想做影视化tvc级别片子，不知道如何起手，看这里就够了。

不仅教你如何制作，还有免费skill给你用！

快搬好小板凳，一个个案例来看吧。

案例1

开始之前

首先要准备好所有素材——产品、角色、场景、道具。它们会在每个场景中反复出现，提前确定好这些素材可以确保镜头开始移动后一切保持一致。

你无需手动编写 Seedance 的提示。Claude 的skill技能会自动为你完成——生成 Seedance 要求的镜头列表和每个场景的提示。

资产怎么生成和处理，场景如何制作和挑选，片子的戏剧性和趣味性等如何体现，都有详细讲解。

GPT Image 2处理产品图、编辑和示意图。场景动画则由Seedance 2.0生成。

更多详细图文链接看这里：

https://higgsfield.ai/blog/cinematic_headphones?utm_source=yt&utm_medium=video&utm_category=prd&utm_campaign=Cinema+Studio&utm_creator=HiggsfieldAI&utm_content_type=de&utm_post=whzLmx&invite_code=cinema-studio-higgsfieldai-whzLmx

案例2

这篇之前爆火的K-Pop AI 系列mv流程也有介绍，推荐你必须要看看

里面包含创建角色，服装，世界观，场景等全流程以及特制skill全部免费获取。

更多详细图文链接看这里：

https://higgsfield.ai/blog/guide-youtube-seedance2.0?utm_source=yt&utm_medium=video&utm_category=prd&utm_campaign=Seedance+2.0&utm_creator=higgsfieldai&utm_content_type=de&utm_post=VOalxk&invite_code=seedance-2-0-higgsfieldai-VOalxk

案例3

这个官方卡通大电影案例还可以查看所有镜头的描述词和操作，哪个是被废弃的，抽了多少次卡，所有的过程都在里面，非常完整.

社区短片里进去，点击社区里的查看完整项目即可。

链接在这里：

https://higgsfield.ai/generate?projectId=1999e1a9-e748-4d9d-9d56-ac1e19881897&brief=1

创作社区：

https://higgsfield.ai/community

下期我们分享国内快速学习制作影视级大片的渠道。

往期精彩：

我做了一套AI本地排版系统，自由灵活可控

个人原创AIMV《风轻轻树静静》

历经24小时，我搓出个人版本地图片视频管理器

别埋头可着一个免费ai使劲薅，你失去的不止那点订阅

全球顶级动态设计工作室推荐

感谢你看到这里，

如果还想听我给你分享更多，一定点个赞/分享一下，你的支持是我们更新的动力。

这是水哥的第 197 期分享

你好，我是水哥。

一个苟在十八线小县城，搞了3年AI创业的中登，清华大学出版社《AI一人公司》作者。

最近我给自己开了家视频广告公司。

不过这家公司有点特殊，老板只有我一个，员工全是AI。

我只负责提需求、验收作品，至于想创意、写脚本、生成镜头、剪片子这些都尝试交给AI。

甚至给它安排个凌晨两点多起来赶工做视频的定时计划，它都准时准点给我搞定了。

先看第一条真正交付的作品，这是一条给家乡赣南脐橙做的品牌广告。

后面我还给了它一张我之前在果园的个人照片，让它继续生成了一条30秒的真人口播种草视频。

效果也是一绝，一镜到底的口播视频，而且挺自然的。

甚至我还给它安排了一次定时任务，晚上两点四十多给我生成一条新版的创意视频。

结果到点了，它还真自己拍出了第三条。

而且这些视频，已经全部自动保存到我的电脑上了，都不需要我自己去下载了。

以上聘请的AI员工就是最近刚打通的王炸组合WorkBuddy×LibTV。

真的太过瘾了，WorkBuddy是我经常用的通用型Agent，而LibTV又是我做自媒体经常要用到的视频创作Agent，两个王牌组合在一起，夯爆了。

WorkBuddy负责理解需求、规划任务，LibTV负责视频制作。

压根不用我自己逐个去操作视频节点了，只需要在WorkBuddy里像给同事安排任务一样说清楚要做什么就行。

如果你经常用WorkBuddy，或者有用AI做视频的需求，那这套组合，我建议你可以用起来。

OK，下面直接实操，大家跟着步骤也能轻松搞明白。

01

先把LibTV接进WorkBuddy

再给AI安排第一单

咱们先把这套王炸组合请到位哈，也就是把LibTV接到我们常用的WorkBuddy里面来。

1、连接LibTV连接器。

打开WorkBuddy，在左侧找到「专家·技能·连接器」，进入连接器页面，在右侧的搜索框内搜索「LibTV」，就能找到LibTV的连接器了。

直接点击「+」号开始连接。

首次连接会拉起网页授权界面，确认下自己的LibTV账号和授权内容，再点击「允许」按钮即可。

连接成功后，WorkBuddy会显示「连接器 LibTV 已连接」。然后LibTV的连接器会显示绿色状态指示灯。

这也就意味着后面的任务可以直接调用它来创作视频了。

然后回到新任务，在输入框左下角点击「+」，找到「连接器」，把LibTV开关打开。

看到输入框下方出现LibTV的小图标，就说明当前任务也已经启用了连接器。

怎么样？很简单吧？到这里，恭喜你可以使用这套王炸组合了。

2、WorkBuddy提需求。

接下来可以开始让它俩干活了。

我准备做一条赣南脐橙品牌广告，因为咱们老家的赣南脐橙特产马上上市了，让这两位员工一起做个创意视频试试。

我没有上传参考照片，也没提前写好分镜提示词，只是说清楚产品、时长、画幅和风格这些。

具体的提示词如下。

●●●我想为家乡的赣南脐橙制作一条30秒的9:16竖屏品牌广告，用于短视频平台宣传。希望有高端水果商业广告的质感，画面精美、有创意、有视觉冲击力，重点突出赣南脐橙的金黄外观、果肉质感和新鲜多汁的感觉。请你担任广告创意总监，负责创意策划、镜头设计，并调用LibTV完成视频制作，模型我希望你用Seedance2.5来完成。具体的创意由你来安排，不需要在画面中生成文字，最终交付一条完整的广告成片。

发出去后，它先取了一个《金色瀑布·赣南脐橙》的创意名，自动把30秒拆成6个5秒镜头。

果园、果皮、切开、果肉、汁水、收尾，各镜头都有分工。

策划案出来后，不需要我再把这份策划复制到其他视频创作工具内。

WorkBuddy会直接接入LibTV，自动新建一个广告项目。

我在WorkBuddy右侧的内置浏览器内打开了LibTV，进去一看，它还真帮我创建好了项目。

3、LibTV制作视频并剪辑成片。

而且它会直接在画布内创建视频生成节点，然后按照我的要求选择指定的视频生成模型来生成。
第一个分镜生成好之后，WorkBuddy的任务窗口会同步返回分镜视频预览，浏览器中LibTV的画布内也会展示真实的视频结果。

说明WorkBuddy做好创意规划后，会连接LibTV去到指定项目内的画布内，完成真实的视频创作任务。
而视频创作的任务进度和任务产出的视频也都会同步返回到WorkBuddy任务窗口内，这样就非常方便了。
后面剩下的5个分镜视频也陆续生成好了，最终画布上整整齐齐放好了6条5秒的分镜视频。

接着WorkBuddy继续调用LibTV的智能剪辑功能，将六段素材接到剪辑节点，最终输出了一条完整的30秒成片。

等它剪辑好，我在WorkBuddy里就能看到它返回的成片，点开这条视频就能直接预览播放。

而且成片也不用自己去LibTV上下载。
点开成片预览后，点击右上角的更多图标，选择「打开文件夹」，就能在文件夹内看到这条成片。

可以看下这次WorkBuddy连接LibTV一次性生成的初版。

4、继续优化。
第一版生成的效果确实还可以，果园晨光确实漂亮，但前三秒偏慢。
想放短视频平台，我更希望一开头就用切橙和果汁的镜头抓住人眼球。所以我继续提出修改需求让它调整了。
主要就是让它重新调整前三秒。

然后它直接利用原来生成好的6条分镜视频，在LibTV里面做出了新的V2剪辑节点，搞了一版「冲击开场版」的新版视频。
而且V1和V2都展示在了画布内，方便我们直接对照。

可以看下修改好的第二版。
虽然镜头都一样，只是换了顺序，但开头三秒明显就更符合我想要的抓人效果了。

还是挺方便的，不是不满意就全部重抽，而是像跟剪辑师沟通一样，一句反馈就能改节奏，已经生成好的素材也不浪费。

02

只上传一张本人照片

AI替我出镜口播

品牌片做完，我又想试试另一种场景，就是能不能直接用以前在果园拍的照片，让AI帮我直接生成我自己在果园开口介绍赣南脐橙的视频呢？

不用我重新架手机，也不用自己先写逐字稿那种。

所以我又把一张我自己站在果树前、双手拿着脐橙的照片发进同一个WorkBuddy对话框内，要求用照片中的人来出镜。

具体的提示词如下。

●●●接下来再帮我制作一条赣南脐橙的真人口播带货视频。请以照片中的人物作为出镜主播，在果园里介绍和推荐家乡的赣南脐橙。视频30秒，9:16竖屏，要求人物形象一致、动作自然、中文口型准确，整体像真人实拍的带货视频。口播台词、背景音乐、人物动作和镜头设计由你来策划，不要虚构产品信息和促销承诺。请直接调用LibTV的Seedance 2.5，视频时长直接设置30秒，直接单次生成完整30秒的有声视频。

任务发出去之后，WorkBuddy直接就把这张照片上传到了LibTV画布，不需要我再去网页上手动传一遍。

它读取了图片节点后，继续创建了一个和这张图片关联的图生视频节点。
而且这里我的要求和第一条六段分镜再合成的制作方式不同。这次我是直接要求它，30秒、9:16、有声、一次生成。
所以它有严格按照我的要求，直接把视频生成节点设置好了30秒，也就是一次直出完整成片。

而且它给照片里的“我”安排了简单的介绍词，再设计好了打招呼、介绍果园、拿橙子展示等动作。

最后真的帮我生成好了一条30秒的口播视频。

人物保持了果园照片中的主要形象，会面对镜头讲话、做手势、展示脐橙。

还是挺震撼的，我只是给一张自己的照片，WorkBuddy就能策划台词并调用LibTV做完整口播，这个流程确实让我省了不少重复操作的时间。

03

凌晨2点46分

到点让AI自己去拍

前两条视频还是我发出指令后，WorkBuddy才立即开工的。那如果把“什么时候开始”也提前安排好呢？

因为很多事情其实都会提前计划并安排好，而合格的AI员工，肯定需要在我指定的时间，也能去把活儿干完干好才行。

我就在当前项目里继续给它设了一个一次性的定时任务，让它30分钟后，自动调用LibTV，给赣南脐橙拍第三条广告，风格还不能跟前两条一样。

具体的提示词如下。

●●●请帮我安排一个定时任务，30分钟后自动调用LibTV，再为赣南脐橙制作一条30秒的9:16竖屏创意广告。广告创意由你自己策划，风格要和前面两条明显不同。到了指定时间后自动执行，直接调用LibTV的Seedance 2.5，视频时长直接设置30秒，直接单次生成完整30秒的有声视频。

这里其实不仅考验WorkBuddy能不能按要求创建好定时任务，还考验它到了约定的时间，能不能真的自动去帮我连接LibTV完成视频创作。

而且，还考验它能不能真的参考已有的上下文，帮我做出区别于前两条视频风格的完整新视频。

很快，它就帮我创建好了赣南脐橙创意广告第三弹的定时任务。

我还专门点开左侧的「定时任务」，确认它出现在已启用任务列表中。

并不是随口回复一句“帮你记下了”。

不过真正要看的，还是到了指定时间后，它能不能真的动起来。

过了半个小时后，一到时间，我看运行记录还真的显示已经开始执行，正在运行中了。

没一会，它就提示搞定了。

我去，感觉一个7×24小时的视频制作工厂可以搭起来了啊。

它沿用了已有的LibTV项目，自己规划出《微观汁胞森林》这个创意广告。

而且没有重复之前的口播或果园品牌片风格，而是重新使用Seedance 2.5单次生成了新的完整30秒竖屏视频。

结果同样被WorkBuddy返回到执行记录里了，可以直接点开预览。

可以看下这条视频，跟之前的视频风格完全不一样了，它更偏向艺术化表达，包括金色水泡、晶体结构等画面，感觉更像概念大片。

最后我打开本地文件夹，能看到品牌片原版、V2修改版、真人口播和定时生成的V3，全都整理在了一起。

也就是说，我甚至可以不用打开LibTV，就能直接在WorkBuddy上通过LibTV的连接器完成视频的创作。

搞定从创意策划、视频生成并全部落盘到本地全流程。

而且，LibTV画布里也还保留着每次操作的素材和生成节点。想继续在LibTV上更换镜头、调整作品，也很方便。

写在最后。

这几轮折腾下来，我还真有点当老板的感觉了哈哈哈。

以前自己做AI视频，光有创意还不够。

得想脚本、写提示词、生成镜头，再把素材下载下来，打开剪辑软件拼成片子。

中间哪个环节不满意，又得回头折腾。

现在有了WorkBuddy和LibTV这套组合，很多事情就简单多了。

我把需求交代清楚，WorkBuddy自己去策划、安排任务，再调用LibTV完成视频制作。

成片不满意？直接告诉它哪里要改。

后面还有活儿？提前安排好时间，到点让它自己开工。

对我们这些一个人做自媒体、做个人IP的普通人来说，能把视频制作中这么多繁琐的工作交出去，真的挺香啊。

省下来的精力，可以多琢磨选题、多做点有意思的内容。

毕竟，一个人做公司，不代表所有活儿都得自己干。

如果你也经常要做短视频、产品广告或者AI短剧，可以试试在WorkBuddy里连接LibTV，给自己的AI员工补上这项超能力了。

很多朋友刚开始学习做AI视频、AI漫剧时，把人物设定、场景细节、服装造型抠得巨细，唯独一到镜头环节就只会甩一句：镜头推进，电影感，画面高级。

最后生成出来的结果基本就是人物杵在原地，镜头生硬乱晃两下，单帧挑出来都挑不出毛病，但整段看下来就像一组会滑动的动态图片，既没叙事节奏，也没半点故事感。

镜头哪里是简单的拉近、后拉或者旋转凑数？推镜头能把观众注意力精准拽住人物的表情细节，拉镜头可以瞬间铺展开角色所处的完整处境，跟镜头能直接带出追逐戏份的临场压迫感，俯拍定格则一秒就能衬出角色的孤立与渺小。同一段剧情换一套镜头设计，传递出来的情绪张力完全不在一个层级。

这期我咱们就专门来聊一聊运镜，希望朋友们会有所收获，好了话不多说咱们开始学习，共同进步

展示一段12s成片

最近不少小伙伴在制作角色档案时，总跟我说：“蕉蕉，这个女主可以吗？”其实很多图片单看第一张，确实挺好。脸好看，衣服也没问题，氛围甚至已经有点“女主感”了，但可一到侧面、背面，发型、服装、比例就开始变，后面做连续分镜特别容易“换人”所以我现在教一些朋友在做角色时，都会先把人物档案、三视图、服装细节和提示词 一起定下来。

所以我这段时间干脆把自己做角色图时常用的东西重新整理了一遍。不是单独做一张“漂亮人像”，而是先做一套完整的角色档案。把头像、三视图、人物信息、服装细节、配色、提示词，全都先固定下来。后面再做剧情图，也会省事很多。

最后：一张好看的人物图，其实不难做。真正难的是：第10张、第20张，她还是这个人。脸没变，衣服没乱，气质也还在。所以我现在越来越觉得，做AI漫剧人物设定，前期这一步真的不能省。把三视图、服装、发型、配饰和人物气质先锁定好，后面不管是做分镜、换场景，还是连续生成剧情图，都会顺很多。前面多花一点时间，换来的其实是后面少返工。人物稳了，故事才更容易往下走。#AI漫剧教程 #人物设定教程 #角色一致性 #AI生图 #提示词分享 #三视图制作 #AIGC #AI创作

上次那篇动漫短剧的制作过程，有 709 个人转发了。

评论区问得最多的一句话：到底用了哪些工具。

这次把整条流水线摊开。从剧本到成片，3 个工具，每个环节的输入、提示词、参数全给你。

01流水线全景

先看全局。一部 1 分钟的动漫短剧，我拆成四段：剧本与分镜脚本、分镜生图、图生视频、剪辑成片。

三个工具各管一段：豆包出剧本和分镜脚本，即梦把分镜变成图、再让图动起来，剪映负责配音、配乐和最终剪辑。

每一段的输出，就是下一段的输入。格式对齐了，流水线才跑得起来。后面两个翻车案例，全是在验证这句话。02为什么是这 3 个

选工具只看三件事：环节产出质量、和上下环节的格式兼容、成本。

剧本环节用豆包，看中它听人话。你把世界观和人物小传丢进去，它能按”分镜表”格式输出，景别、机位、台词一列列排好，直接就能喂给生图。

分镜生图用即梦。动漫风格的一致性是目前国产模型里最稳的，同一角色换 9 个机位，脸不崩。

图生视频还是用即梦，图和视频一个平台，素材不用来回倒。5 秒一镜的动态质量够用，运镜指令听得懂”缓慢推近””水平横移”这类镜头语言。

剪辑用剪映，没啥好纠结的。自动字幕、配音、卡点都是现成的，短剧这个体量犯不上上专业软件。

被淘汰的备选也说一下。Midjourney 出图质量高，但角色一致性要靠垫图反复调，流水线里太耗时。Runway 动态好，按秒计费，1 分钟短剧成本直接翻三倍。

流水线选工具，稳定压过上限。03逐环节拆解
环节一：剧本与分镜脚本

输入给豆包的提示词模板，直接抄：

提示词 · 直接抄你是一位动漫短剧导演。世界观：[一句话设定]。
主角：[人物小传，含发型/服装/瞳色]。
请输出 9 个分镜，表格字段：镜号、景别（远/全/中/近/特）、
机位运动、画面描述（50字内）、台词、时长（秒）。
总时长控制在 60 秒。关键参数就一个：让人物小传一次写死。发型、服装、瞳色写具体，后面每一环都靠这段描述保持一致。

输出拿到手先别急着用，检查 9 个分镜的景别节奏。全景接特写、特写接全景，忌讳 9 个镜头全是中景。全是中景的那叫监控录像，不叫短剧。

环节二：分镜生图（重点）

每个分镜的生图提示词，按这个公式拼：

提示词 · 直接抄[人物小传全文]，[画面描述]，[景别与机位]，动漫风格，
赛璐璐上色，高细节，16:9

举个实际例子，第 3 镜”雨夜特写”：

提示词 · 直接抄白发少女，红色风衣，银灰色瞳孔，站在便利店门口，
脸部特写，微微低头，雨水沿发梢滴落，路灯暖光逆照，
动漫风格，赛璐璐上色，高细节，16:9

两个参数决定成败。一是人物小传必须每次完整带上，一个字都不能省，省了就换脸。二是光线描述要具体到方向，”逆光””侧光”比”好看的光”有用一百倍。

9 张图生成后统一过一遍：角色脸、服装色、画风，三者对不上就重 roll。别心疼那点积分，带到视频环节返工更贵。

环节三：图生视频

每张图丢进即梦的视频生成时，运动指令只写一个主运动。贪多必糊，这是实测结论：

提示词 · 直接抄镜头缓慢推近至胸部以上，发丝和雨滴自然下落，
人物轻微呼吸起伏，其余保持静止

5 秒生成后重点看首帧和尾帧，这两帧是剪辑的接缝。

环节四：剪辑成片

剪映里三步走完：素材按镜号顺序拖进时间线，每镜裁到节奏点，自动字幕加配音。

配音选”解说小妹”这类偏中性音色，动漫短剧最忌讳配音太播音腔。

BGM 选两段。前 30 秒一段铺情绪，转折点换段提节奏，卡点位置手动对齐转场帧。

04翻车与修正

翻过两个坑，都有代表性。

第一个坑：风格漂移。第 5 镜开始画面从赛璐璐变成了厚涂。原因说出来丢人，我偷懒把人物小传缩成了”白发少女”四个字。改法：小传全文逐字带上，之后 4 镜全稳。

第二个坑：角色帧间不一致。同一人物在 A 镜穿红衣，B 镜变成蓝衣。查了半天发现，分镜表里只写了”主角”，没锁服装。改法：在生图提示词末尾追加”服装颜色以小传为准，禁止更改”。

两个坑是同一个病根：信息在环节之间丢了。流水线跑不顺，先查衔接格式，再怪工具。05流水线速查卡

整条流水线浓缩成一张表：

回复【流水线】，领完整版速查卡，含全部提示词模板和参数表。

你的短剧卡在哪一环？剧本、生图、动态还是剪辑，评论区报个数。

下一篇就拆报得最多的那个环节。03 预告：分镜节奏与转场，怎么让 9 个镜头像一个人剪的。屿紓大人 · AI 漫剧流水线系列

90%分成+6万部IP免费给：

抖音对漫剧下了什么狠手？

8.15 抖音漫剧扶持三大政策 · 番茄6万+部IP开放 · 全渠道免付费净收益90%分给版权方 · 年内市场预计破200亿

8月15日，抖音甩出一套漫剧扶持政策，力度有点超出行业预期。一句话概括：把IP免费给你、把分成堆到90%、还给产能稳住的人保底。这不是小修小补，是冲着”年内200亿”这个盘子直接下场抢供给。

01****三大政策，一句话拆开看

政策包里三件事，逻辑是递进的：先给米（IP），再给底（保底），最后给价（采买）。

其一 · 番茄IP授权改编 开放 6万+部 番茄小说网文原创IP，覆盖 35+品类；版权中心补贴IP改编费；全渠道免付费净收益 90%分成 给版权方。等于说，IP和改编成本两头都有人兜底，创作者拿到的不是素材，是现成的爆款母体。其二 · 成片内容框架保底 面向月度产能 ≥5部 的版权方，签框架合作、约定单部保底金额，超保底持续分成。这是给”能稳定出货”的工厂型团队吃定心丸——你敢量产，平台敢保底。其三 · 头部精品单部采买 按题材/IP/制作水平/发行能力/稀缺性等多维度评估，单部直接采买。这条是给”尖货”开的通道，质量够硬就单独议价，不再是统一定价。三件套合起来看：IP免费 + 产能保底 + 精品单采，把漫剧从”个人搏爆款”直接推到”机构化供给”的打法。门槛没降，是换了个门槛——从”会不会做”变成”能不能规模化、能不能拿到好IP”。02****为什么是现在：市场已经热到挡不住

政策不是凭空来的。4到7月这组数据，说明抖音是看着曲线往上推的：

83% 4-7月漫剧复合增长率**+92%** 同期播放量增长**+105%** 同期点赞量增长200亿
年内市场规模预计

供给端也在放量：排名第一的漫剧消耗已经突破千万级别；累计跑量消耗超 500 万的动态漫已有 10部，像《规则怪谈》《无敌秘书》《狩猎1978》都在这条线上。需求、播放、消耗三头往上，平台这时候把扶持端出去，等于在最快的那条赛道上再踩一脚油门。

但这里有个反差要提醒：盘子涨得猛，不等于谁都能赚。我们之前聊过”成本自由≠内容自由”——IP和分成是红利，可红利先落进”能拿到IP、能稳定出片”的那批人兜里。中小玩家别只看90%分成，先看自己够不够得着那两道门槛（IP改编能力、月度5部产能）。03****抖音/B站/快手，三家横向摆一摆

漫剧扶持不是抖音一家在打。B站、快手也都有计划，只是打法不一样。把三家放一起看：

平台计划/动作扶持核心****分成/补贴力度
抖音 8.15漫剧扶持三大政策6万+部番茄IP免费开放、产能保底、精品单采免付费净收益90% 归版权方；IP改编费有补贴；头部单部采买
B站 “觉醒计划”成本覆盖 + 流量成本覆盖 **30%-100%**、最高 80% 分成
快手 “漫剧星漫计划” + “暑期超燃漫剧季”流量倾斜 + 成本补贴流量倾斜与成本补贴并行（具体比例随档期）

横向看，抖音最猛在”IP+分成”组合拳 ——别人补成本，它直接把最贵的IP免费给你，还把九成净收益让出去；B站胜在成本覆盖弹性大（最高全包）、分成上限高；快手走的是”流量+补贴”的档期打法，偏脉冲式。

图：抖音以”90%分成+6万部IP免费”的组合拳力度最猛，B站弹性成本覆盖、快手档期流量补贴04****给做内容的人：三个该读懂的信号

政策落地，对真正做内容的团队意味着什么，说三点实在的：

一是IP成了新的入场券。 平台把6万+部IP免费开放，等于变相宣告”原创从零起盘”的窗口在收窄。能拿IP、改得好IP，比单纯会做画面值钱。这跟我们说过的”护城河在内容/IP”完全对上——工具谁都能用，稀缺的是IP判断和改编能力。

二是产能门槛利好工厂型玩家。 月度≥5部才能签保底，这是在筛”能稳定出货”的供给方。零散创作者拿不到框架保底，得先想清楚自己是要做精品单采，还是攒产能冲框架。

三是精品单采把质量摆上牌桌。 头部不再统一定价，评估维度里”稀缺性””制作水平”权重很高。换句话说，卷产能之外，做出一部别人没有的尖货，议价权在你手里。

05****华影嘉禾的判断

我们不唱多也不唱空。抖音这套政策真正该被看见的，是它把漫剧的竞争从”谁更能做”推到了”谁更会拿IP、更稳定出货、更能出尖货”。这跟我们一直说的那条线是一致的：当成本和工具都打到地板，护城河就不再是技术，而是IP、产能组织和精品判断力。

200亿的盘子是真金白银的机会，但红利先落进机构化供给的兜里。中小团队别被90%分成晃了眼，先想清楚自己卡在哪一环、补哪一环。政策是平台的，能力是自己的。

数据来源：抖音/番茄小说2026.8.15发布的漫剧扶持政策公开信息；DataEye短剧观察及公开行业测算（4-7月漫剧复合增长83%、播放+92%、点赞+105%、年内市场预计破200亿、头部消耗破千万、10部动态漫消耗超500万等）；B站”觉醒计划”、快手”漫剧星漫计划/暑期超燃漫剧季”公开计划。本文为行业观察，所列剧名均为公开行业案例，不代表对华影嘉禾自有内容的评价。具体分账与补贴以各平台最新官方规则为准。
华影嘉禾 · 行业情报站 | 内容基于公开报道整理，仅供参考

2026年7月，TikTok短剧总分成突破2900万美元，本土剧单月分成首次跨过2000万美元大关。

榜首《Snatched by My Ex’s Brother》上线仅21天，分成即突破45万美元，创下历史同期最佳。

几乎同一时间，国内一部叫《The Accident》的AI美剧在抖音刷屏，仅播三集点赞破百万，全网播放量破亿。

这两部看似毫无关联的作品，藏着同一个被反复验证的爆款密码，校园题材母题 + 高浓度流量要素。

短剧深水区将在这篇文章讲清楚三件事：校园爆款做对了什么？AI短剧的竞争格局发生了怎样的转移？海外用户画像给创作者指了哪些方向？

01

PART

最新爆款拆解，校园+流量要素的四种排列组合

《Snatched by My Ex’s Brother》：TikTok 7月分账王的冰球复仇公式

这部登顶TikTok 7月分账榜的真人短剧，讲的并不是什么新故事。女主在校园撞见男友出轨后决意复仇，而前男友的弟弟一直暗恋着她。

真正让它跑出来的是三个要素的精准叠加。冰球 提供荷尔蒙和北美市场的文化亲近感，目前冰球+浪漫已经是欧美言情最成熟的子品类之一；复仇 提供爽感节奏，适配短剧的叙事密度；前男友的弟弟 这个设定，则注入了一层禁忌感和暗恋的拉扯。

（TikTok短剧7月分账报告）

该剧上线21天分成突破45万美元，是TikTok历史同期表现最好的真人本土短剧，说明校园+冰球+复仇精准命中了付费用户的核心偏好。

《The Accident》：即梦片场用AI重新定义美式校园剧

这部由即梦片场制作的AI仿真人短剧，以美式高中为背景，男主是阳光棒球队队长Keaton，女主是高智学霸Lorna，剧情从女主在派对上发现男友出轨开始。

它的爆火首先来自审美层面的降维打击。有信息称，为保持22分钟短片的角色一致性，创作者共生成10701张图片，仅筛选出107张用于成片，让画面质感真假难辨。

（来自抖音创作者whata-ha）

同时，制作方还配套了花絮和角色社交账号，进一步模糊了虚拟与现实的边界。该剧全网播放量破亿，仅播三集点赞破百万；EP02单集收获超53.5万赞、1.26万评论。

（两位创作者主页截图）

《队长，请别发现我》：橄榄球+女扮男装的身份错位叙事

同样在8月上线的，还有这部同时使用即梦片场和小云雀制作的AI仿真人短剧《队长，请别发现我》，目前在小红书上线两集，作者已涨粉 1 万，获赞 2.5 万。

（创作者主页）

女主简薇是中国留学生，双胞胎哥哥央求她女扮男装，替自己在学校橄榄球队训练半个月，于是一个女生混进了全是男生的橄榄球队。

（剧集相关截图）

女扮男装是东亚市场验证过无数次的经典设定，核心张力永远是身份秘密随时可能暴露的紧张感，以及在男性空间里与男主产生的暧昧拉扯。这部剧把这个设定嫁接到美式校园和橄榄球上，既保留了身份错位的戏剧张力，又借运动题材增加了荷尔蒙和视觉冲击。

《东北子涵整治日本高中》：从LibTV转用小云雀的跨国校园爽剧

这部8月18日首播的AI短剧走的是另一条路子。东北纯学少女子涵远赴日本高中，面对校园霸凌和对中国学生的歧视，用东北人特有的硬核方式一一反击。

它的爆款要素是文化差异冲突 + 爽文人设反差。“东北大妞在日本高中”这个设定本身就自带戏剧张力，东北人的直爽硬核 vs 日本校园的等级压抑，构成冲突。而“整治霸凌、捍卫尊严”的爽文主线，又精准命中了观众对“弱者反击”的情感需求。

（剧集相关截图）

值得注意的是它的制作路径，先用LibTV制作，后转小云雀。这不是孤例，另一部AI短剧《被裁掉的女孩》第二季也从LibTV转用了小云雀。两部优质作品先后迁移，背后是工具平台对优质创作者的争夺正在加剧。

02

PART

上半年现象级爆款复盘，冰球+校园的三次胜利

如果说8月的新作展示了校园题材的多样性，那上半年的爆款则反复证明了，无论长剧还是短剧，真人还是AI，校园+冰球，都是北美短剧市场的硬通货。

《Heated Rivalry（巅峰对决）》，加拿大真人双男主大剧，讲述两名冰球对手从针锋相对到暗生情愫的故事。这部剧在2026年加拿大屏幕奖上创下历史，16项提名全部获奖，成为加拿大屏幕奖史上获奖最多的单部作品，目前已在HBO Max播出并续订第二季。

《Off Campus（校外）》，亚马逊Prime Video的校园浪漫剧，改编自畅销作家Elle Kennedy的同名系列小说。5月13日上线后，12天内吸引3600万观众，成为Prime Video历史上第三大剧集首播。

更关键的是，在18至34岁女性观众中，它是Prime Video历史第一首播，这个群体恰恰是短剧付费的核心用户。

（剧集海报）

《Pucked By My Hockey Rival（被冰球死对头攻略了）》，这是昆仑万维旗下Dramawave的一部AI仿真人双男主剧，讲述冰球队员Owen与宿敌队长David从针锋相对到互生情愫。

该剧上半年投放素材量达7.9万组，位列DataEye上半年海外AI剧百强榜第二；TikTok上多个二创视频点赞超10万，B站翻版视频播放量近80万，至今仍是Dramawave全平台最最具代表性的大爆款。

（平台截图）

国内这边，《心动禁区》 走的是校园+穿书+女扮男装 路线。女主穿书进入校园文，被迫女扮男装替哥哥上学，住进全是帅哥的男寝，周旋在腹黑少爷和高冷继承人之间。

第一季在红果热度值最高达 4329 万，第二季转战B站高档充电模式，上线仅7天就有超5400人付费，按30元/月估算单平台收入超16万，相当于一部播放量过亿的免费漫剧的变现效率。

（剧集相关截图｜火龙漫剧）

03

PART

爆款密码提炼

我们把以上7部作品放在一起看，可以清晰地发现，校园题材是母题，流量要素是乘数。

所以，校园题材为什么是爆款母题？

对于观众来说，校园题材跨越文化的通用语境。无论中国、美国还是日本，观众都经历过或想象过校园生活，青春期的暗恋、身份的焦虑、群体中的归属感、对权威的反抗，这些情感是共通的。

校园同时提供了一个封闭空间 （医务剧等单元剧也是如此），角色被限定在学校里，互动密度高，冲突容易集中爆发，非常适合短剧快节奏的叙事需求。校园内等级清晰，球队明星、普通学生，还是转学的外来者一眼可辨；体育比赛还会带来输赢、对抗、受伤与身体接触，增强冲突和张力；青春期的人物被允许拥有更极端的行为和浓度更高的剧情。

在校园母题之上，爆款作品会叠加至少两到三个流量要素：

• 运动类：冰球、橄榄球、棒球等，提供荷尔蒙、视觉冲击和团队叙事框架

• 情感类：复仇、暗恋、双向奔赴等，提供情绪钩子和追更动力

• 身份类：女扮男装、穿越、身份互换等，提供秘密随时暴露的紧张感和反差萌

• 取向类：双男/女主，在北美和东亚市场都有成熟且高付费意愿的受众群

冰球+耽美+校园，诞生了《Heated Rivalry》和《Pucked By My Hockey Rival》；

冰球+复仇+暗恋+校园，诞生了《Snatched by My Ex’s Brother》；

棒球+清醒学霸女性+校园，诞生了《The Accident》；

橄榄球+女扮男装+校园，诞生了《队长，请别发现我》。

每一部爆款，都是这套公式的不同解。

而AI的成熟，让这套公式的复制成本急剧降低。角色一致性可以通过海量生图筛选来保证，制作周期从几个月压缩到几周。对于创作者来说，谁能更快地找到“校园母题+流量要素”的最优组合，谁就有可能在AI短剧时代抢占先机。

04

PART

从内容平台之争到工具平台抢爆款

今年除了内容，行业格局也出现了变化。

2026年上半年，AI短剧的竞争主要发生在内容平台 层面。国内是红果、火龙等平台争夺片源和用户；海外是Dramawave、NetShort、DramaBox等短剧大厂比拼采购和分发能力。那时候，工具平台还只是“卖铲子”的角色。

进入下半年，格局明显变化。

随着AI视频工具逐步成熟，精品AI短剧不再只是内容平台争夺的对象，更成为工具平台证明自身能力的爆款代表作。小云雀、LibTV、RunningHub，包括最新上线的即梦片场，纷纷下场扶持或自制爆款，用作品说话。

小云雀 的攻势最猛。代表作《万兽独尊》5人8天完成60集，上线4天播放破亿。

但更值得关注的是创作者迁移，《被裁掉的女孩》第一季曾是LibTV代表作，抖音原生播放超2.2亿，但第二季转用小云雀；紧接着《东北子涵整治日本高中》也从LibTV转向小云雀。两部优质作品先后迁移，背后是字节生态流量倾斜、Seedance 2.5首发接入和合规审核的综合优势。小云雀正在从AI工具升级为优质创作者聚集地。

（《东北子涵整治日本高中》截图）

LibTV 走专业工作流路线。2026年3月上线，首月单日收入即破百万美元，5月收入达首月13倍，累计服务近千个短剧团队。根据彭博社2026年8月5日消息，LibTV的母公司演语科技（Evoken）已启动香港 IPO 筹备工作。

其他包括OiiOii、Flova、Seko、拍我AI、MiniMax，SkyProduction、和RunningHub这些工具也都在走相似的视频工业化路线。

而对爆款内容争夺的本质是，工具平台不再满足于“卖铲子”，而是通过扶持爆款来建立“工具-爆款-更多创作者和用户”的正向循环。

最值得关注的，是字节最新上线即梦片场。

据行业报道，即梦片场搭建分层合作体系，成功入选的项目，将收获算力底座、技术赋能、资金扶持以及行业渠道在内的全链路扶持，助力优质内容出圈并帮创作者兑现商业价值。

简单说就是，对于好内容好IP，制作积分、算力资源、商业变现、行业核心资源，应给尽给。

（《队长，请别发现我》截图）

这已经说明了字节的野心，不再单纯只做工具提供者，转而深度参与内容共创，通过资金和资源绑定优质创作者与好IP，提前锁定 AI 时代的优质影视内容源，建立属于自己的 AI 内容储备池。

借助电影节参展、展映、线下首映、宣发策划等资源对接，打入传统电影行业圈层。打破外界对 AI 作品 “小众、非专业” 的刻板印象，以参与者身份跻身主流影视赛道，争夺行业规则与评价体系的话语权。

以即梦片场作为载体，聚拢编剧、导演等创作者群体，将算力技术优势转化为内容、人才、商业渠道多重壁垒。不止做技术底座，还要成为 AI 影视领域的孵化方、出品方、发行方，抢占下一代影视工业的赛道位置。

对于爱奇艺们来说，已然兵临城下。

05

PART

海外用户画像分析

理解了内容和平台，我们最后来看用户。

根据Google官方的海外短剧用户调研显示，不同类型短剧的用户画像差异显著，用同一套内容打所有用户是低效的。

传统真人短剧 的核心用户是25至44岁女性（占57%），核心兴趣是影视、音乐/有声书和游戏。这个群体付费意愿强，对情感叙事敏感，是校园 romance、复仇爽剧的基本盘。

AI仿真人短剧 的用户则明显不同，**25至44岁占65%，但男性占55%**，核心兴趣是电影/科幻与奇幻、游戏和社交媒体。AI短剧吸引了一批传统短剧覆盖不到的男性用户，他们对科幻、奇幻、游戏化叙事更感兴趣，对AI生成容的接受度也更高。

AI漫剧 的**男性比例更高，达68%**，核心兴趣是科幻奇幻、游戏和创意写作。

（来自 Google海外短剧核心用户）

这些数据给创作者的启示是清晰的：

做传统真人短剧，继续锚定25至44岁女性用户，校园+情感+复仇是安全牌，冰球/橄榄球等运动元素能增加吸引力。

做AI拟真人短剧，不要只盯着女性受众，男性科幻/游戏用户是增量空间，可以在校园母题中融入更多奇幻、悬疑、游戏化元素。

做AI漫剧，男性用户占绝对多数，创意和游戏兴趣突出，适合更脑洞化、世界观更丰富的校园设定。

无论哪种类型，25至44岁都是核心年龄段，内容的情感深度和叙事复杂度要匹配这个群体的审美，不能太低幼。

此外，在海外，传统短剧用户是影视爱好者和音乐听众，AI短剧用户是科幻粉丝和游戏玩家，这两个群体的媒介消费习惯完全不同，投放渠道和内容包装也应该差异化。

///

LAST

结语

校园只是容器，重要的是校园这个容器所承载的那些关系和情感。

暗恋时的心跳、被背叛后的愤怒、身份被识破的恐惧、在群体中找到归属的温暖，这些是全人类共通的青春经验。真正打动用户的，就是校园这个容器里装着的、每个人都经历过或渴望过的情感体验。

AI让制作门槛持续降低，工具平台开始用爆款证明自己，海外用户画像越来越清晰，短剧行业的竞争最终会回到一个朴素的原点，谁更懂用户的情感，谁就能做出下一个爆款。

校园里的故事永远讲不完。因为每一个刷短剧的人，心里都住着一个还没毕业的自己。

欢迎关注短剧深水区，随手点个赞、在看、转发三连吧

最近总有人问，现在开始学AI漫剧是不是太晚了。这个问题要是放在2025年，我大概率会劝他再等等。

因为那会儿工具确实不够稳，图生视频经常出问题，人物一致性差得离谱，同一个角色上一秒一个样，下一秒又变一张脸，一个镜头反复生成十几次都挑不出能用的，费时费力还不一定有结果。

但到了2026年，我的回答很直接：想做就动手，不晚。工具成熟度跟两年前完全不是一个级别，门槛也低了很多。

2025-2026年的数据我放图里了，自己看。

这一年多，AI漫剧的制作方式变了不少。以前做条短片，演员、场地、灯光、设备、剪辑配音后期都绕不开，普通人光准备就劝退。

现在很多环节能交给AI：角色生成、场景搭建、图生视频、剧本分镜出框架。

不会画画拍视频没那么关键，重要的是有想表达的故事，能把流程跑通。后面讲这5个制作环节

精选案例 + 分类 + 完整 Prompt + 提示词教学这个网站里面整理了不少来自 X / Twitter 创作者 的 Seedance 2.5 视频案例和提示词.可以预览视频，可以一键复制提示词。

一个分类清晰的 Seedance 2.5 Prompt Library。

目前页面收录 124 个提示词案例，还能按 Official / Community 区分，并支持按用途、风格、技术搜索。

网址在此：

https://evolink.ai/seedance-2-5-prompts

往期精彩：MiniMax H3，我帮你总结了官方提示词框架7万+svg图标库免费下载使用别埋头可着一个免费ai使劲薅，你失去的不止那点订阅在线作品集模板，代码还免费

感谢你看到这里，

如果还想听我给你分享更多，一定点个赞/分享一下，你的支持是我们更新的动力。

这是水哥的第 190 期分享

你好，我是水哥。

前几天回老家给亲戚送中秋，我发现了一件挺有意思的事儿。

我六十多岁的姨妈，居然都在刷《糯糯下山，师兄们都慌了》这个AI短剧。

当时我还挺意外的，因为我也刷了不少集这个AI短剧，没想到60来岁的长辈们也爱刷这种视频。

如果有一样刷到过这个AI短剧的朋友可以举个发财小手，应该有不少。

以前聊AI视频，大家关注的还是模型、画质、运镜这些东西。

现在我发现，很多人根本不关心它是不是AI做的了。

剧情好不好看，人物有没有意思，能不能让人接着往下刷，才是重点。

刚好这几天LibTV更新到了1.5版本。

耐不住手痒，立马就照着现在比较火的「修仙+团宠」这个大方向，原创做了一集AI短剧，叫做《全宗门都能听见我的心声》，先看成片。

差不多两分钟。

从最开始想故事、写剧本，到角色形象、成片的片头片尾效果，都是在LibTV里一路做下来的。

另外，我还过了一把导演的瘾，直接在3D虚拟影棚里搞了一把预演，直接把人物怎么跑、镜头怎么跟都排了一遍，再拿这段预演去生成了一段正式视频。

AI视频创作体验感觉确实又上升了一个新的高度，下面直接带朋友们实操一下。

01

我先让它帮我把一部短剧写出来

进入LibTV后，我第一眼就发现原来的Agent已经升级成了TV Director。

打开以后，可以直接选择「从爆款预设开始剧本原创」。

如果自己还没完全想好题材，这里已经准备了几类常见的爆款方向。

我这次要做修仙团宠，所以直接选了「仙门团宠日常」。

而且题材还可以继续融合。

除了题材，还可以继续调整目标受众、角色设定、时代背景、核心看点、画风，以及剧本结构。

根本不用写一大坨复杂的提示词，直接通过这个爆款预设和剧本设定器，基本就能出来一个挺不错的剧本。

设定完后，我是直接在输入框内补了一下我大概想做的东西。

我想要的剧情大概就是一个现代女生穿进自己看过的修仙小说，成了宗门里的杂灵根小师妹。

她知道主要角色原本的悲惨结局，但她不知道全宗门的人都能听见她的心声。

她表面乖乖巧巧，心里却一直在疯狂吐槽和剧透。

写好直接发出去就行。

接下来TV Director会继续问一些问题，比如故事想往哪个方向发展、集数和节奏等等。

这里我觉得比一键给我写个剧本好太多了，因为我还是在做选择，方向不喜欢就换，设定不满意就继续聊。

等故事方向确定以后，它会继续整理大纲、人物、场景，再把第一集写出来。

而且这次的TV Director升级后，生成的剧本是可以让它单独改一小段的。

比如它给我的第一版剧本其实已经能用了，不过我觉得其中一段人物反应还可以再明显一点。

所以我直接在编辑器里选中对应内容，让它微调。

改完以后，哪里删了、哪里新加了，它都会直接标出来。

我可以一条条审核接受，或者不接受。也可以一键全部接受。

这就贼方便了，因为以前让AI改剧本，最怕我只是说了一句帮我优化一下。

然后它整篇给我重写了一遍，甚至原来满意的地方也跟着没了。

现在可以把已经满意的部分留下，只单独磨那一场戏。

剧本确认以后，我又直接选中剧本，点击「全能创作」，让它继续往后拆任务。

故事到这里，基本就有了。

接下来最麻烦的问题来了，就是人物角色这一块。

02

角色再也不用一直抽卡了

能像游戏里一样直接捏脸

TV Director先根据剧本，给我生成了一版人物形象。

整体服装和仙侠感其实已经有了。

但女主是整部短剧里出现最多的人。如果长得太普通，后面生成几十个镜头，角色就很难让人记住。

这时候我打开了这次新上的「角色造型室」，点击底部角色库，就可以创建新角色。

已经在画布上生成的人，也不用重新造，直接把女主从资产里导进来就行。

进去以后就很像在玩游戏捏脸。

脸部、五官、体型、发型、服装这些都能继续调。

我这次主要改了女主的发型，同时在脖子上加了一颗比较明显的美人痣。

这种小细节单看好像没什么，但放到连续镜头里，其实特别好认。

角色造型室本身也支持继续调整五官、皮肤、发型和服装，以及痣、雀斑、疤痕这种签名特征，最终还能保存成角色资产继续调用。

后面我用这个角色继续把第一集跑出来。

有一个点我专门看了一下，前面给女主设计的发型，还有脖子上的那颗痣，到了不同场景和镜头里，基本都还能认出来。

这个对做短剧真挺重要的。

毕竟观众最怕看到上一镜还是这个人，下一镜突然像换了个演员。

有了成片，我又顺手把“包装感”补了一下。

原始视频出来以后，其实已经能看了，但总感觉像生成的视频片段，少了点真正短剧的完整感。

所以我又试了LibTV 1.5的成片精修玩法。先选中成片视频，再点击创意片头的按钮。

再选取一帧适合作为片头的画面，输入片头名，一般就是剧名，比如我这里是《全宗门都能听见我的心声》。

然后点击进入设计按钮就行。

接着就可以直接做片名设计。

我这里选了一版比较适合仙侠题材的中式书法风，直接点击设计片名按钮，把片名先设计出来。

稍等一会就能设计好，接着点击文字动效，可以把融入原片的开关打开。

然后选择一个动效风格，我这里选择的是手写笔画，然后点击生成动效。

来看一下前后效果。

加完以后，明显就更像一部完整的AI短剧开场了。

同样的，用这个方法，其实也可以做片尾效果。

比如下面这个片尾的未完待续效果，也很不错。

片名、动效这些东西看着很小。

但真加回视频里，完整度区别还是挺明显的。

这个原理其实也很简单，就是基于选中的画面继续设计片名、文字动效和字幕样式。

当然，这也可以继续用于短片、广告、MV等视频的包装上。

03

复杂镜头

我现在更愿意先“排一遍”

LibTV 1.5还有一个我比较好奇的新东西，叫做LibTV 3D-BOX，也就是3D虚拟影棚。

它比较适合做一些精准站位、大片级运镜效果的提前预演效果。

比如一些追逐戏，比如我想做一个博物馆夜间追逐的片段，主要讲的是一个黑衣人偷走宝石以后触发警报，保安从后面追。

中间要绕大型雕塑，再跑下楼梯。

这种镜头我以前直接扔给视频模型，最容易出现人是跑起来了，但到底谁追谁、从哪边跑、摄影机往哪走，全部靠抽。

所以我这次先把需求直接告诉3D-BOX。

Agent会先搭场景、摆人物、安排镜头和动作，生成一版白模预演。

第一版出来以后，我觉得追逐关系还是有点近。

所以我继续在对话框里告诉它，把黑衣人和保安的距离拉开，黑衣人始终在前面，绕雕塑的时候增加明显的借位躲闪，镜头也再有一点变化。

改完以后，就能先在「成片预演」里看完整效果。

确认没问题，再导出，它是支持直接点击「去画布生成」来生成正式视频片段的。

点击后，就能直接新建一个项目，然后自动生成好参考节点，并且帮忙填好了提示词。

只需要点击生成就行，老方便了。

可以看下效果。

视频中人物的走位、机位运镜的效果都跟我们3D虚拟影棚里面生成的3D白模预演的一样。

相当于直接先排戏，再开拍的这种感觉。

特别是追逐、打斗、多人物走位这种复杂镜头。

与其先写一大堆文字，然后不停抽卡生成结果，不如先把空间、人物位置和摄影机路线排清楚。

写在最后。

我发现搞AI短剧创作，自己最容易卡住的地方，其实一直都差不多。

比如剧本已经有七八分了，其中一段就是不顺，人物整体能看，但脸还少点记忆点。

视频已经生成了，可开头结尾还是差点短剧味，遇到复杂镜头，又很难只靠几句话把走位和机位说清楚。

以前碰到这些情况，我经常就是重新生成，反复抽卡。

这次很多地方居然可以直接接着往下改了。

比如剧本只改自己觉得不对劲的那一段，人物也可以在生成好的基础上继续捏脸，自定义精修。

成片出来了还可以再补一层包装，添加片头片尾这些，复杂镜头呢，可以先预演编排一下，再去生成。

那这样省下来的其实都是这些来来回回折腾的时间。

我现在更愿意把AI短剧当成一个完整的项目去做了。故事、人物、镜头这些，前后已经能比较好的接起来了。

如果哪里差一点，就继续在那里磨一下就成。

等脑子里的那个故事真的开始播放出来，还是挺爽的，普通人的导演梦现在可以成真了。

去年年底，我把一段3分钟的自制漫剧发到抖音上。第二天醒来，播放量停在83。
评论区只有一条留言：“画风还行，但主角怎么第5秒跟第2秒长得不太一样？”
那条留言把我钉在椅子上。我盯着屏幕看了半天，心里冒出一个特别朴素的念头——这玩意儿到底该怎么搞，才能让它从头到尾像同一个人演出来的？
后来我花了小半年，真正走通了一条从剧本到成片的完整流程，做出了自己的第一部120分钟漫剧。今天不跟你讲大道理，就把这半年里真正有用的东西，连同那些让我摔得鼻青脸肿的坑，一次性说清楚。
先说一个你可能不太爱听的真相
外面很多人说“把小说丢给AI，一键出片”。
我自己试过。出来的东西大概是什么水平呢？主角的脸每隔两个镜头换一次，镜头切换像PPT翻页，配音和嘴型各说各的。
一个在温州做AI漫剧的动画师说得特别实在：“如果纯靠AI把小说丢进去机跑，出来的废镜头很多，逻辑连贯性也有欠缺，根本没法直接用。”
所以这篇文章的前提是：AI是工具，你是导演。 它负责画，你负责判断什么该留、什么该扔、什么该重来。
第一步：剧本，别让AI自由发挥
用AI写剧本最大的坑，是给它一段自由发挥的提示词，然后得到一堆“正确的废话”。
正确做法是结构化输入。你要像给编剧开会一样，把每一场戏的要素拆开告诉它：场景在哪、角色什么状态、情绪是什么、台词是什么。
举个例子，我写古风悬疑那部的时候，给DeepSeek的指令是这样的：
第一幕：深夜，破败的妖楼顶层，四周漂浮着发光的符咒。女主清音，20出头，蓝白道袍，手持铜铃法器，表情警惕而迷茫。情绪：刚从梦中惊醒，发现记忆在消失，焦虑中带着愤怒。对白（低声自语）：“这座楼在吸走我的记忆……我必须在天亮前逃出去。”
你给它越具体的画面，它还你的越接近能用的东西。
还有一个很多人忽略的细节：漫剧的剧本节奏和网文、和真人短剧都不一样。 单集2到3分钟，节奏基本是：前3秒一个情绪炸点，10秒内让观众搞清楚主角是谁、在干什么、跟谁对立，中段持续给刺激，最后5秒反转收尾。
第二步：分镜，这是最容易被低估的环节
剧本写完了，很多人迫不及待开始生图。别急。
我第一部翻车最严重的地方就在这。剧本里写“他走进教室，坐下，看着窗外发呆”，我直接把这句话丢给AI生图，出来的画面倒是能看，但三个镜头之间的人物位置完全对不上，椅子一会儿在窗边一会儿在门口。
后来我才明白一个道理：分镜不是把剧本拆成句子，而是拆成“镜头”。
一个合格的漫剧分镜，每个镜头至少要写清楚七样东西：全局设定（画风、基调、主色）、场景、镜头语言（景别和运镜）、参演角色、画面内容（引入→核心→结尾）、视觉伏笔、以及最重要的——场景承接。
那个“场景承接”是什么意思呢？简单说就是：上一镜人物站在窗边、面朝右，下一镜他就不能突然跑到门口、面朝左。
我后来养成了一个习惯：每个分镜写完之后，用“承接上一镜”的功能把上一镜的尾帧直接拷过来当本镜首帧，画面连贯性一下子就好起来了。
第三步：角色一致性，这是漫剧的生死线
“AI脸让人生理性厌恶”这个话题上过热搜。我太理解了。
你刷到一部漫剧，主角第一集长得像某个明星，第三集变成了另一个人，你还会往下看吗？不会。
解决角色一致性，最有效的方法我总结下来是八个字：先建角色，再做镜头。
具体操作是：先给主角做一张基础立绘，锁定五官、发型、服饰这些核心特征，然后用IP-Adapter或者训练一个轻量LoRA，把这张脸“焊死”。之后所有镜头生成的时候，都把这张参考图挂上去。我用的方案更简单一点，训练LoRA加IP-Adapter双保险，抽卡率能从两三成降到基本不用重跑。
但还有一个很多人没注意到的细节，是一位做AI漫剧的前网文作者跟我说的：别追求完美。
他做主角形象的时候做了十几个版本，最后往脸上“加瑕疵”——痘坑、左右脸轻微不对称。他说：“凡是真人讨厌的外貌不完美，恰恰让AI剧的人物更完美。太完美了反而假。”
这句话我琢磨了很久，确实有道理。
第四步：动起来，但不是每一帧都要动
静态分镜图批量出完之后，下一步是让画面动起来。
这里有个策略选择：不是所有镜头都值得做成动态。 对话镜头做成轻微的呼吸感、眨眼、嘴唇微动就够了，动作戏才需要更大幅度的动态。全片都追求大幅运动，一是成本上去了，二是AI最容易在运动过程中崩脸。
我用的是“首尾帧生视频”的思路：先确定这一镜的起始画面和结束画面，让模型在中间补运动。对话镜头基本就是首帧加轻微位移，动作镜头才会做完整的首尾帧过渡。
剪辑节奏上，有个公式可以直接抄：对话镜头2.5到4秒，动作镜头1到2秒，超过4秒的镜头观众就开始划走。别舍不得删，漫剧的观众耐心是以秒计算的。
第五步：声音，别等到最后才想起来
我第一部作品最大的遗憾，就是画面做完了才开始搞配音，结果发现台词长度和画面时长对不上，只能硬剪画面。
配音要在分镜阶段就同步规划。 每个镜头的台词写完之后，先估算时长，再决定这个镜头的画面节奏。TTS工具现在选择很多，Edge TTS、剪映自带的配音都可以用。关键是多角色一定要用不同的音色，不然观众分不清谁在说话。
背景音乐和音效也别忽略。一个简单的判断标准：如果关掉画面只听声音，你能大致猜到在发生什么，声音就及格了。
关于成本和周期，说点实在的
现在市场上漫剧的制作成本已经压得很低了。AI漫剧能做到每分钟500到1000元的成本区间，一个十来人的小团队，20天左右能做出50集。个人创作者用云端工具的话，算力成本可以控制得更低。
但我想说的是另一组数字：我第一部120分钟的作品，前后花了16天。其中剧本和分镜占了将近一半的时间，真正生成和剪辑反而是最快的环节。
这跟很多人想象的不一样。大家以为漫剧拼的是AI出图速度，实际上拼的是你在按下生成键之前想得有多清楚。
最后说一句掏心窝子的话
我见过一个数据：2026年第一季度全行业上线微短剧约12.8万部，其中AI微短剧约12.2万部，占比超过95%。
供给已经爆炸了。
但另一边，真正能让观众记住的作品，一只手数得过来。
技术让做出一部漫剧变得前所未有的容易，但让一部漫剧被记住，从来没有变容易过。
工具会迭代，模型会升级，但观众划走你作品的原因，永远只有一个：前三秒，他们没找到留下来的理由。
所以，别急着按生成键。先把那个理由想清楚。AI漫剧一年狂飙400亿，然后呢？AI漫剧出海：40亿美金的风口，为什么99%的人还在亏钱？我用AI做了部漫剧，7天涨粉10万，全过程拆解给你看《归墟》爆火，不是因为它是一部“AI剧”《万妖图录传》凭什么让373万人跪着催更？我扒了8季数据，发现3个反直觉的爆款密码3个免费工具，教你半小时做出爆款漫剧？我替你们试了，真香。AI漫剧《凡人修仙传》凭什么一夜封神？背后是7亿人憋了十年的那口气

摘要

短剧火爆背后，内容公司真正的瓶颈不是创意，而是「规模化判断」。友盟+ ADK 小说 × 短剧内容引擎，目标是把内容评估、脚本生成、创作辅助、出海适配、风险初筛五段链路变成可调用、可计量、可持续迭代的能力接口，供客户在自有内容与授权范围内自主调用。

正文

一家小说平台的内容总监告诉我，他的编辑团队每天要在上千本新增书里挑出”值得开发”的 IP。标准靠经验、周期靠人力、结果常常靠运气——好作品被漏掉，普通作品被高估，而真正应该花的精力，却耗在了无休止的”先看一遍”上。

这不是某一家公司的问题。当短剧成为内容行业关键变量，所有小说平台、短剧制作方和出海发行方，都在被同一组问题追着跑：

第一，判断无法规模化。 人工评估有上限，平台每天新增的内容量却线性增长。抽检意味着风险，全检意味着成本。

第二，生产周期赶不上热点。 一本小说从立项到短剧剧本，动辄数周。热点窗口可能只有几天。

第三，出海处处是暗礁。 翻译只是第一步，文化语境、宗教禁忌、平台合规、本地化叙事节奏，每一项都需要专业判断，而每一个环节出错，都可能让一部作品直接下架。

这些问题指向同一个答案：内容行业需要的不是更勤奋的人，而是一套能把”经验判断”变成”可规模化、可计量、可持续迭代”的能力接口。

友盟+ ADK 小说 × 短剧内容引擎，就是为此设计的。

它不是单一工具，而是覆盖「内容评估、脚本生成、创作辅助、出海适配、风险初筛」五段链路的 11 项能力接口。我们可以把它拆成四个能力组来看：

1. 内容评估：从抽检到全检

小说评估和短剧剧本评估，可以从内容质量、题材潜力、内容开发适配度、剧情结构、节奏钩子等多维度输出结构化报告与分级。某小说平台已经用它实现了全量内容 AI 评级，审核从抽检升级为全检，并直接支撑起分层运营与内容开发候选池的建设。

2. 脚本生成：把周期从”周”压到”天”

基于自有或已授权的小说与视频素材自动生成短剧脚本、分镜脚本，解决的是”如何把已有内容快速变成可拍摄剧本”。初稿由 AI 完成，人工只需要聚焦在创意打磨和价值判断上。

3. 创作辅助：让编剧的起点更高

国内 / 海外短剧剧本的创作辅助，基于叙事结构与节奏规律的建模，帮助编剧更快找到叙事切口，输出符合目标市场语境的初稿方向。它不会替代编剧，但能让创意验证和初稿打磨更快。

4. 出海与合规：降低文化风险

多语言翻译、海外爆款趋势洞察、合规与文化敏感检查，这三项对出海短剧和网文平台尤为关键。AI 提供风险线索初筛，用于缩小人工复核范围，效率和安全性都会提升。

为什么是友盟+ ADK？

首先，能力底座来自阿里内部真实业务链路的长期打磨，不是实验室 Demo。其次，友盟+ 有十余年开发者服务经验，SDK 存量客户可以零基建接入，新客户也只需要标准 API 对接。

内容评估结果可在客户自有私域范围内与运营分析衔接，形成「内容判断 → 运营决策」链路。

对于内容公司来说，这比买一套系统更有价值。

因为 ADK 不是让你”先付款再摸索”，而是提供低门槛的 POC 体验包：用你自己的真实内容跑一轮，看效果、算成本，再决定是否规模化订阅。

如果你所在的公司正在小说、短剧或出海发行领域探索 AI 化，欢迎申请友盟+ ADK 首批客户 POC 体验包。我们用你的真实内容跑一轮，再谈合作。

【扫码申请 POC 体验包】

一份面向新手的 OpenAI Codex 入门指南，覆盖 Codex 应用、IDE 扩展、CLI、Web / 云端，以及权限、沙箱、Git 检查点、AGENTS.md 和提示词模板。

本文中提到的 Codex，指的是 OpenAI 当前的 Codex 编码智能体。它可以帮你读代码、看懂陌生的仓库、做代码评审、排查问题，并通过 Codex 应用、IDE 扩展、CLI 和 Web / 云端这几个入口为你工作。

文中截图来自 OpenAI 的官方页面或官方 GitHub 仓库，实际界面可能随时间变化。

这份指南写给谁

这份指南面向从未用过 Codex 的人，也包括目前还不太会写代码的读者。你不需要先把所有 AI 智能体相关概念都搞懂，只需要先记住一句话：

Codex 不只是一个 AI 聊天窗口。它可以进入一个代码项目，读文件、改文件、执行命令，并把改完之后的 diff 呈现给你看。

正因为 Codex 能动到项目里的文件，新手最关键的习惯，不是一上来就让它帮我做一个完整的项目，而是先学会：

• 先让它把项目读一遍；
• 让它先给出方案；
• 一次只改一小处；
• 看 diff；
• 跑测试；
• 提前打好 Git 检查点。

下面开始今天的内容：

1. Codex 是什么？

Codex 是一个可以在代码项目里干活的 AI 编码助手。

你可以用自然语言描述任务，例如：

请帮我解释一下这个项目是做什么的。

请找出这个 bug 的原因，并做最小必要的修复。

请为这个函数加一个单元测试。

Codex 可以读取项目文件、分析代码，必要时修改文件、执行命令或运行测试，然后把结果和 diff 反馈给你。

简单说：ChatGPT 像是在聊天窗里问问题，而 Codex 更像是有人坐在你的项目目录里跟你一起干活。

Codex 的基本工作流程

其中最关键的是最后一步：结果仍然由你审阅。

Codex 很强，但它不是一个自动上线工具。对新手来说，最安全的心态是：把它当成一个能力很强、但产出仍需要复核的助手。

2. Codex 长什么样？

图 1：Codex 欢迎 / 登录界面

第一次打开 Codex 应用，通常会看到欢迎界面，可以用 ChatGPT 账号登录，或填入 API Key。

Codex 欢迎登录界面

图 2：选择项目文件夹

Codex 不只是一个聊天工具，它通常需要知道自己在哪个项目里工作。你可以选择一个项目文件夹或 Git 仓库。

Codex 项目选择界面

图 3：第一次任务输入

选好项目之后，就可以描述你想让 Codex 做什么。第一次任务，建议让它解释项目，而不是改代码。

Codex 首次任务输入

图 4：Codex 应用主界面

Codex 应用是一个桌面工作台，可以同时运行多个会话，配合 worktree、自动化任务，以及集成 Git 工作流。

Codex 应用主界面

图 5：本地 / Worktree / 云端模式

在 Codex 应用里，每个会话可以使用不同模式：本地（Local）、Worktree、云端（Cloud）。

• 本地：直接在当前项目目录下工作。
• Worktree：把改动隔离在一个新的 Git worktree 里。
• 云端：在已配置的远端云环境中运行。

Codex 应用模式选择

图 6：Git 提交面板

Codex 应用内置了 Git 工具，可以展示 diff，并辅助暂存、提交、推送和创建 Pull Request。

Codex Git 提交面板

图 7：集成终端

每个会话都可以使用集成终端。常用命令包括：

1
2
3
4

git status  
npm test  
pnpm run lint  

Codex 集成终端

图 8：内置浏览器

对于前端项目，Codex 可以使用内置浏览器预览本地页面、查看元素、验证 UI 修复效果。

Codex 内置浏览器

图 9：VS Code / Cursor / Windsurf 中的 Codex 扩展

如果你已经在用 VS Code、Cursor、Windsurf，或其他兼容 VS Code 的编辑器，可以使用 Codex 的 IDE 扩展。

Codex IDE 扩展入口

图 10：IDE 中的权限模式

Codex IDE 扩展支持 Chat、Agent、Agent Full Access 等模式。新手应当先从 Chat 或普通 Agent 模式起步，而不是一上来就开 Full Access。

Codex IDE 审批模式

图 11：CLI 界面

Codex CLI 让编码智能体直接在你的终端里工作，更适合已经熟悉命令行的人。

Codex CLI 终端界面

图 12：在 GitHub 上请求 Codex 评审

配置好 Codex 云端 / GitHub 集成之后，可以在 GitHub PR 的评论里通过 @codex review 请求评审。

在 GitHub 上请求 Codex 评审

图 13：Codex 在 GitHub PR 中的评审评论

Codex 可以在 PR 中留下评审意见，并指向具体的代码位置和问题。

Codex 在 GitHub 上的评审示例

3. 新手需要知道的五个关键词

关键词通俗解释为什么重要
项目文件夹装着你代码的那个文件夹Codex 需要知道在哪里干活
Git一种代码版本管理工具出错时可以回滚
diff改动前后的差异Codex 改完后，先看 diff 再决定要不要接受
PR / Pull Request一组提交去申请合并常出现在 Codex 云端和 GitHub 流程里
沙箱 / 审批限定 Codex 能做什么、什么时候要问你帮新手避免误删或执行危险命令

如果暂时只能记住一个词，记住 diff。Codex 改完文件之后，不要只看它的总结，要看 diff，因为 diff 才是它真正改了什么。

4. 选入口：App、IDE、CLI 还是 Web？

Codex 有好几个入口，很多新手就卡在不知道从哪里开始这一步。

入口适合人群主要用法
Codex 应用新手桌面应用，选好项目然后发任务
IDE 扩展已经在用 VS Code、Cursor、Windsurf 或 JetBrains 的人从编辑器侧边栏唤起 Codex
CLI习惯终端的人从终端让 Codex 读、改、跑一个项目
Web / 云端需要后台跑活的 GitHub 项目在云端执行任务，看 diff，发 PR

我的推荐很简单：新手先用 Codex 应用。已经天天住在编辑器里的开发者，用 IDE 扩展。终端用得顺手之后再试 CLI。需要后台任务或自动 PR 的 GitHub 项目，用 Web / 云端。

5. 第一次使用：从 Codex 应用开始

5.1 账号与套餐

Codex 的可见性、配额和可用功能，会受到你的 ChatGPT 套餐、工作区权限和登录方式影响。

使用 Codex 应用时，通常可以用 ChatGPT 账号登录，也可以填入 OpenAI API Key。用 API Key 登录时，部分云端相关功能可能不可用。

5.2 下载、打开、登录

新手按这个顺序来：

1. 安装 Codex 应用；
2. 用 ChatGPT 账号登录；
3. 选一个练手用的项目文件夹；
4. 第一次任务用本地（Local）模式；
5. 第一次任务让它解释项目，而不是改代码。

5.3 推荐的第一条提示词

1
2
3
4
5
6
7
8

请暂时不要修改任何文件，用中文向我解释这个项目：  

1. 这个项目大致是做什么的？  
2. 主要的目录分别是做什么用的？  
3. 入口文件可能在哪里？  
4. 如果我想跑起来，通常要执行哪些命令？  
5. 有哪些你不确定的地方？请直接说“不确定”，不要猜。  

核心思想是：先读，不急着改。

6. 第一条提示词：在动手之前，先让 Codex 读

新手最常见的一个坑，是上来就这样问：

帮我把整个项目重构一遍。

帮我做一个完整的网站。

帮我把所有 bug 都修了。

这种任务太宽，你自己也很难判断 Codex 做得对不对。

更安全的顺序是这样：

第一次任务可以这样问：

请暂时不要修改任何文件。先讲解一下这个项目的整体结构，并告诉我新手应该优先阅读哪些文件。

确认 Codex 对项目的理解足够清楚之后，再进入下一步。

7. 第一次改代码：只改一小处

熟悉了 Codex 对项目的理解之后，让它做一个非常小的修改。

第一次的好目标是 README：

1
2
3
4
5
6
7
8
9

请只修改 README.md，新增一节叫“新手如何启动这个项目”。  

要求：  
- 不要修改任何其他文件。  
- 不要安装新的依赖。  
- 不要改任何代码。  
- 改完之后告诉我你改了什么。  
- 如果项目里没有明确写启动命令，请直接说“不确定”，不要凭空编造命令。  

Codex 改完之后，再做两件事：

1
2
3

git status  
git diff  

如果用的是 Codex 应用，也可以直接在审阅面板或 diff 面板里查看改动。

看 diff 时要看什么？

• Codex 是否动了你没允许它动的文件？
• 是否引入了你不认识的依赖？
• 是否删除了重要的配置？
• 文字或代码内容是否符合你的要求？
• diff 是否真的支撑了它在总结里讲的那些话？

作为新手，不需要马上看懂每一行代码。先学会“看动了哪些文件”，这一招就能避免一大半问题。

8. 可以直接抄的提示词模板

8.1 通用结构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

目标：  
我希望你完成什么？  

上下文：  
有哪些相关文件、报错、复现步骤或截图？  

范围：  
你可以修改哪些文件？哪些文件绝对不能动？  

约束：  
有哪些必须避免的事？例如：不要加依赖，不要改数据库结构，不要改 API 字段。  

验证：  
完成之后你要跑哪些命令？如果跑不了，要说明原因。  

输出：  
列出改了哪些文件、验证结果、风险点和后续建议。  

这个结构很朴素，但很有用，因为它能减少“猜”的成分。

8.2 读项目模板

1
2
3
4
5
6
7
8
9

请暂时不要修改文件，先帮我理解这个项目：  

1. 这个项目是做什么的？  
2. 用的是什么技术栈？  
3. 入口在哪里？  
4. 各个主要目录分别负责什么？  
5. 作为新手，应该按什么顺序读代码？  
6. 哪些地方你不确定？  

8.3 修 bug 模板

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

我遇到了一个 bug，请帮我定位并修复。  

现象：  
[把报错或行为粘贴到这里]  

复现步骤：  
1. [第一步]  
2. [第二步]  
3. [第三步]  

要求：  
- 先讲一下你判断的原因。  
- 做最小必要的改动。  
- 不要在没问我之前就加新依赖。  
- 修复之后，跑相关测试，或说明为什么跑不了。  
- 最后列出改动文件和风险。  

8.4 加功能模板

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

请帮我加一个小功能。  

功能目标：  
[功能描述]  

范围：  
- 可以改动：[文件 / 目录]  
- 不要改动：[文件 / 目录]  

要求：  
- 先给一个简短方案。  
- 每一步保持小步幅。  
- 沿用现有代码风格。  
- 如果需要新依赖，请先停下来问我。  
- 完成后跑相关检查。  

输出：  
- 改了哪些文件  
- 如何验证  
- 哪些地方仍需要我手工检查  

8.5 代码评审模板

1
2
3
4
5
6
7
8
9
10
11
12
13
14

请评审当前未提交的改动。  

关注点：  
1. 明显的 bug  
2. 漏掉的边界情况  
3. 可能造成的回归  
4. 安全或性能风险  
5. 是否需要补测试  

要求：  
- 先列高风险问题。  
- 再列中、低风险建议。  
- 不要修改任何文件，除非我明确要求。  

8.6 UI 任务配截图模板

Codex 支持图片输入。对于 UI 任务，可以把截图、设计稿或报错截图作为上下文一起提供。

1
2
3
4
5
6
7
8
9

请按附带的截图实现一个页面。  

要求：  
- 使用项目现有的技术栈。  
- 在布局、间距和字号层级上，尽量贴近截图。  
- 在没问我之前，不要引入新的 UI 库。  
- 只加必要的组件。  
- 完成后告诉我用哪个命令、打开哪个地址来查看效果。  

9. 安全使用：权限、沙箱、审批与隐私

Codex 能读文件、改文件、跑命令，所以安全边界很重要。

9.1 给新手的权限建议

模式适合做什么给新手的建议
Chat / 只读解释项目、回答问题、写方案先用这个
Agent / 自动小范围改文件、跑测试接受前看 diff
完全访问跨目录、联网、复杂任务不要把它当默认起点

9.2 遇到审批弹窗怎么办

当 Codex 请求审批时，先看它到底想干什么。

下面这些动作要特别小心：

*

1

rm -rf

*

1

sudo

*

1

curl ... | sh

*

1

npm install some-package-you-do-not-understand

*

1

Accessing system directories or directories outside the project

不确定时，选范围更窄的那个选项，或者拒绝，然后让 Codex 解释为什么需要这条命令。

9.3 不要把这些秘密交给 Codex

下面这些东西，不要直接粘到项目里、提示词里、日志里或截图里：

• API Key
• 数据库密码
• 生产环境令牌
• 客户隐私数据
• 个人敏感信息
• 公司内部不允许外传的资料
• 生产数据库连接串

报错日志要特别小心，里面可能藏着令牌、Cookie、URL 参数或数据库连接信息。粘贴之前先扫一眼。

9.4 改之前先打 Git 检查点

在项目目录里执行：

1
2
3
4

git status  
git add .  
git commit -m "checkpoint before codex task"  

Codex 改完之后再跑：

1
2
3

git status  
git diff  

万一出问题，Git 给你留了一条退路。

如果你还不熟悉 Git，记住一句话就够：在重要的生产项目里，不要在没有备份的情况下让 Codex 做大幅改动。

10. 新手 7 天练习计划

第 1 天：只读项目

1
2

请不要修改任何文件。解释这个项目是做什么的、目录结构、入口在哪里、怎么运行。  

目标：先弄清楚这是个什么项目。

第 2 天：让 Codex 写项目概览

1
2
3
4
5
6
7

基于你对项目的理解，起草 docs/project-overview.md。  

要求：  
- 面向新手。  
- 说明主要目录和启动步骤。  
- 不要修改任何代码文件。  

目标：练习让 Codex 生成文档。

第 3 天：只改 README

1
2
3

请只修改 README.md，加上安装和启动说明。  
不要修改任何其他文件。  

目标：练习审阅 diff。

第 4 天：修一个小 bug

1
2
3
4
5
6
7
8
9

报错如下：[粘贴报错]  

复现步骤：  
1. [第一步]  
2. [第二步]  
3. [第三步]  

请找出原因，并做最小修复。修完跑一下相关检查。  

目标：学会描述现象与复现步骤。

第 5 天：补一个测试

1
2
3
4
5
6
7

请为刚才修复的问题，补一个最小的测试。  

要求：  
- 先讲清楚这个测试覆盖了什么。  
- 不要顺手大改动。  
- 完成后把测试跑一遍。  

目标：不仅让 Codex 写代码，也让它去验证代码。

第 6 天：让 Codex 评审你的改动

1
2
3

请评审当前未提交的改动，关注 bug、边界情况、回归风险，以及是否需要补测试。  
暂时不要修改文件，只输出评审意见。  

目标：把 Codex 当作多一双眼睛。

第 7 天：试一下 Worktree 或云端

1
2
3
4
5
6
7

请在隔离的分支或 worktree 里，尝试实现下面这个小功能：[功能描述]  

要求：  
- 先给方案。  
- 改动保持小。  
- 完成后说明如何验证。  

目标：学会在隔离环境里尝试更复杂的改动。

11. 进阶：用 AGENTS.md 教 Codex 认识你的项目

经常用 Codex 之后，可以考虑在项目根目录加一个 AGENTS.md 文件。

把它当成一份写给 AI 智能体看的项目说明书。Codex 在开始工作之前会读这些约定，从而更贴合你们团队的规范。

示例：

1
2
3
4
5
6
7
8
9

# AGENTS.md  

## 项目约定  

- 修改 JavaScript 文件之后，请运行 npm test。  
- 在用户确认之前，不要新增生产依赖。  
- 修改公共工具函数时，相应文档也要更新。  
- 最终总结里，请列出改动文件、验证情况和风险。  

适合写进 AGENTS.md 的内容包括：

• 启动命令；
• 测试、构建、lint 命令；
• 代码风格；
• 绝对不能动的目录；
• 发布流程；
• PR 要求；
• 数据库和 API 的兼容规则。

一个实用的判据：当你不得不第二次提醒 Codex 同一件事时，就该考虑把它写进 AGENTS.md。

12. 常见问题

Q1：我不会写代码，可以用 Codex 吗？

可以，但要从“解释项目”“整理文档”“看懂这条报错”“写学习路线”这类任务开始，不要一上来就让它做大幅重构。

你可以把 Codex 当作学习助手，但它改完文件之后，你仍然要看 diff、验证结果。

Q2：到底用 Codex 应用、IDE、CLI 还是 Web？

新手先用 Codex 应用。如果你已经每天用 VS Code、Cursor 或 Windsurf，那就用 IDE 扩展。终端用得顺手之后再上 CLI。GitHub 项目需要后台任务或建 PR 时，用 Web / 云端。

Q3：Codex 改错了怎么办？

先看 diff。不满意就让它再调整。如果项目已经被改乱，用 Git 回滚。

如果你还没学 Git，先在练习项目上练，再让 Codex 在重要项目里做大改动。

Q4：Codex 让我批准一条命令，要不要同意？

只批准你能看懂的命令。

特别留意这些场景：删除文件、安装依赖、访问项目之外的目录、从网络下载、执行脚本。

不懂的时候，可以这样问 Codex：“请解释一下这条命令是做什么的，为什么必要，有没有更安全的做法。”

Q5：我必须要 API Key 吗？

不一定。

Codex 应用可以用 ChatGPT 账号登录，也可以用 OpenAI API Key。使用 API Key 时，云端会话等部分功能可能不可用。

Q6：Codex 能直接帮我部署吗？

不要让 Codex 在没有人复核的情况下操作生产环境。

更安全的流程是小任务 -> 审 dif -> 跑测试-> 看风险-> 提交 / PR -> 上线前由人确认

最后

开始用 Codex 的正确方式，不是 一把帮我把整个项目做好。

而是：先解释项目-> 给方案-> 改一小处-> 看 diff-> 跑测试-> 迭代

任务小一点、权限收紧一点、把验证讲明白，你就可以从第一天起，安全地用 Codex 来读代码、改代码、评审代码。

1
2
3
4
5
6

**关注**【**** 中科院计算所培训中心】

阅读更多精彩内容

▽▽▽

1
2
3
4
5

点分享

点点赞

点在看

1

AI漫剧的工序其实很固定，不同工具之间流程也大同小异。最近WorkBuddy热度很高，我试了一下，发现它自动剪辑这块挺能打。

这组图把我平时常用的 WorkBuddy+DeepSeek 流程简单拆了一下：从 DeepSeek 写剧本、做分镜、角色设定，再用 WorkBuddy 生成画面、剪辑，完整共五个阶段。

视频创作这件事，从来没有像今天这样，让人又爱又恨。

爱的是什么？从文生图到文生视频，AI 模型的能力在肉眼可见地飞速进化。

Veo、Kling、Seedance、Runway——每一个新模型的发布都像一记炸雷，炸出一堆”普通人也能当导演”的讨论。从一句话到一段 30 秒的视频，门槛在极速往下掉。

恨的是什么？当你真正想做一件事的时候，你会发现手里的工具是碎的。

提示词写在 notes 里，图片生成在 A 平台，视频跑在 B 平台，配音又要去 C。

素材散落在各个云存储里，每个平台的进度条和队列互不相认。更烦的是，平台之间的数据不互通，你在 A 平台发现的一张好图，想拿去 B 平台当参考，下载再上传，一轮下来半小时没了。

如果还要做迭代、做对比、做多版本的试错——那就更糟了。因为这意味着你要在好几个网页之间来回切，每个平台都要重新登录、重新填 API Key、重新传素材。你本来可以在脑子里跑完的创意回路，被碎片化的工具链硬生生打断。

有人试图解决这个问题。ComfyUI 用节点化界面把 Stable Diffusion 生态里的模型跑通了，这是一个起点；Open Generative AI 开始整合多模型渠道，让用户不用在各个平台间切换；OpenMontage 把视频制作全流程封装成了生产管线，让 AI Agent 可以一条龙干活。

但这些方案，要么是面向开发者的工程化工具，要么是重型 SaaS 平台，对于真正的内容创作者来说，还有一种更朴素的需求：我就想要一个装在自己电脑里的小工具，打开就能用，数据全在我自己手里，不依赖云端，也不要求我部署这部署那。

这就是 BeefTV 的答案。你可能在各种渠道见过它——有人叫它 BeefTV，也有人称之为开源平替版 LibTV。

📦 5 Parts + Conclusion

👉 滑动

PART 01

BeefTV 是什么

PART 02

三个关键词：高性能、轻量、AI 原生

PART 03

一个画布，完整创作链路

PART 04

快速上手

PART ///

写在最后

01

PART

BeefTV 是什么

BeefTV 是一个面向 AI 时代的本地优先视频创作工作台。

它在一个无限画布里，把创意、模型和素材真正连起来，从生成、组织、加工到迭代，覆盖了视频创作的完整链路。

项目的作者是 Beefnoodle（GitHub 上叫 glanderness，X 上是 @beefnoode），一个 AI 独立开发者，在一周时间里基本把 LibTV 的核心功能都复刻实现出来了。

BeefTV 不是 SaaS，也不是 Web 应用。它是一个跑在你自己电脑上的桌面程序。用 Go 写后端，React + TypeScript 写前端，用 Wails 把前后端打包成原生桌面应用。

所有数据——项目、画布、素材、任务记录、模型配置——全部保存在本地 SQLite 数据库和本地资源目录里。你不需要注册、不需要登录、不需要把任何创意数据上传到云端。

这就是它最核心的设计哲学：Local First（本地优先）。

02

PART

三个关键词：高性能、轻量、AI 原生

BeefTV 的自我定位用三个英文单词就能说清楚：High Performance · Lightweight · AI Native。但真正有意思的是这三个词背后的取舍。

High Performance：不是跑分，是”用着不卡”

在 BeefTV 的定义里，高性能不是指跑多少 FPS 或者吞吐多少请求，而是当你的创作画布上堆了几十个节点、上百段素材的时候，操作依然丝滑。

它是怎么做到的？核心是解耦。

视口渲染、节点加载、媒体预览、生成任务——这四件事互相独立运行，一个卡住了不会拖慢其他三个。

你在左边画布上继续拖节点的同时，右边后台的视频生成可以慢慢跑；你缩放画布看全局的时候，单个节点的预览图可以按需加载，不必一次性渲染出来。

Lightweight：装在小电脑里也能跑

BeefTV 的另一个设计目标是低资源占用和低使用门槛。

它不要求你有一台顶配的 GPU 工作站，也不要求你先装一堆依赖再跑 Docker 容器。

它就是一个桌面应用，下载下来、解压、双击就能打开。能力按需加载——你只用图像生成，它就只加载图像相关的模块；你不配置音频模型，音频相关的代码根本不会跑起来。

AI Native：AI 不是按钮，是工作流

这是 BeefTV 和其他创作工具最大的不同。

很多创作工具的”AI 功能”，是在一个传统编辑器上加一个”AI 生成”按钮。你点一下按钮，出来一个结果，然后你手动把结果拖到画布上。AI 和你的创作流程是割裂的。

BeefTV 不这么干。在它的画布里，AI 就是节点本身。你可以把一个文本生成节点连到一个图像生成节点，再把图像节点连到一个视频生成节点——整个链条里每一步都由 AI 驱动，但每一步的输出都是可编辑的、可复用的节点。

你可以修改中间任何一步的提示词或参考素材，整条链路自动重新跑起来。

更狠的是，它最新版本加入了 Agent 能力。

这个 Agent 可以直接理解画布——看明白你画的那些节点和连线是什么意思，知道你想要什么风格，甚至能帮你自动组织素材、调用合适的模型、把生成结果写回画布里。

03

PART

一个画布，完整创作链路

BeefTV 给用户的不是一堆分散的功能按钮，而是一条完整的链路：

想法 / 参考素材 ↓ AI Native 自由画布 ↓ Agent + 模型 + 创作工具 ↓ 文字 / 图片 / 视频 / 音频 / 分镜 ↓ 可编辑、可复用、可继续生成的工作流

让我展开说一下每一步是什么样的：

生成：从文字到多媒体

你可以从一句话的提示词开始，也可以拿一张参考图片、一段视频片段、甚至一个音频文件作为起点。

画布里的节点支持文字、图片、视频、音频 四种模态的生成，而且可以自由组合——文字生成图片，图片生成视频，视频生成音频驱动口型，或者反过来。

模型渠道是开放的，你可以自由配置任何 provider。内置了 BeefAPI，可以一键连接；如果你想用自己的 API Key 接其他模型，填个 Base URL 和密钥就行。

组织：用节点讲故事

它的画布不是简单的”堆素材”，而是用节点和连线来组织你的创作逻辑。

比如你想做一个 AI 短剧的分镜，你可以：

左边放一个”场景描述”文本节点

中间放一个”人物设定”图片节点（从文本节点读取角色描述）

右边放三个”分镜视频”节点（分别从图片节点取人物，从文本节点取场景）

当你修改左边的场景描述时，所有关联的节点都可以自动重新生成。这不是简单的”版本管理”，这是创作关系的可视化表达。

加工：生成之后还能继续改

很多 AI 工具的问题是”生成完就完了”——出来的结果不能编辑，不满意只能重新生成，或者导出到别的软件里再改。

BeefTV 不一样。生成出来的任何素材，都是画布里的可编辑节点。

你可以在它上面继续裁切、标注、局部重绘、拆分、引用、和其他素材组合。比如一段视频生成出来，你觉得开头 2 秒不好，直接在画布上拆出来重新生成开头就行，不用重新跑整条视频。

迭代：保留过程，复用素材

这是节点化设计的天然优势。你在画线上试过的每一个提示词、每一张生成图、每一段视频片段，都被保留在画布的节点里。当你想回到某个版本的时候，只要把那个节点重新激活就行。

更妙的是素材复用。你在项目 A 里生成了一张很好看的人物设定图，想带到项目 B 里用？直接从个人资产库里拖过来。BeefTV 有一个全局的资产库，跨项目都能共享。

本地版独有的贴心细节

读 BeefTV 的完整功能清单时，我注意到很多针对创作场景打磨的细节设计，这些都是只有真正懂创作流程的人才会想到的：

画布版本记录 你的每一次保存都会被记录下来，按日期展开成历史树。可以点开任意版本做只读预览，想恢复的时候也很安全——先自动保存当前工作、备份云端内容，再创建一个新版本。历史引用的媒体还会受到删除保护，不会因为清理素材而丢失某个版本。

智能引用 在节点的提示词里，你只要输入已经连接素材的名字、标签或者序号（比如”图1”、”image1”），按 Tab 就能自动把引用插进去。写提示词时不用手动去复制素材链接。

多角度与宫格切分 图片节点里有一个 3D 视角编辑器，可以快速切换常用角度；还支持把一张图切成 4/9/16/25 宫格，自定义点选也行。切分后的子图会自动按网格排开在画布上。

AI 提示词优化器 内置了一个聊天式的提示词优化面板，复用你已经配置好的文本模型。它能帮你”扩展想法”（把模糊想法补齐主体、场景、构图等细节）、”精修已有提示词”（保留原意但更精准）、”强化风格”、”适配特定模型”，还能结合已经连接的参考素材一起优化。

批量创作表 想要一次生成多个版本试试？批量创作表支持全局提示词覆盖、空槽拖入上传、已有缩略图点击替换、参考图拖拽重排，甚至缩略图跨行跨列交换都行。

这些功能单独拎出来看都不算宏大，但合在一起，就是真正懂创作者日常的表现。

04

PART

快速上手

下载最新 release 安装包即可快速使用。目前 macOS 的安装包还没完成 Apple 公证，首次打开需要手动允许。

也可以通过 Docker 全栈（开发用）

如果你想直接跑完整的前后端开发环境：

docker compose up -d --build

配置模型渠道

首次打开后直接进入本地工作区，不需要注册登录。打开”模型配置”面板：

BeefAPI 内置渠道，点”连接 BeefAPI”，在系统浏览器完成授权就行，不用手动填密钥

其他渠道 自己填 Base URL 和 API Key，密钥保存在本地

数据备份

所有数据存在本地工作区里（SQLite 数据库 + 资源文件 + 模型配置 + 迁移备份）。升级迁移前会自动备份数据库，迁移或恢复的时候，先退出 BeefTV 再完整复制数据目录 就行。

///

LAST

写在最后

说句实在话，AI 创作工具这条赛道已经非常拥挤了。每个月都有新产品出来，每个都说自己能 “AI-native”、”一站式”、”降本增效”。

那些 SaaS 巨头走的路线是：我有最大的 GPU 集群、我有最全的模型库、我有最稳定的服务。你用我的平台，付订阅费，一切交给我。

BeefTV 走的路线是：你有自己的电脑、你有自己的 API Key、你有自己的素材。我给你一个好用的本地工作台，让你把自己拥有的东西组织好、用起来。数据在你手里，控制权在你手里。

BeefTV 刚开源不久，还有很多不完善的地方。Agent 能力也还在起步阶段。但这种”本地优先 + AI 原生 + 轻量”的定位，确实戳中了不少创作者的痛点。

GitHub：https://github.com/glanderness/BeefTV

作者 X：https://x.com/beefnoode

如果本文对您有帮助，也请帮忙点个 赞👍 + 在看 哈！❤️

在看你就赞赞我！

文/泓希
这两年，我见过太多“来去匆匆”的老板。

饭局上碰面，聊起短剧，眼睛发亮。“门槛低、来钱快、市场大”，三句话就能把人说服。过几个月再问，项目停了，人也不聊短剧了。

入局快，撤退更快。这不是个别现象，是短剧行业反复上演的剧本。

一、入场时的“低门槛幻觉”

老板们冲进来，逻辑很简单：短剧是轻资产赛道。

不用建厂、不用买设备、不用养几百号人。几十万启动资金，找个编剧写本子，拉个剧组拍完，上线等分账。
看起来，这是一门“投入可控、回报可期”的生意。

2025年确实有人赚到了钱。一部剧成本30万，投流100万，回本200万，周期7天。这种故事传出去，没有人不心动。

但大部分老板只看到了“有人赚了”，没看到“赚的人做对了什么”。他们以为自己也可以复制，结果发现自己复制的只是“入场动作”，复制不了“赚钱能力”。

二、进来之后才发现：省下的钱，都交出去了

AI确实把制作成本打下来了。

一部AI短剧的制作成本可以压到几万块。六然韵创始人钟天翔透露，两三个人的团队加上AI，一个月能产出8到10部短剧，AI微短剧的整体生产成本下降十倍以上。

成本降了，利润应该涨吧？

DataEye剧查查副总裁算过一笔账：AI短剧制作端成本下降了约90%，但流量投放成本同比涨幅超过100%，行业整体收益端缩水五成以上，大量入局AI短剧的企业目前仍处于未盈利状态。

省下来的制作费，转手交给了投流。

更残酷的是，短剧的利润结构本身就是“平台拿大头”。有从业者算过，一部全资50万元的剧，需要用户充值达800万元才能回本，而能达成这一目标的作品不足5%。付费短剧平台给制作方的分账比例通常只有6%。

这意味着什么？老板们以为自己是“投资人”，实际上更像是“出资方”——出钱拍了一部剧，然后看着钱在投流环节被烧掉。

三、亏钱的共性：用“做内容”的思维做“流量产品”

真正让老板们撤得快的，不是亏钱本身，是亏得莫名其妙。

他们不明白：为什么播放量看起来不错，回款却少得可怜？

问题的根源在于，他们用“做内容”的思维在做一门“流量生意”。

内容思维只关心的是“这部剧好不好看”。流量产品思维关心的是“这个产品能不能跑通”——投流ROI是多少？回本周期多长？用户付费意愿如何？

一个做了十多年传统生意的老板跟我说：“我拍了一部剧，播放量五百万，结果到手不到一万块。这生意怎么做？”

我问他：“你投了多少流？投产比是多少？用户从哪个渠道来的？有效播放是多少？”

他一个都答不上来。

他只知道“播放量五百万”，但不知道“有效播放可能只有两百万”，不知道“万播收益可能只有5到10元”，更不知道“投流成本可能已经吃掉了全部利润”。

赚了吆喝，亏了本钱。这是大多数入局老板的共性结局。

四、撤退的真相：不是短剧不行，是他们不行

那些撤退的老板，给短剧行业留下了一个“坑”：看起来谁都能做，实际上谁做都亏。

原因不复杂：

第一，他们没有内容判断力。
不知道什么样的剧本能跑出来，只能跟风。别人做霸总，他也做霸总；别人做战神，他也做战神。
结果就是同质化竞争，谁也跑不出来。

第二，他们没有投流能力。
短剧的利润约束不在内容成本端，而在买量成本端。
一个优秀的投手，能把ROI从1:0.8提升到1:1.5。但大多数老板连投手是干什么的都不清楚。

第三，他们没有长期投入的耐心。
短剧不是一个“拍一部就能赚”的生意。那些真正跑出来的团队，靠的不是运气，是持续产出优质内容的能力。
有团队两个月上线11部剧，后台总收益9块6。这种情况下，没有耐心的老板当然选择撤退。

短剧行业有一个残酷的真相：入场的人很多，留下来的人很少。

那些撤退的老板，不是输给了市场，是输给了自己的认知。他们把短剧当成了“低门槛的暴利生意”，但实际上，短剧是一个“高风控的精细生意”。

入局只需要一笔钱，深耕需要一套能力。

你能留下来，不是因为你钱多，是因为你比别人更懂这门生意。

本文首发于微信公众号：短剧圈.泓希从事短剧行业
小伙伴想进群交流的滴滴我

信息来源，一并感谢：1. 投资界：《AI短剧正在被自己的产量「反杀」》，2026年9月22日
2. BT财经：《12万部AI短剧上线仅1部回本，成本降90%为何越做越亏？》，2026年9月23日
3. 流媒体网：《靠短剧暴富的路，究竟还能走多远？》，2026年4月29日
4. 钛媒体：《史上最快“变天”风口，还没造富就落幕》，2026年4月10日
5. 36氪：《3000元成本做出5亿播放 靠AI短剧真的能暴富吗？》，2026年9月25日