AI短剧怎么做？从创意到成片的完整流程

流程总览

竖屏微短剧是为手机屏幕制作的一系列超短剧集，每集都在一个悬念上收尾，让观众忍不住点开下一集。用AI做短剧，编剧、选角、摄制组和剪辑师的活儿都由你一个人来干。下面的顺序不能乱，因为每一步都会锁定后面步骤所依赖的东西。

钩子与剧本：抓住前三秒

观众刷得很快。前三秒必须有人物、有冲突、有悬念，不要用风景或缓慢的片名开场，直接从动作中间切入：一记耳光、一枚被摔在地上的戒指、一个知道秘密的陌生人、一句颠覆一切的台词。

• 把梗概写成一句话，包含一个目标和一个阻碍：“外卖骑手发现，下单的客人竟是当年抛弃她的父亲。”
• 先写第一句台词。它应该不需要上下文也能看懂。
• 每集都按“铺垫、转折、悬念”来设计，哪怕只有 30 秒也要有转折。
• 角色要少。每集两三个人物，保持一致性容易得多。
• 写看得见的动作，不写内心活动。模型能拍出一只发抖的手，但没有闪回镜头的话，拍不出“她想起了童年”。

剧本格式最好同时能当分镜计划用：场景标题、简短的动作描写，以及标明说话人的对白。可以让聊天机器人帮你起草或精简场景，但每一句都要自己念一遍，把推动不了剧情的全部删掉。

人物、场景与分镜表

生成任何视频之前，先给每个主角做一张人物设定图：脸部的正面、四分之三侧面和纯侧面，穿着本集服装的全身图，再加一段固定的文字描述，之后每条提示词都粘贴这段话。每个场景做一张参考静图。同一场戏里服装保持不变，除非剧情需要改。

然后把剧本拆成分镜表。下面是一集 20 秒开场的实例，共 7 个镜头。

设定：年轻女服务员林夏给一位出言不逊的富豪客人上菜。他掉出一张卡，她看到卡上的名字，竟和自己同姓。

镜头 1 就是钩子：不到两秒就有脸、有动作、有疑问。卡片上的名字放到剪辑时再作为图层叠加，因为很多视频模型写不好字。镜头 7 停在一个疑问上，这就是观众要看第 2 集的理由。

生成：先出关键帧，再让它动

1. 参照人物和场景参考图，为每个镜头生成一张 9:16 的关键帧，并把 7 张并排检查一遍。
2. 用图生视频让每张关键帧动起来。提示词里只写动作、运镜和声音。
3. 生成时让时长比实际需要略长一点，方便剪掉缓慢的开头和漂移的结尾。
4. 重要镜头，尤其是钩子和最后一个镜头，各生成两三个版本，挑最好的。
5. 每个通过的片段都保存好它的关键帧、提示词和参数，以后想重做某一个镜头时用得上。

手部、物体接触（卡片从指间滑落、水泼到脸上）和快速运动最容易出问题。遇到这类画面，可以收紧景别、拆成两个镜头，或者只拍结果不拍过程。泼水可以用反应镜头和湿漉漉的脸来暗示，不必真拍水本身。

配音、音乐与字幕

对白是微短剧的主心骨，要当成独立的一条轨道来做。你可以找演员录音，用语音合成或声音模型，也可以保留视频模型自带生成的声音。做系列剧时，每个角色固定一个声音比音质完美更重要。只有声音的主人明确同意，才可以克隆他的声音。

• 每句台词单独录制或生成一个文件，再放到时间线上，这样调节奏、换台词都方便。
• 音乐要有授权：平台自带曲库、免版税音乐库，或者用条款允许商用的工具生成的音乐。
• 每场戏下面垫一层安静的房间底噪。台词之间完全静音听起来像出了故障。
• 每句台词都做字幕，很多观众是静音观看的。每条字幕要短，屏幕上一到两行，并放在平台按钮和文案所占区域的上方。

做字幕时，先把最终的对白轨道转写成文字，再手动校对。例如 cv.cm 的语音转文字在浏览器里运行 Whisper，可以导出 SRT 或 VTT。YouTube 同时支持 SRT 和 WebVTT 字幕文件，但在观众很少开字幕的平台上，直接烧录进画面的硬字幕更稳妥。

剪辑与 9:16 导出

剪辑要讲节奏。剪掉所有没有意义的停顿，每个镜头尽量晚进、早出，在动作上切。把最有冲击力的画面放在整集的第一帧，因为观众在第一句台词说完之前就决定要不要继续看了。

规划每一集之前，先查清各平台的时长规则。例如 YouTube 把三分钟以内的方形或竖屏视频当作 Shorts。这类规则会变，发布时请看各平台当前的帮助页面。

标注AI内容，遵守平台规则

逼真的AI人物和场景通常都需要声明。YouTube 要求创作者披露逼真的AI生成或篡改内容；TikTok 的社区准则要求创作者标注含有逼真场景或人物的AI生成或大幅编辑内容。在中国，自 2025 年 9 月 1 日起施行的《人工智能生成合成内容标识办法》要求发布AI生成内容的用户主动声明，并使用平台提供的标识功能。

• 上传时打开平台的AI标识选项。
• 未经许可，不要使用真人的脸或声音，也不要让真实的公众人物看起来说了或做了什么。
• 保留生成工具写入文件的元数据标识，不要故意抹掉。
• 留好工程文件和提示词，以备平台或买家询问这一集是怎么做出来的。