AI短剧怎么做完整流程？一句话结论：先定一个能被三句话讲完的故事，再按"脚本—分镜—出图—图生视频—配音—剪辑"的流水线倒推，人物一致性比画面精美更决定成败。
很多人以为AI短剧的难点在"生成好看的画面"，实际恰恰相反。目前主流做法是先把剧本和分镜标准化，再让AI按固定角色设定批量出图、逐镜生成短视频片段，最后人工剪辑缝合。画面偶尔崩坏可以补救，但如果人物脸、服装、场景每到一个镜头就变，成片就会散架，观众前三秒就会划走。
这套流程适用于1—3分钟的竖屏剧情短片、知识类短剧、产品情景剧等轻量内容。需要提前说清一个边界：AI目前只能稳定产出"镜头级"素材（几秒一段），还做不到一句话生成完整成片。因此流程设计的关键词是"拆分"和"复用"，而不是"一键"。
一、先明确：AI短剧和传统短剧的分工差异
把流程跑顺的前提，是知道哪些环节AI能替、哪些必须人来做。下面这张表是实操中最常见的分工判断：
| 环节 | AI可承担 | 仍需人工判断 |
|---|---|---|
| 选题与剧本 | 给结构、写初稿、改写台词语感 | 判断冲突是否成立、结尾有没有钩子 |
| 分镜 | 按模板批量生成分镜文字描述 | 镜头节奏、情绪落点、景别搭配 |
| 出图/生成片段 | 角色图、场景图、几秒动态片段 | 挑素材、判断能不能用、决定重生成 |
| 配音配乐 | 多角色配音、环境音、BGM | 语气是否对、音乐会不会压过台词 |
| 剪辑 | 粗剪、字幕识别、转场 | 整体节奏、留白、最终审核 |
一句话概括：AI负责"生产素材"，人负责"做选择"。想省时间的，优先把重复劳动（分镜描述、字幕、粗剪）交给工具；不要指望AI替你判断"这个镜头好不好看"。
二、完整流程七步走
第1步 选题定设定：先想清"谁在什么困境下做什么选择"
- 用一句话写核心冲突：例如"外卖员送错单，发现收件人是多年未见的父亲"。
- 确定集数与时长的关系：竖屏短剧常见单集1—3分钟，30秒内必须出现第一个冲突点。
- 定角色卡：姓名、年龄、外貌特征（发型、服装、标志性配饰）、性格关键词。这张卡后续要反复粘贴进每一段提示词。
第2步 写脚本：按"3秒钩子—冲突—反转—留扣"四段式
让语言模型帮你写，但要把约束条件写死，否则产出会像散文。可用的提示词结构：
- 给出体裁、时长、平台、受众；
- 规定每句台词不超过15字、全片台词总量不超过25句；
- 要求输出表格：镜号 / 台词 / 画面描述 / 景别 / 时长；
- 明确"不要旁白解说，用动作和信息量推动剧情"。
产出后一定要人工删一遍：删掉解释性台词、删掉重复信息、把抽象情绪换成具体动作（"他很生气"改成"他把杯子推回桌子中间"）。
第3步 拆分镜：一个镜头只干一件事
- 时长控制：单镜头3—5秒最稳，超过6秒的镜头AI更容易出现肢体漂移。
- 景别轮换：远景交代环境 → 中景交代关系 → 近景/特写交代情绪，避免全片一个景别。
- 镜头数量参考：1分钟成片大约15—20个镜头，据此估算需要生成的片段总量。
第4步 出图：先用首帧锁定角色一致性
这是整个流程里最影响成败的一步。可执行的三个做法：
- 固定角色提示词模板：外貌描述写在同一段固定文字里，每次只改动作和场景，不要重写。
- 先生成一张"标准定妆照"，后续图生图或参考图都以它为基准，减少脸部漂移。
- 同一场戏的衣服、光线、时间点保持一致，别让上午的戏出现夜景光。
提示词可写成"主体 + 动作 + 场景 + 景别 + 光线 + 画幅"六段式，例如"短发女性，30岁左右，深色外套，坐在便利店窗边低头看手机，中景，傍晚暖光，9:16竖屏"。结构与顺序固定，比辞藻重要。
第5步 图生视频：用首帧驱动，别让AI自由发挥
- 优先用"图生视频"而非"文生视频"，画面可控性明显更高。
- 动作描述要小：给"她转头看向门口"这种单一动作，不要给"她跑下楼并钻进车里"。
- 每个镜头按1:3准备废片率，生成3条挑1条是常态。
- 手部、快速转身、多人交叠是公认易崩场景，脚本阶段能规避就规避。
第6步 配音与配乐：先定情绪，再定音色
- 用文本转语音工具按角色分配音色，注意三点：把台词按情绪分段输入（不要整段丢进去）、语速略快于正常朗读、每句之间留0.2—0.3秒气口。配乐只做氛围，音量压到台词之下，否则观众听不清对白，完播率会掉。
- 顺序：导入素材 → 按镜头对齐配音 → 卡点修剪 → 加字幕 → 调色统一 → 混音 → 导出。
- 竖屏按9:16、1080×1920导出；字幕避开平台界面遮挡区域（一般底部留约1/6高度）。
- 成片后自检：关静音看一遍能不能看懂剧情，再开声音看一遍出不出戏。
- 先做画面后想故事：做完一堆好看片段才发现串不成剧情，返工成本极高。顺序必须反过来。
- 追求" cinematic 大片感"：剧情类内容观众看的是冲突和情绪，不是画质。镜头晃动、构图朴素但转折清楚，完播率往往更好。
- 忘记口型：AI生成的人物说话时嘴不动，是目前最"出戏"的细节之一。对策是减少正脸特写讲台词，多用侧脸、背身、手部动作、空镜承载台词。
- 一镜到底式生成：想让AI一口气生成20秒连贯动作，几乎必然变形。老老实实拆成3—5秒。
- 配音与人声不匹配：老年男性角色配少年音、职场角色配撒娇音，观众一秒出戏。定音色时先试听再定。
- 肖像与声音：用真人照片、真人声音生成内容需取得授权；不得用AI合成他人形象做任何未经同意的商业内容。
- 平台标注：多数内容平台要求AI生成内容做显著标识，发布前务必确认所投平台的最新规则。
- 版权与风格：不要直接指定"某位在世画师/导演的风格"，也不要用受版权保护的角色形象。工具的服务条款里通常对此有明确限制，商用前逐条看清。
第7步 剪辑与输出：节奏优先于特效
三、常见误区：这五个坑新手几乎都踩
四、成本与工时怎么估
各平台的生成额度、价格和会员规则变动频繁，且属于商业条款，本文不给出具体价格数字，以免误导；也不建议直接采信"某平台一次生成时长提升到多少秒"这类宣传口径，务必以工具当前页面的实际能力为准。以下是可以自行估算的工时参考区间（来自常见创作者经验，非官方统计）：
| 环节 | 1分钟成片参考工时 |
|---|---|
| 选题+脚本 | 1—2小时 |
| 分镜拆解 | 0.5—1小时 |
| 出图+图生视频 | 3—6小时（含等待与重生成） |
| 配音配乐 | 0.5—1小时 |
| 剪辑成片 | 2—4小时 |
也就是说，新手做第一条1分钟AI短剧，投入一整个工作日是正常水平；熟练后主要消耗在素材筛选上。暂无公开可靠数据能证明"AI让短剧制作效率提升多少倍"——这类数字多为厂商宣传口径，建议不要写进自己的企划书。
五、三条必须知道的边界与风险
六、FAQ：几个高频疑问
问：不会画画也不会剪片，能自己做吗？
能，但剪片要学。剪辑是唯一绕不过去的人工环节，基础的时间线、卡点、字幕操作学两三个小时够用。
问：人物一致性到底怎么稳？
三个杠杆：固定的角色提示词、固定的参考图、固定的服饰设定。三者缺一，漂移概率明显上升。
问：需要多少个工具？
四类足够：文本模型（写脚本）、图像模型（出图）、视频生成（图生视频）、剪辑软件。工具数量不等于质量，流程跑通比换来换去重要。
问：真人短剧和AI短剧哪个更容易起量？
取决于题材。真人演员的情绪细节和口型目前仍难被替代；AI的优势在于场景成本低、可拍现实中拍不了的东西（年代、科幻、动物视角）。没有公开数据能给出跨题材的统一结论，建议先用一条测试片验证选题，再决定投入。
判断标准回顾与行动建议
回头看"AI短剧怎么做完整流程"这个问题，真正该记住的判断标准只有四条：故事先于画面、镜头拆到3—5秒、角色靠参考图锁定、剪辑节奏决定完播。工具会一直换，这四条不会。
行动建议：今天就做一条30秒的测试片——两句台词、六个镜头、一个人物、一个反转。不为发布，只为把"脚本→分镜→出图→图生视频→配音→剪辑"这条链路完整走一遍。走通之后，你会清楚自己卡在哪一步，也就不用再问"从哪开始了"。
