简介:本文直接回答"AI短剧怎么做":把制作过程拆成剧本生成、角色设定、分镜脚本、分镜图、图生视频、配音字幕与成片合成六个环节,逐环给出可复制的 Prompt、参数设置建议、常见问题排查思路和工具选择标准,帮助零基础创作者跑通并产出第一部完整短剧。
AI 短剧目前做不到输入一句创意就直接得到成片。真正可落地的做法是把它拆成六个环节: 剧本 → 角色设定 → 分镜脚本 → 分镜图 → 图生视频 → 配音/字幕/音乐 → 合成成片 。AI 在每一环都能大幅提效,但”角色一致性”和”镜头连贯性”仍然需要人来把关。
传统短剧需要编剧、美术、拍摄或动画、剪辑、配音多方协作,一部 3 分钟的作品周期常以周计。AI 把周期压缩到小时级,代价是你要同时承担”编剧 + 导演 + 监制”三个角色,做大量选择和返工。如果你希望先把创意和分镜思路梳理清楚,可以直接在百度搭子 DuMate里开始尝试,也可以先了解购买方式与套餐说明,这只是可选入口,梳理思路本身并不需要付费。
跳过这一步是新手最大的时间浪费源。
| 项目 | 需要明确的内容 | 为什么重要 |
|---|---|---|
| 题材与受众 | 都市逆袭、悬疑反转、古装甜宠、职场科普 | 决定台词密度与镜头节奏 |
| 时长与集数 | 单集 60~90 秒竖屏,或 3~5 分钟横屏 | 决定分镜数量与预算 |
| 画幅规格 | 竖屏 9:16(1080×1920)或横屏 16:9 | 影响构图与素材生成尺寸 |
| 风格锚点 | 写实、国漫、日式动画、胶片质感 | 全片统一风格的唯一依据 |
经验值:60 秒竖屏短剧大约需要 12~20 个镜头,每镜头 3~5 秒。分镜数量一旦确定,后面的工作量就可以估算了。
剧本不要一次让 AI 写完整篇,先出大纲,再逐集细化,最后拆分镜。下面这段 Prompt 可以直接用:
你是一位资深短剧编剧兼分镜师。请基于以下信息完成短剧前期创作。【题材与受众】填写题材,例如:都市职场逆袭,面向 25-35 岁女性观众【核心冲突】填写一句话主线,例如:被抢功劳的实习生用一份数据反杀上司【总时长与集数】例如:单集 75 秒,共 3 集【风格基调】例如:快节奏、强反转、台词凌厉【画幅】9:16 竖屏请依次输出:1. 三集故事大纲,每集包含"开场钩子—冲突升级—结尾反转"三段结构;2. 角色表:姓名、年龄、身份、性格标签、与主角关系、核心欲望;3. 分镜脚本表格,列为:镜号 | 时长(秒) | 画面内容 | 镜头运动(推/拉/摇/移/固定) | 景别(远/全/中/近/特写) | 台词或旁白 | 音效与音乐提示。要求:- 台词口语化,单句不超过 20 字,适配配音节奏;- 前 3 秒必须出现强钩子;- 每个镜头只描述一个动作,避免一个镜头塞多个事件;- 不要输出解释性文字,直接给结果。
拿到分镜表后,重点检查三件事:单镜头时长是否超过 5 秒(超过就拆)、台词是否能在该时长内念完(中文约每秒 4~5 字)、相邻镜头的空间关系是否清晰。
这是 AI 短剧最容易翻车的地方。角色在第一个镜头是短发,第三个镜头变长发,观众立刻出戏。解决办法是 先固化角色,再生成分镜 :
28岁亚洲女性,齐肩黑色直发,米白色西装外套,内搭浅灰针织衫,眼神锐利。角色定妆图确定后,可以前往AI 真人短剧生成体验,把人物设定和剧情思路放进去,看看 AI 会如何把它转化为短剧内容,再据此调整你的角色描述精度。
分镜图是把文字分镜变成可视画面的中间产物,作用有两个:验证构图、给图生视频提供首帧。
生成时建议按帧类型区分用途:
实操要点:同一场景的所有分镜共用一份场景描述词;人物在画面中的站位、朝向要连续;生成时固定画幅比例,避免后期裁切破坏构图。
图生视频比文生视频可控得多,因为首帧已经锁定。这一环的建议:
到这一步,素材已经齐了,剩下的是”组装”。现在很多一站式创作平台已经把配音、字幕、素材匹配做成了自动化流程:输入文本、图片、视频、背景音乐等参数创建任务,平台自动完成配音、加字幕、素材匹配等环节,任务完成后通过查询获取视频地址。这类能力通常同时提供界面操作和 API 两种方式,界面里可以依次完成布局、标题、模板、配音、背景音乐、角标、片头片尾等设置,再一键生成。
配音环节注意三点:语速与字幕长度匹配;同一角色固定音色;情绪起伏靠断句而非提高音量。如果后续要做海外分发,还可以用视频翻译能力,把成片转成其他语言版本并做口型同步。
| 问题 | 常见原因 | 处理方式 |
|---|---|---|
| 角色变脸、服装变化 | 每次重新描述外观 | 固定外观描述词 + 定妆图垫图 |
| 画面抖动、肢体畸变 | 运动指令过多、幅度过大 | 单镜头单动作,降低运镜幅度 |
| 口型与配音不同步 | 配音时长与镜头时长不匹配 | 先配音再定镜头时长,或调整语速 |
| 节奏拖沓 | 单镜头过长、缺少钩子 | 拆镜头,前 3 秒放冲突 |
| 提交任务被拒绝 | 图片低质或格式错误、文本过短或标点过多、内容含敏感信息 | 更换素材、补足文本、修改内容后重提 |
| 任务排队久、报并发超限 | 并发数不足 | 错峰提交,或在控制台购买对应资源包 |
开源社区里已经出现了一些把整条链路串起来的 AI 短剧自动化项目,思路都是用大语言模型解析剧本、提取角色与分镜信息,再用文生图生成角色和场景,最后用文生视频与图生视频产出分镜片段。挑选这类工具时,建议重点核对四项能力:是否支持批量角色生成与角色图片管理、是否支持首帧/关键帧/尾帧/分镜板等帧类型选择、是否有统一素材库与本地存储、是否支持资源导入导出以便迁移。这四项决定了你在返工时的成本高低。
生成完成后,按这个顺序过一遍:故事线是否讲得通 → 角色是否全程一致 → 镜头空间关系是否连贯 → 台词与字幕有无错字 → 音画是否同步 → 音量是否统一 → 片头 3 秒是否抓人。任何一项不过关,回到对应环节重做,不要在剪辑阶段硬修。
AI 短剧的核心竞争力从来不是”用了哪个模型”,而是 剧本的信息密度 + 角色设定的一致性 + 分镜的镜头意识 。把这三件事做扎实,工具只是放大器。建议第一部作品先做 30~60 秒单集,把全流程跑通一遍,再逐步加长和增加集数。