怎样用AI制作短剧？完整流程与实操避坑指南

用AI制作短剧，一句话概括就是：把一个故事拆成一条条15秒的视频片段，再拼成片。完整流程为六步——写故事、转分场剧本、生成分镜头脚本、制作角色卡、分段生成视频、剪辑合成。流程不难，但角色一致性、人脸审核、生成效率这三道坎会消耗你大量时间。本文把完整流程、可复制的提示词和实测踩坑经验一次讲清。想直接上手，可以在百度搭子DuMate里用AI辅助完成剧本与分镜创作，或前往AI真人短剧生成体验把创作思路转化为短剧内容；如需更多使用额度，可在购买页面了解获取方式。

一、AI短剧制作六步流程

第1步：写故事。自己写或让AI对话助手辅助都行，标准只有一个——改到你自己满意。故事立不住，后面所有环节都是白费。

第2步：转分场剧本。把故事拆成可执行的分场，每场写清场景、时间（日/夜）、出场人物和台词。提示词不需要“你是获得大奖的编剧”这类玄学包装，有用的就两点：告诉它它是编剧，以及你要产出什么格式的东西。

第3步：生成分镜头脚本。把每场戏细化到每个镜头的景别、角度、运镜、氛围、道具、服饰、台词、动作、情绪。分镜越细，视频生成的可控性越高。

第4步：制作角色卡。为每个角色固定一套外貌、服装、气质描述，全篇复用，这是保持一致性的基础。

第5步：分段生成视频。以15秒左右为单位逐段生成，一段确认可用后再生成下一段，避免批量翻车。

第6步：剪辑合成。拼接片段、补配音配乐、加字幕、统一调色。

二、角色一致性：最核心的问题

一套被验证可跑通的链路是：

1. 用角色卡提示词先生成角色图片；
2. 用这张图片生成第一个15秒视频；
3. 把这段视频作为参考上传，在新的提示词里继续引用同一个角色和场景——人物的音色、画面风格、整体氛围都能顺着延续。

上传视频参考的好处很明显：声音音色保持一致，画面感连贯。但代价是积分消耗翻倍，所以建议先用纯文字或图片方式验证构图与动作，确认方向正确后再上视频参考，把额度花在刀刃上。

还有一个坑必须提前知道：如果上传的参考片段里出现人物近景，系统可能直接把画面识别为真人信息，改提示词也没用，任务直接卡死。规避方法是让参考片段以中远景为主，近景和特写尽量通过图生视频单独处理。

三、人脸审核越来越严，怎么绕

即便不用视频参考，审核也在收紧——有创作者实测发现，全景画面里两个人的侧脸都可能被判定为真人信息，反复重试全部无法通过。目前可行的解法是“先去人、再放人”：

1. 先把画面里的人物去掉，生成纯场景图（环境、光线、道具齐全）；
2. 用上一张图反推提示词，再按角色卡描述把人物“放回”场景；
3. 画面尽量多用背影、侧后方、局部和空镜，台词交给音色参考与后期处理。

这一步比较麻烦，效果也未必每次理想，但至少能让流程跑通。写分镜时就应有意识地向中远景倾斜，从源头减少人脸信息。

四、视频生成平台怎么选：五个通用维度

维度	关注点
排队时长	高峰期是否排队看不到头；夜间通常人少，可错峰批量提交
图片理解力	同一段提示词生成的图片是否贴合描述，这是视频质量的前提
视频一致性	同提示词跑两遍，看角色是否换人、表情是否崩坏、声音与口型是否对得上
参考能力	是否支持图片参考、视频参考、首尾帧控制，决定一致性上限
消耗与重试成本	积分怎么扣、失败是否返还，决定试错成本

选定主力平台后，建议把角色卡、提示词模板都围绕它沉淀，频繁切换平台只会稀释经验。

五、可直接复制的三段提示词

1. 分场剧本提示词

你是一名短剧编剧。请把下面的故事改编成适合AI视频生成的分场剧本。
故事大纲：【粘贴你的故事】
要求：
1. 按场景拆分，每场包含：场景编号、地点、时间（日/夜）、出场人物、场景目的；
2. 台词口语化，每场时长控制在15~60秒，全片总时长3~5分钟、不超过10场；
3. 人物命名全篇统一，不出现"路人甲"等模糊指代；
4. 以清晰的分场列表输出，方便逐场转成视频。

2. 分镜头脚本提示词

请把下面这场戏拆成AI视频生成用的分镜头脚本。
分场剧本：【粘贴其中一场】
要求：
1. 每个镜头标注：镜号、景别（远/全/中/近/特写）、角度、运镜（推/拉/摇/固定）、时长（不超过15秒）；
2. 描述画面：人物、服饰、道具、环境、光线、氛围；
3. 写明该镜头的台词或动作及人物情绪；
4. 优先安排中远景、背影和空镜，减少人物正脸特写，降低审核风险；
5. 以表格形式输出。

3. 角色卡提示词

请为以下角色生成一套AI绘画提示词，用于保持全片角色一致性。
角色设定：【姓名、性别、年龄、身份、性格】
要求：
1. 输出一段可直接使用的中文画面提示词，涵盖发型、脸型、体型、服装、气质；
2. 特征要具体可重复，避免"帅气""漂亮"等模糊词；
3. 另给3个不同场景的变体提示词（如夜晚街头、办公室、雨中），服装发型保持不变。

实际生成视频时，按“角色＋动作＋情绪＋镜头＋场景＋氛围＋台词”的固定结构组装提示词，一次只安排1~2个动作，删掉抽象形容，换成可拍摄的具体描述。

六、常见问题与优化建议

• 片段不能用怎么办？先改提示词再重跑，不要盲目重试。多数问题出在提示词塞了太多内容：一个15秒片段只承载1~2个动作。
• 审核反复不过？优先削减人脸信息（远景、背影、局部），其次才考虑改成插画等风格化处理。
• 声音不统一？全程固定使用同一份音色参考，并在提示词中明确“使用与参考一致的声音”。
• 时间成本要有预期。有创作者做一条4分钟短片，前后熬了20多天。建议每晚批量提交生成任务，次日集中筛选可用素材，把“等结果”的时间利用起来。

写在最后

AI短剧的本质，是用工程化流程对抗生成的不确定性：故事和分镜决定上限，角色卡和参考链路决定一致性，提示词质量决定重试成本。建议先做一条1分钟的小片练手，再逐步拉长。完成故事大纲和分镜脚本后，可以前往AI真人短剧生成体验尝试把文本创作转化为短剧画面，也可以随时回到DuMate继续打磨剧本与分镜——工具已经就位，剩下的就是动手开始。