简介：从剧本构思、分镜生成到视频合成，拆解一套可落地的 AI 短剧制作流程。本文结合实际操作经验，说明每个环节的工具选择、提示词写法、常见问题与优化方法，帮助个人创作者以极低成本完成一部结构完整的短剧。
短剧的火热不需要再铺垫，但传统制作门槛确实让大多数人望而却步。现在借助 AI 工具，一个人配合一台电脑，已经可以完成从剧本到成片的完整制作。本文不空谈概念，直接拆解每一步怎么做、会遇到什么问题、如何调整。如果你想先体验成品效果，可以通过 DuMate 使用链接 进入 AI 创作环境，或直接尝试 AI 真人短剧生成体验，把故事创意快速转化为短剧内容。需要了解 DuMate 的获取方式，可以参考 DuMate 购买链接。
动手之前，先回答三个问题：
不建议一上来就做复杂多线剧情。单人制作优先选择“场景少、对话密、反转强”的结构。例如：一个办公室深夜加班的人收到一条匿名消息，发现对方就在同一层楼。这类设定场地集中、人物少，AI 生成一致性更容易控制。
剧本阶段最容易被低估。很多人直接让 AI 写一段故事就开始生图，结果角色长相来回变，场景对不上。正确做法是把“剧本”和“分镜脚本”分开处理。
给大语言模型一个明确的结构要求：
你是一名短剧编剧。请根据以下设定创作一个 3 分钟短剧的故事大纲，要求包含：主角信息、核心冲突、开端-发展-高潮-结尾四部分，每部分不超过 100 字。
类型：【填写类型，如都市悬疑】
主角：【填写简要描述】
核心冲突：【填写一句话矛盾】
分镜脚本必须具体到“能直接喂给生图工具”。每一幕建议包含以下字段：场景、人物、动作、对白、镜头、画面描述。
示例：
| 幕 | 场景 | 人物 | 动作/对白 | 镜头 | 画面描述 |
|---|---|---|---|---|---|
| 1 | 办公室夜 | 林默 | 盯着电脑，皱眉 | 中景 | 夜晚办公室，林默短发、黑框眼镜、灰色卫衣，显示器冷光照在脸上 |
| 2 | 同上 | 林默 | 收到匿名消息：“我在你背后” | 特写 | 手机屏幕亮起，林默瞳孔收缩 |
人物外貌必须在第一幕就固定下来，后续所有分镜沿用同一描述。这一步直接决定后面 AI 生图是否“变脸”。
角色一致性比画面精美度更重要。观众能接受画面风格化，但不能接受同一角色三秒换一张脸。
实操方案有三种：
如果不想在本地配置复杂环境，可以先通过 AI 真人短剧生成体验 直接输入角色设定和分镜描述，观察生成效果，再决定是否需要深入 ComfyUI 工作流。
推荐的人物描述格式：
林默：25岁男性，黑色短发，黑框圆眼镜，灰色连帽卫衣，体型偏瘦，肤色偏白，表情常带疲惫感。保持所有画面中发型、服装、眼镜不变。
拿着分镜脚本逐幕生成静态画面。提示词格式建议固定：
【人物描述】+【场景描述】+【动作】+【镜头类型】+【光线与氛围】+【风格关键词】
示例 Prompt：
林默，25岁男性，黑色短发，黑框圆眼镜，灰色连帽卫衣，坐在办公室工位前，双手放在键盘上，抬头看向门口，中景，夜晚办公室，显示器冷光为主光源，浅景深，写实风格，电影感
生成后不要急着进视频环节。先做一轮“画面一致性检查”：把同一角色的所有分镜图放在一起对比，筛选掉明显走形的画面，重新生成。
目前 AI 视频生成工具普遍不适合长镜头。单段 3～5 秒是最稳的区间。超出这个时长，人物动作容易崩坏，物体扭曲概率上升。
操作建议：
配音推荐使用 TTS 语音合成，选择与角色匹配的音色，语速稍慢于日常对话。BGM 可以用 AI 生成工具，输入情绪关键词如“悬疑、紧张、低音脉冲”生成背景音乐。音效如脚步声、键盘声，优先使用音效库，AI 生成音效目前可控性还不够。
剪辑环节的核心是节奏。短剧节奏快，单场景停留不超过 10 秒。剪辑顺序建议：
变脸问题：固定人物描述词，优先使用支持角色一致性的模型或平台。同一角色不要在不同幕中更改发型、服装。
动作僵硬：图生视频时用简单明确的运动描述，避免复杂动作。例如“缓慢走近镜头”优于“先拿起杯子，再转身走向门口，同时表情从惊讶变为愤怒”。
对白与口型不匹配：优先用中景和远景镜头带过对白，特写镜头留给无对白或短句场景。
生成结果不符合预期：不要一次生成整部剧。先做“单幕验证”——生成第一幕的画面和视频，确认风格与一致性后，再批量推进。
整个流程跑通后，单集节奏可以压缩到一天以内。关键不在于工具多强，而在于分镜描述是否精确、角色设定是否固定、每段素材是否控制在 AI 能力边界之内。更完整的工具体验，可以访问 DuMate 使用链接，了解 AI 创作场景的更多入口和产品信息。