先给一个时间账

有人做过一次完整实测：一个零基础的人，从剧本到可发布成片，90 分钟。

拆解下来大致是这样：

阶段耗时产出
写故事梗概与剧本20 分钟两三百字概要 + 台词
建项目、定画风、生成分镜15 分钟8 个镜头列表
逐镜头补提示词、锁角色15 分钟角色卡 + 8 条提示词
批量生成画面20 分钟8 段素材
配音、配乐、字幕、导出20 分钟成片

前 30 分钟是纯文字工作，但它决定了后面 60 分钟顺不顺。跳过剧本直接生成，是最常见的翻车方式：你会得到一堆好看但彼此毫无关系的片段，然后试图在剪辑台上编一个故事——那行不通。

第一段：把剧本写成”画面指令”

视频模型吃的不是剧本，是分镜提示词。每条分镜至少写清五件事：

镜号 / 画面（谁+在哪+做什么）/ 台词 / 时长 / 运镜

举例：

镜 03｜近景｜女主在雨夜便利店门口回头，眼神倔强｜”我不等你了”｜4 秒｜缓慢推近

几个关键决定要在这一步做完：

  • 画风一次定死。 选一个风格贯穿全片，中途更换会让镜头质感像拼贴画。可以在开工前做一次风格试验：同一段环境描述，分别生成”写实电影风””带胶片颗粒的复古风””CG 动画风”，对比后选一种。
  • 画面比例一开始就要锁。 短视频以竖屏为主，新建项目时就选 9:16，不要生成完再裁——裁切会破坏构图。
  • 命名规范。 用 S01E01_SC01 这种格式（第 1 季第 1 集第 1 镜），后期找素材时省一半时间。
  • 一分钟视频建议 5–8 个分镜，每个镜头注明时长与内容，同时标注镜头语言，比如”镜 1：全景，固定镜头，画面右下角柜子微微晃动（伏笔）”。

第二段：角色一致性，靠描述而不是运气

观众最受不了的是主角每帧换张脸。锁一致性只有三招：

  1. 先出一张主角参考图。 用图像模型生成 3–5 张挑最顺眼的，后续所有镜头都以它做图生视频的起始帧。
  2. 外貌描述要具体到变态。 别写”一个年轻男人”，写”黑色短发、左侧有一缕白发、穿深蓝色工装夹克、左耳有缺口”。后续每个镜头沿用同一段主体描述，不要频繁改衣服颜色和发型。
  3. 固定 seed / 角色 ID。 别每个镜头重新抽卡。平台侧有带角色一致性管理的工具，能省不少事。

第三段：提示词的固定句式

一个反复验证有效的结构是：主体 + 动作 + 镜头行为 + 光线 + 风格。

medium shot of a baker pulling bread from a stone oven, slow push-in, warm morning light through a side window, shallow depth of field, documentary style

每个词都有活干，不要堆形容词。风格词放最后，它会作用于整条片子而不只是质感。

负面提示词别忘了：no blurry, distorted hands, extra fingers。

生成时一次出 2–3 条挑一条，比反复改提示词高效。

判断一个片段能不能用，标准不是”清晰好看”，是三条：画面有没有明显扭曲、动作是否连贯合理、构图和分镜图是否一致。三项合格，小瑕疵留到剪辑阶段处理。

第四段：剪辑，剪在动作上

素材不等于片子。这一段有四条硬规则：

规则一：单镜头别贪长。 AI 生成的动态画面信息量有限，3–5 秒是舒适区，4–6 秒是甜点区，超过这个长度画面重复感会非常明显。

规则二：剪掉每个片段的开头半秒。 AI 素材经常有一个生硬的 ramp-in（起幅），前半秒几乎总是废的。

规则三：在动作处下刀。 手离开画面、转头、关门——动作剪辑能藏住瑕疵，而且看起来是刻意的。

规则四：观众能预测到镜头结尾，这个镜头就已经太长了。 这是最常见的节奏错误。

第五段：声音先定，画面后配

这条是本期最想强调的一点：配音先定稿，再拿音频时长反推每个分镜的画面长度，口型才对得上。

具体参数：

  • 语速调到 1.1 倍左右，更符合短视频节奏，情绪张力立刻不一样
  • BGM 音量降到约 -18dB，人声保持在 -6 到 -3dB
  • 房间底噪（room tone）铺满整条时间线，能把不同模型生成的素材粘成一个连续空间
  • 每个切点加一层轻微的 whoosh 或低频 thud，观感上的制作水平会明显提升
  • 关键动作必须加音效（门倒下、杯子落地），环境音适度，别盖人声

配音合成时，标点符号会影响断句，用逗号和句号控制停顿节奏，比直接粘贴大段文字好得多。

三条铁律

铁律一：镜头失败，改镜头，别换模型。 复杂的手部动作、人群、快速运镜仍然是所有模型的弱项。改成特写或插入镜头，同样的剧情节拍往往一次就过。

铁律二：先匹配，再调色。 不同模型产出的素材色温与对比度不同。先给所有素材套一层统一的基础 look，再对个别镜头做微调。

铁律三：字幕要人工校对。 自动字幕快，但会读错人名和专业术语。导出母版用最高质量，再从母版生成各平台版本，不要反复从时间线导出。

参考链接

  1. 零基础实测AI短剧 90分钟从剧本到成片全流程记录 - 尧图网站
  2. A practical end-to-end workflow - Domer AI
  3. AI短片创作 用导演思维和提示词模板告别塑料感 - 尧图网站
  4. AI短剧制作全流程拆解 从剧本到成片 - 夜雨聆风
← 返回首页全部文章