企业官网建设流程全解析

1. 先解决一个扎心的问题：为什么AI短剧总被一眼识破

如果你最近刷到过 AI 短剧，大概率会有一种说不上来的别扭感：画面很精致，人物很漂亮，场景很宏大，但就是“一眼假”。点进去三秒就想划走。

这不是你审美有问题，而是这些作品从第一个镜头开始就输了。

先说结论：大部分AI短剧的问题不是画面不够精细，而是镜头语言没有叙事效率。观众第一眼看到的是空荡荡的场景、没有信息量的推镜头、突然抽搐的人物动作，或者两个镜头之间完全变了一张脸的主角。在这种情况下，无论后面剧情多反转，都已经没人看下去了。

如果你正在做 AI 短剧，或者准备入局 AI 视频内容，那么这篇文章要解决的问题很具体：

• 为什么你的 AI 短剧“一眼废”？
• 第一个镜头要怎么设计，才能让观众留下来？
• 从分镜、提示词到后期，一条能稳定产出“不像 AI 做的”短剧的完整流程是什么？

很多教程都在教你“怎么用工具生成视频”，但真正让作品拉开差距的，是生成之前的分镜设计和生成之后的一致性控制。这篇内容会把你拉回影视语言的基本功上，再把它翻译成 AI 视频工具能执行的提示词和工程流程。

2. AI短剧的核心问题不是技术，是影视语言缺失

要理解为什么 AI 短剧容易“一眼废”，先要搞清楚一个事实：AI 视频工具擅长生成“画面”，但完全不理解“镜头”。

画面和镜头是两回事。

“画面”是一帧静态图里有什么，比如一个女孩站在街道上。“镜头”是观众在特定时刻看到了什么、先看到什么、后看到什么、看多久、用什么景别看。影视导演在片场说的“这个镜头有问题”，指的不是演员站歪了，而是这个镜头没有完成它该承担的叙事任务。

AI 视频工具的原理，本质是你在提示词里描述一段动态画面，模型根据训练数据生成若干帧。它并不知道这一段在整部短剧中的位置，也不知道观众在前面已经看到了什么信息。所以生成结果经常出现以下问题：

其中，人物一致性崩坏是AI短剧最致命的问题。传统影视拍摄中，演员从开机到杀青都是同一个人，观众默认“这两场戏是同一个人”。AI生成则不同，每次抽卡都是重新采样，同一个提示词在不同种子下生成的脸完全不一样。这导致很多AI短剧从头到尾角色的脸都在“漂移”，观众刚记住女主角的长相，下一场戏她又变了。

这个问题不是解码器能解决的，它是生成机制决定的。所以必须通过工程手段去约束，方法会在后面第三节和第四节展开。

从信息论角度解释更清楚：**观众看电影，第一秒就在做信息密度评估。**传统影视的第一个镜头会快速建立三件事——空间、人物、情绪。AI生成的很多短片第一秒给的是“好看的壁纸”，空间有了，但人物和情绪是缺失的。观众觉得“空”，本质是信息密度不达标。

这就是为什么第一个镜头非常重要。它不是审美问题，是信息结构问题。

3. AI短剧从脚本到成片：先把生产链路搞清楚

想要搞懂第一个镜头怎么设计，必须先了解 AI 短剧整体的生产链路。与传统拍摄不同，AI 短剧的每个环节都对应不同的工具和不同的工程方法。

一个相对完整的 AI 短剧生产线包括七个环节：

3.1 剧本与分镜脚本

这一步决定“拍什么”。短剧的剧本需要高密度冲突，和传统长剧不同，短剧前 5 秒必须有钩子，前 30 秒必须有反转。分镜脚本则是把文字剧本拆成一个个镜头，标注每个镜头的景别、机位、运动方式、时长、画面内容、台词。

这一步是整个流程中最重要的一环，但也是新手最不重视的一环。很多人拿到剧本直接开始生成视频，结果就是镜头之间没有衔接关系，人物出场毫无设计感。分镜脚本不需要很复杂，一个表格就够用。

这个表格的价值在于，每一个镜头都告诉你：这一秒观众应该看到什么。没有这个表格，AI 就是无头苍蝇。

3.2 角色与场景设定

这一步解决“长什么样”的问题。目前主流做法是用 Midjourney、Stable Diffusion 等图像生成工具制作角色设定图，包括正脸、侧脸、半身、全身，以及不同表情和动作。这些图会成为后续所有镜头的人物控制基准。

角色设定也不是随便生成一张好看的图就行。要保证一致性问题，至少需要：

• 统一的角色描述模板，性别、年龄、发型、发色、瞳孔、脸型、服装、配饰都写死。
• 每个角色生成 4 到 8 张不同角度、不同表情的参考图。
• 使用固定种子或角色参考功能，保证同一角色的多个视图共享同一张脸。

这一步做完，后面生成视频时就可以通过“图生视频 + 角色参考”的方式，极大降低面孔漂移概率。

3.3 分镜图生成

分镜脚本出来后，不要直接让 AI 生成视频，而是先为每个镜头生成一张关键帧图片。这张图片的质量决定视频质量，画面里所有元素都要在这一步确定下来：人物姿势、服装细节、环境光线、构图、镜头焦距。

这一步是 AI 短剧与纯提示词视频的核心区别。以前是“输入文字生成视频”，现在是“先生成图，再让图动起来”。图生视频的稳定程度远高于文生视频，因为模型不需要凭空想象一个世界，只需要在既定画面上补运动信息。

3.4 AI视频生成

有了分镜图，接下来用视频生成工具让画面动起来。这个环节需要考虑三个参数：

• 运动幅度：幅度越小，视频越稳定。人物微表情、轻微呼吸感用低幅度；人物转身、走路用中幅度；大场景镜头运动用大幅度。
• 时长：大部分工具单次生成在 5 到 10 秒。短剧不需要一镜到底，3 秒一个镜头就很正常。
• 首尾帧：部分工具支持首帧和尾帧设定，这样可以控制镜头结束时的画面，方便前后衔接。

这一步也是最容易“废”的一步，生成结果的随机性依然很大。合格的工程流程是：一个镜头生成 3 到 5 个版本，从中挑选可用的 1 个，而不是生成一次不管结果直接进入下一个镜头。

3.5 剪辑与合成

所有单镜头视频生成完毕后，用剪辑工具按分镜表顺序拼起来。剪辑时要做的不仅是连接片段，还包括：

• 删除 AI 生成片段中动作扭曲、脸部变形的中间帧。
• 通过剪辑节奏控制观众注意力，一个镜头停留时间要匹配信息量。
• 加入音效和音乐，用声音弥补画面的“AI感”。

很多 AI 短剧“一眼废”是在剪辑环节没救回来。素材有瑕疵是正常的，关键是要会剪。

3.6 配音与配乐

AI 配音的成本已经非常低了，高质量的语音合成工具可以在几分钟内生成不同情绪的台词。但这一步真正难的是对白节奏，很多 AI 短剧的台词朗读感太重，一句话里所有字同样重读，听起来完全没有情绪起伏。配音后需要人工调整停顿、重音、语句速度。

BGM 情绪线也很重要。短剧要求在关键时刻用配乐把观众情绪顶上去，音乐不要从头铺到尾，该静则静，该响则响。

3.7 后期调整

最后一步是整体画面统一。因为每个镜头可能是不同批次生成的，色温、饱和度、对比度存在差异。在剪辑工具里加一层统一的调色滤镜，可以大幅弱化“每段素材来自不同世界”的割裂感。

4. 第一个镜头的信息结构设计方法

现在把焦点拉回到文章开头的问题：第一个镜头怎么设计才不输？

传统影视有一个说法：**第一个镜头应该让观众提出一个问题，并且愿意花时间等答案。**AI 短剧也是一样，但 AI 生成天然倾向于给“美景”，所以更需要刻意设计。

建议第一个镜头遵循“3E原则”：

4.1 Establish（建立空间）

第一眼要让观众知道在什么地方。不是全景展示，而是用一个有辨识度的局部建立空间感。比如不用拍“整个城市废墟”，而是拍“一只靴子踩碎地上的报纸，报纸头版写着末日倒计时”，这个镜头同时完成了空间建立和信息铺垫。

4.2 Encounter（遭遇人物）

在前 5 秒内让人物出场，不要把镜头浪费在无人的空镜上。观众对短视频的耐心极短，他们不是来看风景的，是来看人的。人物出场的第一镜头最好用中近景或特写，让观众能清楚看到脸和表情。AI 视频在远景下容易暴露肢体变形问题，中近景也能顺便避短。

4.3 Emotion（传递情绪）

第一个镜头要能传递一种情绪状态。恐惧、紧张、好奇、压抑，都行。不要传递“好看”这个信息，好看对剧情没有任何推进作用。情绪可以通过光影、颜色、人物动作和微表情来建立。

来看一个对比案例。

错误示范：

提示词：A beautiful girl standing on a rooftop overlooking a city at sunset, cinematic lighting, 8k, highly detailed

这类提示词生成的画面大概率很美，但信息量为零。城市、夕阳、美女，观众三秒后记住的是“一个好看的壁纸”。

正确示范：

提示词：close-up of a young woman's face, tears welling up in her eyes, she is staring at something off-screen, cold blue morning light, shallow depth of field, background is a blurred city street with emergency lights flashing, 35mm lens

这个镜头的关键差异在于它包含了一个状态变化正在发生的瞬间：眼泪正在聚集，她正看着画面外的某个东西。观众会自然而然地想知道“她在看什么”“为什么哭”。画面外的空间被情绪激活了，这就是叙事效率。

如果把这种思路落地到完整提示词模板，可以这样写。

[景别] of [主体], [主体的关键状态], [情绪/氛围], [环境关键元素], [光线描述], [镜头/画幅参数], [风格约束]

实际例子：

extreme close-up of a man's hands, trembling, holding a worn-out photograph, warm candlelight, dark room, the photo shows a woman's face but the man's thumb is covering her eyes, 85mm lens, film grain, shallow depth of field

这类的第一个镜头做到了三件事：建立了空间（暗房间、烛光），引入人物（虽然只有一双手），暗示矛盾（照片上的女人被遮住眼睛）。仅仅一个镜头，就足够让观众产生疑问。这个疑问就是让观众不划走的原因。

5. 人物一致性的工程级解法

人物一致性是 AI 短剧制作中最难、坑最深的问题，需要单独拿出来拆解。

AI 视频生成的人脸漂移问题，根因在于扩散模型的每个采样步骤都有随机性。即使你使用完全相同的提示词、完全相同的种子、完全相同的参数，重新生成一次也会得到大同小异的脸。如果提示词里对于角色外貌的约束不够强，漂移会更加明显。

以下是几种可以组合的工程手段。

5.1 使用角色参考图

这是最常用也最直接的手段。主流 AI 视频工具大都支持上传首帧图片作为画面基础，其中部分支持参考图来约束角色。具体操作方式是：先用角色设定工具生成一张角色正面照，然后基于这张照片生成不同姿势和不同场景的图，最后再用这些图作为视频生成的输入。

操作时要注意一个细节：参考图的生成风格保持一致性。如果一张参考图是写实照片风，另一张是厚涂插画风，第三张是 3D 渲染风，那模型会认为你在要求一个角色拥有三种不同的质感，最终生成结果是三种质感的混合体。

5.2 写死“视觉锚点”

所谓“视觉锚点”，就是角色身上最稳定、最容易识别的特征。在提示词中反复强调这些锚点，能相对降低角色漂移的概率。

常见的视觉锚点按优先级排序：

• 眼睛颜色和瞳孔形状（蓝色眼睛异于常人，泪痣，红色瞳孔）。
• 发型和发色，必须写具体，避免模糊表达。
• 标志性服装和配饰，例如“红色围巾”“左耳银色耳钉”“肩上的机械鹰”。这些元素基本不会变，可以作为观众识别角色的辅助记号。
• 脸型特征。AI 生成作品中常见的问题是脸型到处漂，因此要给出具体的脸型描述，比如“鹅蛋脸”“高颧骨”“棱角分明的下颌线”等。

因为 AI 模型对抽象词汇（如“漂亮”“英俊”“有气质”）理解不稳定，而对具体词汇（如“黑色短发”“蓝色瞳孔”“左脸有一道疤”）更敏感，所以在提示词中尽量用量化、可视觉化的描述。

5.3 固定随机种子

不少工具允许设定 seed 值。同一提示词下，相同 seed 会得到更接近的结果。当你在同一镜头内需要同一个角色的多个角度画面时，尽量让这些画面的 seed 接近。

不过 seed 只是辅助而非万能药。不同镜头的构图和场景差异太大时，seed 能起到的作用有限。seed 的真正用途是抽卡时的复现：你抽到了一张满意的画面，记录 seed，之后重试微调时，可以在保留该 seed 的基础上修改局部描述，而不至于完全推翻重来。

5.4 对瑕疵素材做镜头级处理

即使做了上述控制，AI 生成的角色脸在个别帧中依然可能轻微变形。这一点的处理方式是：不要追求每一帧都完美，而是保证关键帧稳定。短剧的镜头平均时长只有 2 到 4 秒，观众不会逐帧检视画面，但如果脸部非常明显地垮掉，则必须剪掉那一部分。

可以在剪辑工具中采用这几个技巧：

• 用加速或减速调整脸部变形的几帧，让它们快速闪过。
• 用叠化或其他转场掩盖变形区域。
• 当变形出现在运动镜头中时，直接切走，不要留恋素材。

5.5 配音反向绑定角色设定

这是很多团队忽略但非常好用的手段：给角色配上特征化的声音。AI 配音工具允许设定不同音色，如果你的女主角声音沙哑而低沉，男主声音清亮而年轻，这些声音锚点会在观众脑子里“反向加固”视觉一致性。即使画面里的脸有细微变化，只要声音统一，观众对角色同一性的认知依然牢固。

6. 一个可用的镜头生成提示词工程模板

提示词是 AI 视频生成中最基础的工程单元。看几个常见的错误写法，再给出一套可复用的模板。

6.1 低质量提示词的三个通病

通病一：堆砌质量词。例如 “cinematic, 8k, uhd, best quality, masterpiece, highly detailed, 4k, octane render”。这些词占据提示词长度，但对画面内容几乎没有任何约束力。

通病二：一次性写多件事。例如 “a flying dragon attacking a castle while a knight is running toward the princess who is crying in the tower”。镜头内信息过载，模型无法合理分配注意力，最终每个元素都变形或者被省略。

通病三：缺少风格限定。同一个提示词在不同模型版本、不同风格导向下，可能生成完全不同的画面。需要显式告诉模型你想要的画风，是“写实电影感”“动画渲染感”还是“CG 厚涂感”。

6.2 高质量提示词结构模板

主帧提示词模板

[镜头类型]，[主体描述+视觉锚点]，[主体动作/状态]，[构图信息]，[环境描述]，[光线与色调]，[镜头焦距与风格]，[画质与缺陷排除词]

拆开看每一块的写法：

• 镜头类型：extreme close-up / close-up / medium shot / full shot / wide shot / aerial view。
• 主体描述：必须包含视觉锚点，例如 “a woman with silver bob haircut and bright blue eyes, wearing a black leather trench coat”。
• 主体动作/状态：写成正在进行的状态，而不是概念。例如 “she is slowly turning her head, looking at something off-screen with fear”。避免 “she is angry” 这类抽象表达，改成 “her jaw is clenched, eyes narrowed, fingers gripping the edge of the table”。
• 构图信息：可以加入主体在画面中的位置，例如 “subject positioned on the left third, negative space on the right side”。
• 环境描述：一句话交代空间关系。例如 “inside a narrow alley, wet concrete floor reflecting neon signs”。
• 光线与色调：用具体的时间、天气、光源来描述，例如 “moody blue moonlight casting long shadows, cold color palette”。
• 镜头焦距与风格：用真实镜头参数约束画面的透视感，例如 “35mm lens, shallow depth of field, realistic live-action style, subtle film grain”。注意 “shallow depth of field” 对 AI 视频生成有实际意义，它能让主体更突出，背景虚化。

负面提示词模板

如果工具支持负面提示词，建议固定在模板中：

distorted face, mutated hands, extra fingers, bad anatomy, blurry motion, morphing, glitch artifacts, overexposed, oversaturated colors, watermark, text, logo

这套模板适用于大多数主流 AI 视频生成工具。不同工具对提示词语法的敏感度不同，但结构一致。

6.3 以分镜表生成批量提示词

当你有了分镜表，可以把每个镜头的字段转换为标准化的提示词模板，甚至可以通过脚本批量生成。下面给一个参考思路的 Python 脚本，用于将一个分镜表（CSV）转换成批量提示词，方便后续复制到各视频工具中执行。

# 文件路径：prompt_generator.py import csv def generate_prompt(row): shot_type = row["shot_type"] # 景别 subject = row["subject"] # 主体描述 action = row["action"] # 动作状态 environment = row["environment"] # 环境 lighting = row["lighting"] # 光线 lens = row.get("lens", "35mm lens, shallow depth of field") style = row.get("style", "realistic live-action, film grain") negative = ("distorted face, mutated hands, extra fingers, " "bad anatomy, morphing, watermark, text") prompt = f"{shot_type} of {subject}, {action}, inside {environment}, {lighting}, {lens}, {style}" return prompt, negative def main(): output_lines = [] with open("storyboard.csv", newline="", encoding="utf-8") as f: reader = csv.DictReader(f) for i, row in enumerate(reader, start=1): prompt, negative = generate_prompt(row) output_lines.append(f"# Shot {i}\nPROMPT: {prompt}\nNEGATIVE: {negative}\n") with open("prompts_output.txt", "w", encoding="utf-8") as f: f.write("\n".join(output_lines)) print("Done. prompts_output.txt generated.") if __name__ == "__main__": main()

分镜表 CSV 示例：

shot_type,subject,action,environment,lighting close-up,a woman with silver bob haircut and bright blue eyes,tears welling up in her eyes,a dark interrogation room,harsh single overhead bulb casting hard shadows medium shot,a man in a black suit with a golden pocket watch,he is checking his watch nervously,a rainy street corner at night,neon sign reflections on wet pavement wide shot,a young soldier holding a red flag,he is standing on a ruined tank,a destroyed city square in the morning,foggy dawn light with pale orange glow

运行后生成的提示词文件示例：

# Shot 1 PROMPT: close-up of a woman with silver bob haircut and bright blue eyes, tears welling up in her eyes, inside a dark interrogation room, harsh single overhead bulb casting hard shadows, 35mm lens, shallow depth of field, realistic live-action, film grain NEGATIVE: distorted face, mutated hands, extra fingers, bad anatomy, morphing, watermark, text

这个脚本并不复杂，但它的工程意义在于：当你需要制作 100 个镜头的短剧时，手写提示词可能出错且不可复用，但通过 CSV 管理分镜数据，生成提示词就变成一件可回溯的事。改一个镜头，只需要改一行 CSV，而不需要重写大段提示词。

6.4 镜头衔接技巧：尾帧设计

当每个镜头单独生成后，两个镜头之间如何衔接是很多人忽略的。两个镜头如果完全各自独立生成，拼接起来容易出现跳跃感。解决办法是：

• 如果工具支持“尾帧”控制，先设定上一镜头的末帧状态，再生成下一镜头。
• 如果工具不支持，尽量使用“切”而不是“叠化”来转场。硬切对画面连续性的要求反而低于叠化，因为叠化时观众会同时看到前后两个画面，任何不匹配都会被察觉。
• 在剪辑层面对镜头颜色统一调色，让衔接感增强。

7. AI短剧制作全流程示例：从分镜到成片

下面用一个 30 秒的 AI 短剧示例，完整走一遍流程，方便你理解各环节如何配合。

7.1 剧情设定

故事设定：末日废墟中，一个女孩从昏迷中醒来，发现身边只剩下一个陌生的机械装置。她按下按钮，听见了一段早已死去的哥哥的录音，录音说：“别相信你醒来后见到的第一个人。”

核心反转：观众最后会发现，站在她身后的那个人，就是她哥哥，但她已经认不出了。

7.2 分镜表（节选）

这个分镜表的节奏是：前三秒用特写建立悬疑，后面用变化的信息量不断刺激观众。

7.3 生成提示词（镜号 01 示例）

extreme close-up of a woman with brown messy hair and grey eyes, her eyes snap open, pupils dilated, dust particles floating in the air, dim amber emergency light in a ruined concrete room, shallow depth of field, 50mm lens, realistic live-action, film grain

负面提示词：

distorted face, extra fingers, bad anatomy, morphing, too bright, oversaturated, text, watermark

7.4 后期拼合要点

各镜头生成完成后，先粗剪按分镜顺序拼接，再处理以下问题：

• 镜号 01 和镜号 02 的颜色如果有差异，用一个较低透明度的暖色图层校准。
• 镜号 04 到镜号 05 之间手的动作变形较多，建议用声音转场引导注意力，比如“按钮按下声”正好盖在切点上。
• 镜号 07 的人影不要过于清晰，模糊剪影反而更有悬念。
• 全片配乐从一个低频 pad 开始，在镜号 06 录音播放时停掉，只用干声，然后在镜号 07 人影出现时重新进音乐，这样能形成情绪起伏。

8. 常见问题与排查方法

8.1 同一个角色的脸仍然漂移严重

原因：角色视觉锚点不足，参考图风格不一致，或者在生成视频时没有使用角色参考功能。

排查方式：检查所有分镜图是否来自同一组角色设定图，检查提示词里是否有明确的、统一的视觉锚点（发色、瞳色、疤痕、配饰），确认视频生成时是否正确上传了角色参考图。

解决方案：将角色的视觉锚点写到角色设定文档中，之后所有镜头的提示词从该文档复制，不要每次重新描述。同时确认参考图风格统一为同一种画风。

8.2 画面不自然，像“AI味的慢镜头”

原因：视频生成工具默认的运动幅度较小，或提示词没有写清楚动作的幅度和节奏。

排查方式：检查所有提示词里是否只有“静态画面描述”而没有动作描述；检查是否用了像 “slow motion, cinematic movement” 这类容易导致慢速效果的词。

解决方案：在提示词中加入具体动作动词，例如 “she suddenly turns her head”, “he strides forward quickly”。另外调整运动幅度参数，从低幅度往中高幅度测试。

8.3 第一个镜头没有吸引力，观众划走

原因：分镜表里没有前半秒的“注意力钩子”，画面只呈现状态而不呈现变化。

排查方式：回看分镜表，第一个镜头是否是“静态信息大于动态信息”。比如“夕阳下的城市”是静态信息，“一个人从废墟中挣扎着爬起来”是动态信息。

解决方案：把所有镜头过一遍，确认画面里是否有正在发生的事件，而不是一个静态场景。

8.4 生成的视频里出现奇怪的边缘变形和残影

原因：运动幅度过大导致光流估计出错，或者主体与背景对比度过高。

排查方式：把运动幅度调低重新生成，观察是否改善；检查画面中是否有大量细碎纹理（比如铁丝网、密集树叶），这些容易导致残影。

解决方案：控制画面中的高频率纹理面积，如果场景必要，可以降低运动幅度并结合剪辑上的镜头切换。

8.5 镜头与镜头之间风格差异巨大

原因：每个镜头使用了不同的风格词；没有在后期统一调色；或者用了不同的画质模型。

排查方式：检查所有镜头提示词中的风格字段是否一致；观察前一个镜头和当前镜头的光线方向是否矛盾。

解决方案：全片固定一段风格描述，复制到每个镜头的提示词中。后期在剪辑软件中叠加统一的 LUT 调色。

9. AI短剧制作的最佳实践与工程建议

内容创作需要“专业度”与“工程化”配合。以下是通过大量失败案例总结出的建议。

9.1 内容生产层面

镜头宁短勿长。AI 视频生成的镜头超过 5 秒后，运动逻辑和物理规律很容易崩坏。宁可多切几个镜头，也不要一个镜头硬撑 15 秒。

动作从特写开始。如果是人物动作戏，先用特写建立动作起点，再切全景展示动作结果，能降低 AI 对动态物理的生成难度。

人物从半身开始。短剧镜头尽量用中景以上景别。脸部细节瑕疵最容易在远景中暴露，因为远处的脸分辨率低，模型会倾向于用模糊边缘来“掩盖”，看起来反而更假。

少用广角镜头。广角镜头实际会引入更多透视畸变，侧面会让人物脸型变化更明显，更容易崩。

对话用“正反打”。传统影视语言中的正反打技巧也适用 AI 短剧：先拍 A 说话，再拍 B 反应，不需要同时把两个人放在一个画面里。这能大幅降低多人物一致性控制的难度。

9.2 工程与流程层面

建立“视觉母版”。在每个项目开始之前，用统一模板创建主角设定图，包括不同角度、不同表情、不同光源条件下图片各 3 到 5 张，形成“母版库”。以后所有镜头的角色描述都以母版库为基准，禁止单独重新写角色外貌描述。

建立“提示词银行”。每次成功生成一个镜头，就把它的提示词、参数、seed、画面风格反馈记录到表格中。这样的好处是后续相似场景可以直接复用稳定组合。

批量抽卡，择优使用。不要生成一个视频就完事，每个镜头至少生成 3 个候选版本，在剪辑时选择动作最自然、面部最稳定的那 1 个。

保存工程源文件。所有分镜 CSV、提示词输出、角色设定图统一放在一个项目目录中，按镜号命名，方便追溯和二次调整。

project-name/ ├── character_refs/ # 角色设定图与参考图 ├── storyboard/ # 分镜表 CSV ├── prompts/ # 提示词输出目录 ├── generated/ # 生成视频原始素材 └── edit/ # 剪辑工程与成片

9.3 技术检查清单

在发布之前，建议按以下清单检查终稿：

1. 第一个镜头的 3 秒内，观众是否能感知到“空间 + 人物 + 情绪”？
2. 同一角色的每一场戏，视觉锚点是否一致？参考图是否来自同一套设定？
3. 提示词中的动作描述是否具体？是否存在“slow motion”这类容易拖慢节奏的泛化词？
4. 镜头颜色是否统一？是否做了全片调色？
5. 台词配音是否区分了角色音色和情绪录？
6. 最终输出分辨率是否符合发布平台要求？建议至少 1080x1920 竖屏。

9.4 关于工具选型的判断

对于 AI 短剧工具的选择，有一条基本判断标准：能用图生视频，就不要只用文生视频；能做首尾帧控制，就不要只用单帧输入；能做参考图约束，就不要只依赖文字描述角色。具体工具版本和参数因平台而异，所以不宜写死成固定配置。

关键要避免的是“先写成片剧本，再一键生成全片”的误区。当前 AI 视频工具还没有成熟到可以自动理解剧本并多镜头生成的程度，市面上看到的高质量 AI 短剧，大多数是逐镜头人工拆解、逐镜头生成、逐镜头筛选拼接出来的。

10. 技术之外，比工具更重要的认知

AI 短剧发展到今天，纯粹靠“会生成视频”已经不够了。工具门槛在降低，但内容质量的门槛在升高。大量同质化的 AI 生成内容会在数个月内把观众的耐心消耗殆尽，到时候能留下来的，是那些具备影视语言能力、工程化生产能力和内容判断力的人。

如果你决定认真做 AI 短剧，建议从更小的规模开始。用 30 秒以内的单场景短剧作为练习，把人物一致性、镜头节奏、声音设计这几个基础问题逐个攻克。不要一上来就做长剧或多集内容，那样只会让问题互相叠加，最终暴露出更大的缺陷。

你不需要先成为电影导演才能用 AI 做短剧，但你需要理解“观众是在看故事，不是在看画面”。画面是手段，故事是目的。AI 替代了摄像机，替代不了“为什么要拍这个镜头”的思考。

这篇文章提到的分镜表、提示词模板、一致性控制方法，都是标准化的工程动作。真正让你和别人的作品拉开差距的，是你愿意花多少时间在生成之前去设计一个有效的镜头，以及生成之后愿意花多少耐心去筛选拼接。

从今天开始，做一条你满意的视频，然后复盘它：观众的第一个 3 秒，会被你的镜头留住吗？