怎样用AI制作短剧？完整流程与避坑指南

用AI做一部4分钟的真人短片，实际耗时可能超过20天。原因不在于创意，而在于视频生成基本是”晚上提交提示词、第二天早上看结果”的节奏：能用就继续生成下一个15秒片段，不能用就重来。整个流程真正的难点集中在三件事上——角色一致性、人脸审核限制、生成工具的稳定性。把这些搞清楚，剩下的就是耐心和流程管理。

如果你希望先把故事和分镜这类文本环节跑通，可以借助百度搭子 DuMate辅助完成剧本拆解和提示词打磨；想直接体验短剧生成链路，也可以从AI真人短剧生成体验入手，先跑一个小样验证方向，再决定是否投入长周期制作。

一、先明确：AI短剧不是”一句话生成”

很多人以为输入一句”生成一个都市悬疑短剧”就能出片，实际流程要拆成五层：

1. 故事层：一句话梗概 → 完整故事，控制人物动机和转折。
2. 剧本层：故事拆成分场剧本，明确场景、时间、人物、台词。
3. 分镜层：每个镜头细化景别、角度、运镜、氛围、道具、服饰、动作、情绪。
4. 素材层：角色卡、场景图、音色参考。
5. 生成层：逐段生成15秒视频，拼接成片。

AI能加速的是第2、3、4层，第1层和第5层的判断仍然要靠人。下面按顺序讲操作。

二、角色一致性：AI短剧最核心的问题

观众能容忍画质一般，但不能容忍”第三集主角换了一张脸”。维持一致性的常用做法是链式引用：

1. 用提示词生成角色定妆图，选定一张最符合人设的。
2. 用这张图生成第一个15秒视频片段。
3. 把这段视频作为参考上传，在新提示词中继续引用同一角色和场景，让声音音色、画面风格、整体氛围顺着延续。

上传视频参考的优点是音色和画面感连贯，代价是积分消耗翻倍，生成成本要提前算进预算。

一个必须知道的坑：如果上传的片段里包含人物近景，系统会直接识别为真人，改提示词也没用，任务会卡死。所以链式引用时，参考片段尽量选全景、背影、遮挡较多的镜头，把近景留给单独生成。

三、人脸审核越来越严，怎么绕

早期解法是去掉视频参考、改用图片生成，但这样音色无法延续，只能额外上传角色音色参考，用提示词指定”谁用哪种声音说话”。现在这条路也在收紧：一个全景画面里两个人的侧脸都可能被识别为真人信息，反复尝试仍然过不了审。

目前可跑通的思路是先出纯场景图，再用提示词把人物”放回去”：先用一张已生成的图反推提示词，得到场景描述，再在提示词里补充人物位置、动作、服饰，重新生成。这一步比较麻烦，效果也未必理想，但至少能稳定出片。手绘风格是否能规避审核，需要自己小规模测试，不要一次性投入大量积分。

实操建议：每个镜头准备2套方案——一套带人物的，一套纯场景+后期合成的，审核卡住时立刻切换，避免整晚排队白等。

四、工具选择：排队时间和稳定性都要算

实际使用中最大的劝退点往往不是效果，而是排队。有的平台白天排队看不到头，只能半夜提交。选工具时除了看生成质量，一定要实测高峰时段的等待时间，把它算进项目周期。

另一类工具在图片理解上更强、在视频全能参考上偏弱，容易出现声音对不上、角色换人、表情滑稽等问题，多跑几遍只是浪费灵感值。判断方法很简单：同一提示词连续生成两遍，看能否稳定出可用素材。稳定出片的工具用来做主力，不稳定的只用来做首尾帧或空镜。

五、可执行的完整制作流程

第1步：写故事

用DeepSeek、Kimi或自己写都可以，标准只有一个——改到自己满意。短剧时长有限，故事要压缩到”一个核心冲突+一次转折+一个钩子结尾”。

第2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。不需要”你是获得飞天奖的编剧”这类玄学提示词，有用的就两点：它是编剧，你要什么东西。

可直接复制的Prompt：

【角色设定】你是一名短剧编剧。
【任务】把我的故事拆成可执行的分场剧本。
【输入故事】[粘贴你的故事梗概]
【输出要求】
1. 按场次编号，每场标注：场景（内/外+地点）、时间（日/夜）、人物、台词、本场作用（推进剧情/塑造人物/制造悬念）。
2. 全片控制在4分钟以内，场次不超过8场。
3. 台词口语化，单句不超过25字。
4. 结尾留一个钩子。

第3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，越细越好。这一步决定了后面提示词的质量。

【任务】把第X场拆成分镜头脚本。
【输出格式】表格，列为：镜号｜时长｜景别｜机位角度｜运镜｜画面内容｜人物动作与情绪｜台词｜道具与服饰｜光线氛围。
【要求】
1. 每个镜头控制在5～15秒，便于逐段生成视频。
2. 标注哪些镜头必须是人物近景（用于后期重点生成），哪些可以是全景或空镜（用于规避审核风险）。
3. 同一场景内镜头的光线氛围描述保持一致。

第4步：生成角色卡

找参考图让模型给出提示词，再手动调整，固定人物的年龄、发型、脸型、服装、气质关键词，形成一份可复用的”角色卡”。每次生成视频时把角色卡原文粘进提示词，是维持一致性最省事的方法。

第5步：逐段生成与拼接

按分镜顺序生成15秒片段，每段生成后立刻判断：人物是否同一张脸、音色是否延续、动作是否自然、有无明显穿帮。不合格的当晚重跑，合格的进入下一段。全部片段完成后统一拼接、配乐、加字幕。

六、常见问题与优化建议

• 人物换脸：检查参考片段是否含近景、角色卡关键词是否每次一致。
• 声音对不上：单独上传音色参考，并在提示词中明确”角色A用音色1说话”。
• 审核卡死：切换纯场景方案，或改用全景、背影、遮挡构图。
• 排队太久：错峰提交，把生成任务集中到夜间批量跑。
• 表情滑稽：减少夸张情绪词，改用”平静””轻微皱眉”等克制描述。

七、把流程固化成模板

真正的效率提升来自把每一层的Prompt固定下来：故事模板、分场模板、分镜模板、角色卡模板各一份，换项目时只改内容不改结构。文本环节可以交给百度搭子 DuMate批量处理，视频环节则按上面的链式引用方法逐段推进。如果想把整条链路先跑通一遍再决定投入，可以先在AI真人短剧生成体验做一个小样；需要了解购买方式可查看DuMate购买页。

AI短剧的门槛不在工具，而在流程管理和耐心。把角色一致性、审核规避、工具稳定性这三件事解决掉，4分钟的片子就是20多个15秒片段的排列组合，剩下的只是时间问题。