从脚本到成片：用 AI 工具链做一部能看的短剧

短剧是当下流量密码，但传统剧组动辄几万的成本让个人创作者望而却步。AI 把制作门槛打到了地板价——只要你会打字，就能完成从剧本到配音、从画面到剪辑的完整流程。这篇教程我带你走一遍真实可落地的 AI 短剧工作流，全程用免费或低成本工具，最终产出 1080P 竖屏成片。

第一步：用 AI 写分镜脚本，别让 AI 自由发挥

很多人让 ChatGPT 直接写短剧脚本，结果出来的是流水账。短剧的核心是 “每 3 秒一个钩子，每 30 秒一次反转” ，你需要给 AI 明确的格式约束。

我实测好用的提示词模板如下，直接复制到 Claude 或 GPT-4o：

你是短剧编剧。请根据以下设定输出分镜脚本：
剧名：《重生之我在AI公司当客服》
风格：逆袭爽剧，节奏快，每集60-90秒
人物：林晚（女主，前期懦弱后期黑化）、王总（反派，油腻上司）
要求：
1. 按表格输出：镜号 | 景别 | 画面描述 | 台词 | 音效/配乐建议
2. 每集至少6个镜头，第3个镜头必须有冲突点
3. 台词口语化，单句不超过20字
4. 画面描述要具体到人物动作和环境元素，方便后续AI生图

现在先写第1集。

拿到表格后，别直接用。你要手动改几个地方：把“画面描述”里所有抽象词（如“悲伤地”“愤怒地”）替换成可视觉化的动作（如“攥紧拳头，指节发白”“把文件摔在桌上，咖啡溅出”）。因为后续 AI 生图工具对情绪词的理解远不如动作词。

第二步：用 AI 生成分镜图，关键在“垫图”和“锁风格”

有了分镜脚本，下一步是把文字变成画面。这里我推荐两条路线：

工具	优势	劣势	适合场景
Midjourney	画质最高，人物一致性可控	付费，需科学上网	预算充足、追求质感
即梦/可灵	国内直连，支持图生视频	人物一致性稍弱	快速出片、测试创意

核心难点是角色一致性。短剧要同一个角色出现在多个镜头，AI 每次生成的都不一样就废了。

我的做法是“垫图 + 描述锁定”：

先用 Midjourney 生成主角正面照，得到一张满意的图，存为 linwan.png。
后续生成每个镜头时，把这张图作为垫图（MJ 的 --iw 2 参数或即梦的上传参考图功能）。
同时在提示词里固定写“same character as reference image, wearing [固定服装描述]”。

以即梦为例，分镜图的提示词写法：

上传参考图：linwan.png
画面描述：女主林晚坐在办公桌前，穿白色衬衫（与参考图同款），低头看手机，周围是凌乱的工位，背后有"XX科技"logo墙。镜头中景，平视角度，室内冷色调灯光。
负面词：变形的手，多余的肢体，模糊脸，低分辨率

每个镜头生成 2-3 张备选，选最贴近剧本描述的那张。这个步骤最花时间，但值得——后面视频生成的质量上限全看分镜图。

第三步：图生视频，让静态画面“动”起来

现在你手里有一套分镜图，接下来用可灵或 Runway 做图生视频。

可灵的操作要点：

上传分镜图，提示词写清楚运动方式，不要写情绪，写“镜头缓慢推近”“人物从椅子上站起”“风吹动她的头发”。
时长选 5 秒（免费额度内），分辨率选 1080P 竖屏（9:16）。
运动幅度别太大，AI 视频容易形变，人物小幅动作 + 镜头缓慢移动最稳。

以分镜 2 为例：

上传图：分镜2.png
提示词：镜头固定，女主缓缓抬头，眼睛从无神变为锐利，嘴角微微上扬，背景工位同事走动模糊，景深变化。

生成后检查：如果人物脸部变形，重抽或裁剪画面只保留上半身。别追求一次成功，一个 5 秒镜头抽 3-5 次很正常。

第四步：AI 配音与口型同步

短剧台词量大，配音是关键。我用过一圈后，推荐这两个组合：

配音：用 ElevenLabs 或剪映的“文本朗读”，选“解说男声/女声”类型，语速调至 1.1-1.2 倍（短剧节奏快）。
口型同步：如果你用的是 Midjourney 生成的大头特写，需要让嘴型对上。剪映的“图文成片”功能弱，推荐用 HeyGen 或 SadTalker（开源）做音频驱动口型。

注意：不是所有镜头都需要对口型。全景、背影、手部特写、人物低头玩手机这些镜头，直接加配音即可，观众不会觉得违和。只有正脸说话的中景和近景需要口型同步，这样能省下大量处理时间。

配音文件导出为 WAV 格式，后面剪辑时对齐。

第五步：剪辑合成——剪映是效率之王

把 AI 生成的视频片段导入剪映，按分镜顺序排列。我的剪辑流程如下：

粗剪：按分镜表顺序拖入片段，每段长度控制在 3-5 秒，多余部分裁剪掉。
配音对齐：将配音文件拖入音频轨道，手动微调每个片段的位置，让嘴型与台词对上。
加音效：短剧必须有背景音乐和拟音。剪映素材库搜“紧张鼓点”“反转音效”“玻璃破碎”，在冲突点、反转点叠加。音量控制在 -15dB 到 -20dB，别盖过配音。
加字幕：剪映的“智能字幕”识别准确率不错，识别后手动改错别字。字体选“思源黑体 Bold”，描边加阴影，字号 8%-10% 屏幕高度。
调色：短剧要网感，滤镜选“清透”或“东京”，强度 60%，对比度 +10，饱和度 +5。

关于转场：别用花哨转场，短剧节奏快，直接硬切或叠化 0.2 秒最舒服。花哨转场会让人出戏。

第六步：批量生产与避坑指南

单个 60 秒短剧，熟练后 2-3 小时能完成。但如果你想日更，必须建立“生产线”：

素材库：把常用场景（办公室、街道、车内）、人物表情（惊讶、愤怒、偷笑）分类存放，后续新剧直接调用。
模板工程：在剪映里把片头、字幕样式、音效轨道存为模板，新剧只换素材。
批量生成脚本：用 Claude 的 API 写个脚本，一次生成 10 集的分镜脚本，存成 JSON 文件，后续逐集制作。

最后几个坑帮你踩过了，注意规避：

AI 生成的手部特写：手指数量经常出错，尽量别用特写镜头，或后期裁剪掉手部。
人物穿帮：同一角色在不同镜头里衣服不同，开拍前把服装描述固定写进提示词。
配音情绪平淡：AI 配音的爆发力不足，遇到嘶吼、哭泣的台词，用剪映“声音变调”或叠加两层配音（一层正常一层低语）增强层次。
版权问题：AI 生成的画面和音乐，商用前确认平台授权条款。剪映素材库的商用素材要开会员，别用免费素材做商业项目。

这套流程跑通后，你就能稳定输出 AI 短剧了。工具会更新，但“分镜脚本 → 垫图锁风格 → 图生视频 → 对口型 → 精剪”这条链路短期内不会变。先拿一集练手，跑通后再优化效率。

从脚本到成片：用 AI 工具链做一部能看的短剧