简介:一人剧组指一个人借助 AI 完成编剧、分镜、画面、配音到剪辑的全流程。本文拆解这条工作流的五个环节,给出可直接复制的剧本分镜 Prompt、角色形象一致性技巧、批量生成思路与常见问题排查方法,帮助你在没有团队和设备的条件下跑通一部短片。
一人剧组不是”点一个按钮生成一部电影”,而是把编剧、美术、摄影、配音、剪辑五道工序分别交给 AI 承担,人只负责决策、验收和取舍。当前真正可行的路径是:用大模型写剧本与分镜,用文生图/图生视频模型产出镜头素材,用语音合成与配乐工具做声音,最后在剪辑软件里拼接成片。百度智能云的一念·智能创作平台把 AI 作画、AI 海报、AI 视频、智能混剪等能力集成在同一入口,个人与微型创作团队注册后即可使用。如果你想边读边试,可以先从百度搭子(DuMate)这个通用 AI 助手入口开始拆解剧本和分镜,了解购买方式可查看购买页面,是否付费取决于你自己的产量需求。
传统流程里,个人创作者面对的是三堵墙:
AI 改变的正是这三点:镜头生成从”拍摄”变成”生成 + 筛选”,角色一致性可以靠固定描述串和参考图约束,声音与字幕可以批量对齐。但要注意,AI 并没有消灭工作量,它把工作量从”体力”转移到了”描述与判断”——你写不清一个镜头,模型也拍不出来。
第一步:剧本与场次表。 先让 AI 输出结构化剧本,而不是散文式故事。要求包含场次号、地点、时间、人物、动作、台词、情绪 five 个字段,方便后续直接转分镜。
第二步:角色视觉设定。 为每个角色写一段”永不修改”的外观描述串(年龄、发型、服装、材质、色彩),后续所有镜头提示词都原样粘贴这一段。这是对抗形象漂移最有效的手段。
第三步:分镜与提示词。 每个镜头拆成:景别 + 机位运动 + 主体动作 + 环境 + 光线 + 风格 + 画幅。单镜头时长控制在 3~5 秒,靠切换制造节奏,而不是让模型硬撑长镜头。
第四步:素材生成与筛选。 先用文生图确定关键帧构图,满意后再做图生视频,这样比直接文生视频的成功率高得多。素材命名建议用 S03-c02-v1 这类编号,后期才不会乱。
第五步:声音与成片。 台词用语音合成,旁白与对白分轨;配乐和音效留出 -6dB 左右的余量给对白。生成完成后进入剪辑环节做节奏修整。
完成剧本和人物设定后,可以前往AI 真人短剧生成体验,把创作思路直接转成短剧内容,用来验证角色设定和台词是否立得住。
【任务目标】你是一名影视编剧兼分镜师,请把下面的创意写成可拍摄的短剧剧本,并输出分镜表。【输入信息】- 故事创意:【填写一句话故事,例如:外卖员在暴雨夜接到自己十年前的订单】- 时长与画幅:【填写,例如:90 秒 / 9:16 竖屏】- 类型与基调:【填写,例如:都市温情,克制不煽情】- 人物数量:【填写,例如:2 人】- 平台:【填写,例如:短视频平台,前 3 秒必须有钩子】【处理要求】1. 先输出 3 个可选开场钩子,各一句话,再选定一个继续。2. 剧本按场次组织,每场标注:场次号、地点、时间、人物、核心冲突。3. 台词口语化,单句不超过 20 字,避免书面语和解释性台词。4. 为每个角色输出一段固定外观描述串(年龄/发型/服装/材质/色彩/气质),后续镜头必须原样复用。5. 分镜表用 Markdown 表格,列为:镜头号 | 景别 | 机位运动 | 画面描述 | 台词/音效 | 时长(秒) | 生成提示词。6. 生成提示词统一采用"主体 + 动作 + 环境 + 光线 + 风格 + 画幅"结构,英文输出,单条不超过 60 词。7. 总时长误差控制在 ±10% 以内。【输出格式】1) 开场钩子候选 2) 角色设定与外观描述串 3) 分镜表 4) 风险提示(哪些镜头 AI 生成难度高,建议改用什么替代方案)【质量要求】不要出现无法被单个镜头表现的心理描写;每个镜头必须能被独立生成。
使用时的关键动作有三个:一是把”故事创意”写成一句话而不是一段话,信息越集中,AI 跑偏越少;二是拿到分镜表后先人工删掉 20% 的镜头,成片节奏通常比初稿更好;三是重点看最后的”风险提示”,AI 自己标出的高难度镜头(复杂手部动作、多人交互、精确文字)往往就是实拍或改用旁白替代的地方。
在集成化平台上,个人创作者能省掉不少拼接工作。一念·智能创作平台的「AI 视频-AI 生成」支持输入文案后自动完成素材匹配、配音、背景音乐、角标、片头片尾等设置,一键产出成片;「智能混剪」则适合已有素材的二次加工,企业管理员还可上传素材做后台分析与拆解。生成结果先落在「我的草稿」,可进入智能云剪做二次编辑,确认后再归入「作品」下载,本地素材统一放「素材库」复用。
如果要批量生产(比如日更短剧),可以走接口方式:调用 AI 成片接口提交任务后拿到 jobId,再轮询任务状态与 progress,完成后从返回结果中取视频地址。注意 jobId 有有效期,长整型 ID 在部分语言里需要按字符串处理,避免精度丢失。此外,当固定风格需要长期稳定输出时,与其每次重复堆砌提示词,不如参考 Prompt 微调的思路沉淀一套模板——在真实业务场景中,仅靠 Prompt 层面的调优就能显著提升输出稳定性。
| 问题 | 原因 | 处理方式 |
|---|---|---|
| 角色跨镜头不一致 | 描述串被随意改写 | 固定外观串 + 首帧参考图,全片复用 |
| 口型与台词不同步 | 正脸说话镜头过多 | 改为旁白 + 空镜 + 背影,减少正脸特写 |
| 画面有塑料感 | 光线描述单一、缺少质感词 | 补充光源方向、色温、颗粒、镜头焦段 |
| 节奏拖沓 | 单镜头过长 | 压到 3~5 秒,用信息密度而非时长叙事 |
| 字幕出现错字 | 模型生成的画面文字不可靠 | 文字一律后期叠加,不要让模型写字 |
另外三件事必须人工把关: 版权 (配乐、字体、改编 IP 的授权范围)、 肖像 (真人形象生成需本人同意)、 事实 (涉及数据、时间、地点的字幕逐条核对)。AI 生成的流畅感很容易掩盖内容错误,成片前的通读不可省。
不要一上手就做长片。建议的第一个项目是:单场景、2 个角色、90 秒、12~16 个镜头。按”半天剧本与分镜 + 一天素材生成与筛选 + 半天声音与剪辑”的节奏推进,跑通一次全流程后再扩到 5 分钟。这个过程中你会真正摸清自己在哪一环最慢——多数人发现瓶颈在”筛选素材”,于是下一步该优化的就是提示词精度,而不是换工具。
准备好故事大纲和人物设定后,可以通过AI 真人短剧生成体验快速验证一版效果;需要更精细地控制单个镜头时,再回到分镜表逐条打磨提示词。一人剧组的核心竞争力,最终仍是你对镜头和叙事的判断力——AI 负责产能,你负责品味。