# 怎样用AI制作短剧？4分钟AI真人短片完整实操指南与避坑心得

做AI视频，真的没有想象中那么简单。一部4分钟的AI真人短片，背后往往是连续20多天的熬夜蹲守：白天输入提示词，第二天早上看结果，不行就重来，能用才继续推进下一个15秒片段。

踩了不少坑，也摸出了门道。如果你也想尝试用AI制作短剧，直接拿走这套可执行的实操指南。在正式进入硬核制作流程前，建议先通过百度搭子（DuMate）了解当前AI工具的基础能力，或者在完成剧本大纲和人物设定后，前往AI 真人短剧生成体验尝试将创作思路转化为短剧内容。如果想深入体验更多AI辅助功能，也可以了解DuMate购买方式。

下面，我们直接拆解制作AI短剧的核心难点与完整流程。

一、核心痛点：角色一致性怎么保证？

做AI短片，最致命的问题就是角色一致性。如果主角每隔15秒就变一张脸，片子根本没法看。

传统做法的局限与进阶解法：

最开始的做法是先用提示词生成角色图片，再用图片生成视频。但这样只能保证单帧画面相似，声音音色和动作连贯性很难维持。

进阶做法是“视频参考法”：用图片生成第一个15秒视频，然后把这段视频上传，在新的提示词里继续引用同一个角色和场景。好处很明显，声音音色能保持一致，画面感也连贯；代价是双倍积分消耗。

避坑指南： 千万不要上传带有“人物近景”的视频片段作为参考！系统会直接识别为真人信息，改提示词也没用，直接卡死。

二、审核限制：人脸越来越难绕怎么办？

随着平台审核收紧，AI生成的人脸越来越容易被识别为真人信息。一个全景画面里，只要有两个人的侧脸，基本都过不了审核。

解法1：改用手绘风格。 有人尝试把人物改成手绘或动漫风格来绕过限制，但这破坏了“真人短片”的初衷。
解法2：纯场景图反推法。 这是我目前摸索出最可行的方法：直接把画面里的人物去掉，生成纯场景图。然后再用这张场景图反推提示词，用提示词把人物“放回去”。虽然步骤繁琐、效果未必完美，但起码能跑通。

三、工具选择：差距到底有多大？

在生成工具上，不同产品的特性差异巨大。以目前主流的即梦和可灵为例：

• 即梦： 最大痛点是“排队”。时间根本看不到头，据说半夜排队人少，只能熬夜硬抗。但它的优势是全能参考能力强，生成两遍基本能出可用素材，声音和画面匹配度高。
• 可灵： 图片生成理解力相对较弱，视频生成时经常出现声音对不上、角色换脸、表情滑稽等问题。它更擅长“首尾帧生成”，如果指望它做全能参考，多跑几遍只会浪费灵感值。

四、AI短片完整制作流程与实操指南

这是我摸索出来的一套可执行流程，无论使用哪种AI工具，这套逻辑都适用。

第一步：写故事

用AI助手写故事大纲。不需要玄学提示词，明确告诉它你的题材和核心冲突即可。

第二步：转成剧本

把故事拆成可执行的分场剧本，包含场景、时间、人物、台词。

第三步：生成分镜头脚本

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。这一步越细，后续生成视频时翻车率越低。

你可以直接复制以下提示词来完成这三步：

【角色设定】
你现在是一位专业的影视编剧和分镜导演。
【任务目标】
请根据我提供的【故事大纲】，将其转化为包含分场剧本和详细分镜头脚本的完整文档。
【输入信息】
故事大纲：【一个在赛博朋克城市中，失业快递员为了给女儿买生日礼物，潜入大公司偷取量子芯片的短故事】
【处理要求】
1. 剧本结构：分为分场剧本和分镜头脚本两部分。
2. 分场剧本：明确标注场次、场景、时间（日/夜）、人物、剧情描述、核心台词。
3. 分镜头脚本：以表格或列表形式输出，必须包含：镜号、景别（特/近/中/全）、角度、运镜方式、画面内容描述、道具、服饰、台词、情绪氛围。
4. 细节要求：画面描述需具体可执行，不要使用抽象词汇；明确人物动作与镜头运动的配合。
【预期输出格式】
分场剧本：
场次一 | 场景 | 时间 | 人物 | 剧情描述 | 台词
分镜头脚本：
镜号 | 景别 | 角度 | 运镜 | 画面内容 | 道具/服饰 | 台词 | 情绪

第四步：生成素材与剪辑

拿到详细的分镜脚本后，按顺序生成图片或视频。遇到卡审或角色不一致，回退到前文提到的解法进行调整。最后将所有可用片段导入剪辑软件，配音、加音效、调色，完成成片。

完成基础分镜规划后，如果你想跳过繁琐的工具切换，可以尝试使用AI 真人短剧生成体验，看看AI能否直接理解上述脚本结构并生成连贯画面，从而找到最适合你的工作流。

总结

用AI做短剧是一场耐力赛。难点不在于写出多华丽的提示词，而在于解决角色一致性、规避审核限制、以及在排队和试错中保持耐心。按照“故事-剧本-分镜-生成”的流程逐步细化，遇到坑就调整策略，你也可以做出属于自己的AI短片。