一人剧组实操指南：AI短剧脚本、分镜与剪辑全流程

想独立做一部短剧，过去需要编剧、摄影、美术、剪辑至少四五个角色；现在一个人加一套AI工具就能跑通全流程。核心思路是把“创作”拆成可被AI承接的环节：剧本→分镜→角色与场景→视频素材→剪辑与声音，每个环节你负责决策和把关，AI负责生成和迭代。

如果你希望边看边动手，可以先从百度搭子DuMate进入，用它完成剧本、分镜、文案等文本环节；需要了解购买方式可查看DuMate购买页。下文会按流程逐段说明怎么用、怎么改、怎么判断结果是否合格。

一、先想清楚：AI短剧的工作流长什么样

传统短剧制作的难点在于“环节之间互相等待”：等剧本定稿才能画分镜，等分镜确认才能布景拍摄，等拍摄完成才能剪辑。AI介入后，最大的变化是每个环节都可以低成本试错——剧本不满意重新生成，分镜不满意改描述重画，镜头不满意换种子重跑。

推荐的工作流是：

1. 创意与剧本：确定题材、人物、冲突，用文本AI生成分场大纲和台词脚本；
2. 分镜设计：把脚本拆成镜头表，写明景别、机位、画面内容、时长；
3. 角色与场景设定：用图像AI生成角色定妆图和场景概念图，固定视觉风格；
4. 视频素材生成：以图像为参考，用视频生成工具产出每个镜头；
5. 剪辑与声音：拼接镜头、调节奏、配乐配音、加字幕；
6. 检查与迭代：逐镜头核对连贯性，回到薄弱环节重做。

二、剧本环节：把“想法”变成可拍摄的脚本

很多人卡在第一步，不是没想法，而是想法太笼统。AI文本工具能帮你做的是结构化：把一句“我想拍一个外卖员逆袭的故事”扩写成有场次、有冲突、有台词的分场脚本。

操作步骤

1. 准备三样输入：题材与受众、主要人物设定（姓名、身份、欲望、弱点）、总时长与集数；
2. 让AI先出故事梗概（200字以内），确认方向后再展开分场；
3. 要求输出为表格：场次、地点、时间、出场人物、剧情功能、关键台词；
4. 人工检查冲突是否集中、每场是否有推进，删掉“只交代信息不产生变化”的场次。

可复制Prompt

【任务】为一部竖屏短剧生成分场脚本。
【输入】题材：【填写题材，如都市逆袭】；受众：【填写受众】；总时长：【填写，如3分钟/集，共5集】。
主要人物：【人物A：身份、目标、弱点】【人物B：身份与人物A的关系】。
【要求】1) 先输出200字故事梗概；2) 再输出分场表，字段为：场次/地点/时间/出场人物/剧情功能/关键台词；3) 每场必须有情绪或信息上的变化，禁止纯交代性场次；4) 台词口语化，单句不超过20字。
【输出格式】梗概一段+分场表。

生成后不要直接开拍。重点核对两点：主线是否一条（短剧最忌支线过多）、前15秒是否有钩子。不满意就带着具体意见让AI改，例如“第2场冲突太弱，改成人物A当场被辞退”。

剧本定稿后，如果你还想快速验证成片效果，可以到AI真人短剧生成体验尝试把创作思路转为短剧内容，作为正式制作前的方向参考。

三、分镜设计：把文字变成“镜头清单”

分镜是AI短剧最容易出问题的环节。文字脚本写“他愤怒地转身离开”，视频模型需要知道的是：景别、机位、人物朝向、动作幅度、背景环境。分镜表就是把文学描述翻译成视觉指令。

分镜表建议字段

字段	说明
镜号	顺序编号，便于剪辑对位
景别	远景/全景/中景/近景/特写
画面内容	谁、在哪、做什么、什么表情
机位与运动	固定/推/拉/摇/跟
时长	单镜头建议2～5秒
台词/音效	对应台词或环境声

可复制Prompt

【任务】把下面的分场脚本拆成可执行的视频分镜表。
【输入】脚本：【粘贴已定稿的分场脚本】。
【要求】1) 每场拆为2～6个镜头；2) 每个镜头给出：镜号/景别/画面内容（人物+动作+环境+表情）/机位运动/时长（秒）/台词或音效；3) 画面内容必须具体到可被视频模型理解，避免“氛围感”这类模糊表述；4) 对话场景优先用近景与特写交替，避免长时间固定全景。
【输出格式】按场次分组的表格。

拿到分镜表后，用“能否只凭这一行文字想象出画面”来自检。想象不出来的行，就是视频生成时会翻车的地方，需要补细节。

四、角色与场景：先固定视觉，再谈生成

AI视频最怕“同一个角色每个镜头长得不一样”。解决办法是先产出角色定妆图和场景概念图，把它们作为后续视频生成的视觉锚点。

关键要点

• 角色设定图：正面、侧面、半身至少各一张，写清年龄、发型、服装、气质；同一角色多次生成时，把首次满意的描述保存为固定“角色Prompt”；
• 场景概念图：确定色调、光线、空间结构，同一场景的不同机位尽量基于同一张图延展；
• 风格统一：全剧统一一个视觉风格描述（如“写实电影感、冷色调、浅景深”），避免每集风格漂移。

如果只是需要快速产出角色头像或场景示意图，可以用AI头像生成体验先做出角色视觉参考，再进入视频环节。

五、视频生成：用参考图控制一致性

目前主流视频生成工具普遍支持“多模态参考”：你上传角色图或场景图，再配文字描述动作与运镜，模型会在保持人物外观的前提下生成动态镜头。

实操建议

1. 一镜一生成：不要试图让模型一次生成整场戏，按分镜表逐个镜头产出；
2. 描述聚焦动作与运镜：参考图已负责“长相和环境”，文字重点写“他抬手看表，镜头缓慢推近”；
3. 控制时长：单镜头2～5秒最稳定，长镜头拆成多个短镜头再在剪辑中拼接；
4. 多跑几条选一条：同一描述生成3～5个版本，挑动作最自然、无肢体畸变的那条；
5. 记录可用参数：把效果好的描述、参考图、随机种子记下来，便于补拍同风格镜头。

可复制Prompt（视频生成描述）

【参考图】上传：角色A定妆图 + 场景概念图。
【画面描述】中景，角色A站在【地点】，【动作：如低头整理外卖箱后抬头看向镜头】，表情【如疲惫但坚定】。
【运镜】镜头从平视缓慢推近至近景。
【风格】写实电影感，冷色调，浅景深，竖屏9:16。
【时长】4秒。
【限制】不出现多余人物，手部动作自然，避免面部扭曲。

生成结果检查清单：人物是否与定妆图一致、手指和肢体有无畸变、动作是否完整、背景是否穿帮。任何一项不合格就重跑，不要指望剪辑能救回畸变镜头。

六、剪辑与声音：把碎片拼成“剧”

剪辑阶段的任务不是炫技，而是保节奏、保连贯、保信息。

• 粗剪：按分镜表顺序拼接，先不管转场，只看故事是否讲得通；
• 调节奏：短剧前3秒必须有事发生，删掉所有“等待感”镜头，对话场景可适当跳切；
• 转场：同一场景内硬切为主，跨场景用动作或声音衔接，少用花哨特效；
• 声音：配音优先于配乐，环境声垫底，音乐只在情绪转折处进入；
• 字幕：竖屏短剧字幕是刚需，注意断句与安全区，别被平台UI遮挡。

配音也可以用AI语音工具完成：把台词按角色分轨生成，注意语速与情绪标记（如“急促”“压低声音”），生成后逐句试听，机械感强的句子改写口语化后重生成。

七、常见问题与优化方向

角色每个镜头都不一样怎么办？ 回到角色定妆图，确保每次生成都上传同一张参考图，并复用同一段角色描述；仍不一致时，减少镜头中的大幅动作。

视频动作僵硬、肢体畸变怎么办？ 缩短单镜头时长、简化动作描述（一次只做一个动作）、增加生成次数筛选。

成片像PPT怎么办？ 检查分镜是否景别单一。补几个特写和运动镜头，剪辑中增加跳切与音效点。

剧情平淡没人看完怎么办？ 问题多出在剧本而非制作。回到分场表，把冲突提前、把台词删短、把前15秒改成“异常事件”。

八、把流程跑起来的建议

第一次做不必追求完美成片，建议先用1集、3分钟、10个以内镜头的体量跑通全流程，熟悉每个环节的“输入—输出—检查”节奏后再扩集。文本环节（剧本、分镜、字幕、发布文案）可以集中在百度搭子DuMate里完成，减少工具切换；视觉与视频环节则按上文方法逐镜头推进。整条流程跑顺后，你会发现“一人即剧组”真正考验的不是工具，而是你能否把每个环节的需求描述清楚、把不合格的结果果断打回重做。