扎实，再转成带镜号、景别、运镜、时长的分镜脚本；美术环节按"母图 → 参考融合 → 三视图 → 试镜演示"的顺序把角色、神兽、道具、场景一个个立起来；中期用即梦 Seedance、可灵这类国产生视频模型出片；后期在剪映里把节奏剪紧、配乐卡点、加音效、标 AI 声明。这里面最容易被忽视、又最重要的一环是合规：真人明星形象和声音绝对不能拿来二创，AI 生成内容按《人工智能生成合成内容标识办法》（2025 年 9 月 1 日施行）必须打显式加隐式标识。

我自己（莫潇羽@无忆研习社）折腾这套流程下来，最大的体会是四个字——没有捷径。能一键生成的东西都经不起推敲，真正拉开差距的是你愿不愿意一遍遍找参考、改提示词、抠镜头。下面这篇是我把整条流水线拆到能照着做的程度，从零讲到成片。想看完整拆解，往下翻。

一、先搞懂一件事：AI 短剧拼的是"流程思维"，不是"抽卡运气"

先给完全没接触过的朋友把两个词说白。AIGC，就是"用人工智能生成内容"，图片、视频、声音都算；仿真人短剧，指的是画面里的人看起来像真人实拍（而不是一眼假的动画或塑料感 3D），但从头到尾没有真人出镜，全是 AI 生成的。你在短视频平台刷到的那种一两分钟、有主角有反派有打斗有反转、看着像影视剧片段的东西，很多就是这么做出来的。

刚上手的人最容易踩的坑，是把 AI 当许愿池：打一行"帮我做个玄幻打斗爽剧"，然后指望它直接吐出一条能发的成片。这条路走不通。我的做法是反过来想——把它当成一个剧组来指挥。传统影视是怎么拍的？编剧写本子、导演拉分镜、美术做设定、演员进组、摄影运镜、后期剪辑调色配乐。AI 短剧一步都少不了，只不过每个工种都换成了你一个人加几个 AI 工具。

所以整条链路我习惯拆成三段来记：

前期（想清楚 + 立起来）：剧本 → 分镜脚本 → 美术设计（人物 / 神兽 / 道具 / 场景）
中期（生出来）：视频提示词 → 生视频模型出片
后期（剪出来）：剪辑节奏 → 配乐音效 → 配音 → 字幕特效 → 画质调色

这三段里，前期占的功夫最重。很多新手急着去生视频，结果画面很炫但故事稀碎、人物长得前后不一样，问题全出在前期偷懒。我给无忆研习社的读者反复强调一句话：前期每多花一分钟想清楚，中后期就少熬十分钟去补救。这套流程之所以专业，就是因为它把"运气成分"压到了最低——你在每一环都能控住结果，而不是听天由命地抽卡。

这一章不涉及具体操作，纯粹是想先把心态摆正。接下来一环一环拆。

二、前期第一步：用 AI 智能体写出一个"能拍"的剧本

写剧本这一步，工具我主要用豆包（字节的 AI 助手，能对话、能写作、能生成分镜），你也可以换成别的国产对话式 AI。用法上有个小前提：进去先把"快速模式"切成"思考模式"，再点"帮我写作"这类偏长文创作的入口——思考模式会想得更周全，出来的本子结构更完整。

（顺带一句合规提醒：ChatGPT、Sora 这类境外模型也能写，但境外模型使用需遵守国内网络与内容管理相关规定，落地发布还是以国内可合规访问的工具为主，省心。）

2.1 先把"剧本格式"规范掉，团队个人都清爽

在动笔之前，得先知道一个专业剧本长什么样。不规范的本子，自己看着乱，交给 AI 转分镜也容易错。一个标准的短剧剧本，基本结构就这么几块：

除了这套基础结构，还有几个"特殊标注"必须会，不然分镜没法精准：

• 内心独白 / 画外音：角色内心活动写"角色名（OS）：内容"，OS 就是"画外的心声"；没出场的角色的声音（比如门外有人喊）用"VO"。想强调语气，可以写"角色名（语气 OS）：内容"。
• 回忆与闪回：另起一行标"闪回"，结束时标"回到结束"；短暂的一两秒回忆可以写"插入镜头"，很长的回忆建议直接独立成一个场次。
• 字幕与空镜：交代信息用"【字幕：内容】"；没有人物、只有环境的镜头用"【空镜：场景描述】"，比如"【空镜：雨夜街道，霓虹倒映在积水中】"。空镜要和当前场景内容紧密关联，不能乱插。

举个我自己写 demo 时的片段感受一下这套格式的样子（人物、剧情都是我瞎编的，纯演示）：

第 1 集  1-1
内  古籍修复室  夜 / 雨
人物：苏窈、照夜（猫形态）
△ 苏窈坐在案前，指尖捏着细笔，修补一卷残破的古画。
苏窈（OS）：这卷画里的墨迹，好像在动。
照夜（压低声音）：别碰第三折的那道裂缝。
【字幕：子时】
△ 窗外一道闪电，画上的龙纹微微发亮。

你看，谁在说、心里想什么、画外什么声音、什么时间、什么环境，一目了然。规范化这一步别嫌麻烦，它是后面所有环节的地基。

2.2 脑子空白没灵感？先从"赛道"里找方向

我知道很多人卡在第一步：不是不想写，是压根没想法。这时候别硬憋，先去看看当下哪些题材类型（行话叫"赛道"）比较能打，从里面挑一个自己有兴趣、也能对标出感觉的方向。我梳理了一份比较主流的 AI 短剧赛道清单，顺手把每个赛道大致对标的知名作品也列出来——注意，这些对标作品只是帮你找"我想要那种感觉"的参照物，不是让你去抄袭或直接搬人家的角色、剧情，商用更要留意版权。

选赛道的逻辑很简单：先看哪个方向的"那种感觉"最戳你，把它定成大方向，再往里塞你自己的独特元素。哪怕你本来就有想法，也可以先看看你的点子落在哪个赛道，参照那个赛道去把画面标准往上拉。

2.3 和 AI"共创"剧本的提示词框架

定好方向，就该跟 AI 聊了。我不主张一句话糊弄它，而是给它一个结构清晰的需求框架，它才好发挥。我自己用的框架大概是这样几块：

【风格】东方风 / 西方风 / 赛博风……先定大基调
【赛道】从上面十个赛道里选一个
【核心元素】想在剧里体现的东西（越具体越好，能类比就类比）
【时长】这段短剧大概几分钟（新手先从 3 分钟练手）
【效果占比】打斗 / 情感 / 悬疑各占多少（比如打斗多一点，穿插情感戏）
【特殊要求】比如"中国元素要浓""古今融合以现代为主"

把这几块填清楚丢给 AI，它就能给你一版初稿。这里有个我很看重的细节：给 AI 的元素最好带一个"参照类型"，它理解得更准。比如你想做"机甲 + 三国"，与其干说"机甲三国"，不如写"在剧本里融入三国经典角色设定、机甲改造成青铜纹样风格"，出来的东西会贴谱很多。至于具体融合什么、加不加神话神兽（比如从《山海经》里挑一只你喜欢的），完全看你个人喜好，这正是你的作品跟别人拉开差距的地方。

第一版出来往往还很笼统，甚至它会直接给你一个粗糙的分镜。别急着要分镜，先让它把文字版剧本写好——就是像看小说一样能清楚看到剧情推进的那种完整故事线。然后你就开始跟它反复磨：主角性别、性格、和神兽的关系、时间线是纯古代还是古今融合……我个人偏好古今融合、以现代为主，因为观众代入感更强，一个活了很久的守护者带着一只神兽隐于市井，这种设定天生有故事。

2.4 让本子上台面的"三板斧"

跟 AI 磨剧本，我总结出一套很好用的顺序，就三步：

第一步，升质感。 有一句提示词特别灵，我经常拿来收尾——让 AI"以某位知名导演的电影质感来编写这个剧本"。就这么短短一句，整个本子的画面感、氛围、镜头意识会明显上一个台阶（如果是做音乐类内容，同理可以让它参照某位知名音乐人的风格）。

第二步，改大方向。 通读一遍，按你的意愿把剧情主干调对。比如觉得全程古代太闷，就让它改成古今融合；觉得战斗方式老套（又是符咒又是刀枪），就让它设计个新颖点的打法。

第三步，抠细节。 大方向对了，再让 AI 逐处优化细节：反派形象太无聊就结合神话故事重设，配饰道具不够精致就单独打磨。

按"升质感 → 改大方向 → 抠细节"这个顺序走一轮，一个能拿得出手的本子基本就成型了。我必须再强调一次：好剧本没有一键生成这回事。如果人人都能一键生成好本子，那"好"这个字本身就没意义了。它一定是注入了你个人的想法和审美，一点点磨出来的。一开始没灵感很正常，只要你动笔了，想法会自己往外冒——这一点我可以跟无忆研习社的读者打包票，去试就知道了。

三、把剧本变成"能喂给模型"的分镜脚本

本子写完只是完成了一半。文字剧本没法直接生成视频，你得先把它翻译成分镜脚本——说白了，就是把每一场戏拆成一个个具体镜头，标清楚这个镜头拍什么、多长、什么景别、怎么运镜。这一步是连接"故事"和"画面"的桥，特别关键。

3.1 先出一张专业的分镜表

我的做法是把剧本丢回给 AI，先让它"充分理解这个剧本，再帮我把第一场细分成镜头脚本，规划好每个镜头的时间，要求包含近景、中景、远景多个镜头角度，不要固定镜头"。这段话里有几个点是刻意加的：让它自己规划时长（省得你一个个想，后面再手动微调）；要求多种景别和角度（一个视频如果所有镜头都一个焦段、一个机位，看着会特别呆）。

生成出来是一张挺专业的分镜表，字段大概长这样：

3.2 表格好看，但"文字版分镜"更好用

分镜表适合你自己看结构，可真到了生视频那一步，我更推荐让 AI 再输出一份文字版分镜。理由有二：文字版读起来画面感更强，一句话就是一个连贯的镜头描述；更重要的是，文字版分镜可以几乎原样拿去当视频提示词用，中间少一道转换，出错率低。

这里有个能显著提升准确度的技巧：在让它写文字版分镜前，把你美术环节做好的人物、场景参考图的形象描述先喂进去。比如告诉它"图一是女主苏窈，图二是日常猫形态的照夜，按这两个形象参考来写第一场的文字版分镜提示词"。这样它写出来的提示词就会精确对应你设计好的形象，而不是自己瞎发挥。如果你没给参考，它就只能照剧本里的文字人设去脑补了。

3.3 用"大白话"让 AI 帮你写专业视频提示词

不是每段镜头都在你原剧本里。拍着拍着你可能突然想加一个