1. 先搞清楚AI短剧到底在做什么我最近半年基本把精力都压在AI短剧这条线上从最开始用AI短剧创作工具AniShort做第一条15秒测试片到后面能稳定周更两三条完整剧情中间踩的坑足够写一本小册子。很多人以为这类工具就是输入一句话、吐出一部剧真上手才发现完全不是那么回事——它更像一个把编剧、摄影、美术、配音、剪辑几条流水线压缩进一个界面的工作台工具解决的是产能但产能往哪个方向使还是得靠人。AniShort在这个环节里扮演的角色说白了就是把过去需要一整个小组协作的工序收敛到一个人可以独立跑完的闭环。所以这篇东西我打算按真实的生产顺序拆讲清楚每一段该干什么、为什么要这么干、哪些参数不能拍脑袋定。适合两类人看一类是完全没接触过AI短剧、想先摸清整个链条再决定要不要投入的新手另一类是已经能生成单条画面、但拼不成一部完整剧、卡在角色一致性和节奏上的半熟手。我不打算把它写成产品说明书更多是我自己跑项目时记下来的工序笔记。1.1 从一个人拍一部剧说起这类工具真正解决的三个痛点第一个痛点是角色稳定性。早期我用通用生图模型做连续剧情同一个角色第二镜就换了一张脸观众三秒出戏。AniShort这类工具把角色资产单独拎出来做成可复用的角色卡本质是把这张脸从一次性提示词里剥离出来变成一个可被反复引用的实体。这个设计改变的是工作流不是画质——画质再好脸一直在变剧就不成立。第二个痛点是分镜与画面的耦合。传统做法是先用表格写分镜再一条条去生成生成结果和分镜对不上就反复改。工具把分镜表做成了结构化输入镜号、景别、台词、时长、参考图绑在一起生成失败可以直接定位到某一镜重跑不用整条推倒重来。这是产能上的关键改进因为短剧最耗时间的地方从来不是生成而是改了之后全部重来。第三个痛点是音画同步。短剧台词密、镜头碎口型对不上会立刻让人觉得假。工具把配音和口型驱动接在同一条时间线上改一句台词只需要重跑那一小段而不是重新导出一整条。我实测下来这一块节省的时间能占到整个后期的一半以上。1.2 全流程拆成六段一张能贴在墙上的工序表我把整个流程压成六段每段有明确的产出物。没有产出物的步骤都是自我感动做完自己都不知道进度到哪了。阶段主要动作产出物常见耗时占比一、选题与钩子定题材、定前三秒、定反转点一句话故事梗概 钩子清单10%二、剧本与分镜写台词、拆镜头、填分镜表结构化分镜表20%三、角色与场景资产角色卡、参考图组、场景库可复用资产包15%四、画面生成批量出镜、筛选、重跑可用镜头素材30%五、配音与音画配音、口型、音效、卡点带音轨的粗剪15%六、剪辑与质检节奏调整、字幕、封面、导出成片 封面10%这张表我贴在显示器边上每次开工先看一眼哪一段最容易拖。实际跑下来第四段永远是时间黑洞因为生成有随机性废片率控制不住整条线就会崩。后面我会专门讲怎么把废片率从50%压到20%左右。提示新手最容易犯的错是从第三段开始干——先捏角色、先生成好看的画面最后才想故事。结果就是画面很漂亮但拼不成剧几十条素材全部作废。顺序不能反。2. 开工前的准备把想法变成可执行资产这一段是我认为最值钱的部分因为它决定了后面所有生成工作的上限。很多人把时间全砸在生成上结果生成出来的东西方向就是错的返工成本极高。前期多花两小时后期能省两天。2.1 选题与钩子设计前三秒决定生死短剧的残酷之处在于观众划走你的成本是零。所以第一镜不是交代背景而是制造异常。我自己总结了三类比较稳的钩子异常状态开场人物一出场就在一个不合理的情境里、身份反差外表和身份严重不匹配、悬念前置先给结果再倒回去讲原因。这三类不需要复杂设定单镜就能成立非常适合AI生成——因为AI最擅长的就是一张有信息量的画面最不擅长的就是细腻的表演过渡。具体到执行我会先写一张钩子清单每条不超过20字然后问自己三个问题这条钩子能不能用一个静态画面表达观众看到这个画面会不会产生为什么的疑问这个疑问能不能在30秒内给出第一次回应三个都是是才进入下一段。这里有个很实用的判断标准如果你的开场需要旁白解释三句话观众才懂那这个开场基本废了。时长上我建议新手从60到90秒起步。这个长度够放一个完整的起—转—合又不需要处理复杂的人物关系。中文台词语速大约每秒4到5个字60秒的剧台词总量控制在240到300字之间比较舒服超过350字就会变成赶场画面跟不上嘴。注意不要一上来就做多集连续剧。第一集就设悬念、留钩子但一定要做成单集可独立看懂。我见过太多人第一集铺垫了90秒世界观数据直接躺平。2.2 剧本结构化把文字转成可生成的分镜表写剧本和写分镜是两件事。剧本是给人看的分镜是给机器看的。我在AniShort里的做法是先写纯文本剧本只保留台词和动作提示然后逐句拆成镜头。拆的原则是一个镜头只讲一件事——一个动作、一句台词、一个情绪变化三选一不要叠加。分镜表的字段我是这么定的这套字段跑下来最省事字段说明举例镜号唯一编号方便定位重跑S01-03景别远景/中景/近景/特写近景机位平视/俯拍/仰拍/过肩过肩角色引用角色卡名称主角A动作单一动作不叠加转身推开窗台词该镜内的口播内容你早就知道了情绪用于驱动表情参数压抑的质问时长秒3到5秒为主4s画面提示词结构化描述见下节模板状态待生成/已通过/待重跑已通过一个60秒的短剧拆下来大概12到18个镜头平均每镜3到4秒。超过20镜就会显得碎低于10镜又会显得闷。这个区间是我试了十几条片子后比较有把握的经验值。2.3 角色设定与一致性资产库角色卡是整个流程的地基。我的角色卡包含四块内容文字锚点年龄、脸型、发型、眉眼特征、体型、标志性服饰每条不超过8个字越短越稳定、参考图组正面、侧面、背面、三个表情共6张、色彩锚点主色调两个避免画面配色漂移、禁忌清单这个角色绝对不能出现什么比如不能戴眼镜、不能换外套。文字锚点为什么要短因为提示词里的每个词都在抢权重写一个大约二十五岁、长相清秀、眼神略带忧郁的年轻女性这种长句模型会抓住其中一两个词自由发挥。改成短发、杏眼、灰外套、瘦四个词稳定性明显提升。这是我反复对比过几十组结果后确认的。场景库同理我会提前把三到五个常用场景做出来存好——室内客厅、走廊、天台、街道夜景。同一部剧里场景复用率高提前做好能省掉大量重复生成也让整部剧的色调统一。3. 画面生成的核心工程一致性、镜头语言与批量控制到了这一段工具的能力边界就显出来了。我的态度是不要试图让AI理解你的意图要把意图翻译成它能执行的参数。所有它怎么不懂我的抱怨本质上都是翻译没做好。3.1 角色一致性的四层保障角色一致性是AI短剧里最硬的技术门槛没有之一。我总结成四层从强到弱逐层兜底层级手段作用稳定性第一层角色卡绑定锁定面部与体型特征高第二层首帧参考图用同一张图做每个镜头的起点高第三层种子固定减少随机漂移中第四层后期统一调色抹平光影差异中低第一层是最关键的第二层是补救。实际操作中我会先给每个角色生成一张标准首帧——正面、平光、纯色背景、表情中性然后所有这个角色的镜头都从这张图出发做动作和场景变化。这样即使服装有细微变化观众认脸是没问题的。第三层的种子固定有个误区很多人以为固定种子就能保证一致其实种子只控制噪声初始状态提示词一变结果还是会变。所以我的做法是同场景同种子——同一个场景内的连续几个镜头用同一个种子跨场景就换这样既控制了漂移又避免画面过度雷同。心得角色一致性做到80分就够了剩下的20分靠剪辑节奏盖过去。观众在快速切换的镜头里根本看不清细节差异但如果你为了追求100%一致反复重跑产能会被彻底拖死。3.2 提示词写法从描述画面升级到描述机位新手写提示词是一个女孩站在窗边阳光照进来这是绘画思维。短剧需要的是摄影思维。我的模板固定成七段式[主体角色卡引用] [外观锚点四词] [单一动作] [表情/情绪] [场景时间] [光线方向] [景别机位镜头焦段] [风格与画质] [负面词]举个实际用的例子主角A短发、杏眼、灰外套、瘦右手推开窗眉头微皱老式公寓室内、傍晚侧逆光从窗外打入近景、过肩机位、35mm写实电影质感、浅景深多余手指、变形、五官模糊、水印七段式的好处是每段职责明确出问题能定位。脸不对就改第一二段动作怪就改第三段光线平就改第六段。最怕的是一大段散文式描述出了问题完全不知道该动哪个词。镜头焦段这个词很多人忽略但它直接决定画面的电影感。24mm偏广、有空间压迫感适合环境交代35mm接近人眼适合对话50mm到85mm适合人物特写背景虚化自然。我在分镜表里会直接标焦段生成时照抄整部剧的镜头语言就统一了。3.3 批量生成的参数与成本控制批量生成最怕两件事一次跑太多导致排队超时跑完了发现方向错了全部作废。我的做法是分批跑每批不超过8镜跑完立刻抽查抽查通过再跑下一批。单镜时长我固定控制在3到5秒。原因有两个一是超过6秒的画面人物动作和背景的漂移会明显加剧尤其是手部和背景中的路人二是短剧镜头本来就碎长镜头反而拖节奏。3秒的镜头大概需要2到3次生成才能挑出一条可用的5秒的镜头可能要4到5次。所以缩短单镜时长是最直接的降本手段。分辨率上我建议按最终发布规格的1.5倍生成留出剪辑时的裁切和推拉空间。帧率跟最终输出保持一致中途改帧率会导致口型对不齐这个坑我踩过一次整条片子重做了。废片率这块我的实测数据是第一天做的时候废片率50%以上做到第十条片子的时候能压到20%左右。下降的原因不是模型变强了是分镜写得更细了每一镜的动作都拆到不能再拆模型能执行的确定性就高了。4. 声音、口型与剪辑节奏画面出来只是半成品声音才是让短剧活过来的东西。我见过不少画面做得相当不错的片子败在配音上——要么情绪平要么断句怪要么口型对不上。这一段讲三个关键环节。4.1 配音选型与情绪标注配音的第一原则是音色服从人设不是服从好听。一个压迫感强的反派声音要有低频语速偏慢一个活泼的角色语速快、音调高。我在角色卡里会额外加一行声音设定音色倾向、语速、情绪基调配音时直接按这个选。第二原则是按镜头分段配音不要整段配。整段配的问题是一旦中间某个词的重音不对整段都要重来。按镜头分段一句一配出问题只改那一句效率高得多。分段配的代价是句子之间的连贯性会差一点需要靠后期加极短的停顿来弥合一般留0.15到0.3秒就够。情绪标注这块我习惯在台词后面加括号标注比如压低声音、带质问。如果不标配音默认会用中性偏平的语调听起来像念稿。这个细节对成片质感的影响比想象中大。4.2 口型对齐与音画同步口型驱动我踩过的坑最多说三个最实用的坑一先画面后配音导致重跑。正确顺序是先定配音再驱动口型。反过来的话只要台词改一个字整个镜头都要重生成。坑二镜头内有转头动作时口型会崩。侧脸、背身、低头这几个姿态下口型驱动效果最差。我的处理办法是把带台词的部分单独切一个正脸镜头转头动作放在无台词的过渡镜里剪辑时接起来完全看不出。坑三语速过快导致口型跟不上。中文超过每秒6个字口型驱动基本就糊了。所以写台词时我会刻意控制节奏长句拆成两个短句中间留呼吸点。这既是技术限制其实也符合短剧的表达习惯。音效是加分项。脚步声、开门声、环境底噪、心跳声这些不需要精确对位但能极大提升真实感。我的习惯是每个场景铺一层低音量的环境音音量控制在人声响度的15%到20%观众不会注意但去掉之后立刻觉得空。4.3 剪辑节奏短剧的呼吸感短剧的节奏不是越快越好而是有张有弛。我的经验是把整条片子切成若干个小单元每个单元8到12秒单元内节奏紧单元之间留一个0.3到0.5秒的气口——可以是一个空镜、一个特写停顿、一次转场。卡点这件事我一般只在大情绪转折处卡比如反转揭晓的那一镜对齐一个音效重音。全程卡点会让片子显得像MV反而削弱叙事。字幕建议全程硬字幕字号占画面高度的5%左右位置放在下方安全区内避开平台的界面元素。字幕出现的时机要比声音提前0.1秒左右观感上会更同步。5. 发布前的质检与常见问题排查这一步是很多人跳过的但它是能发和能看的分界线。我有一套固定质检清单逐条过五分钟能过完能挡掉大部分低级问题。5.1 质检清单发布前必过的九道关角色脸有没有换每个角色抽查三个镜头的面部重点看鼻型、眼距、下颌线。服装有没有跳变同场景内应该保持一致跨场景允许换装但要有交代。手部有没有畸形手是重灾区凡是露手的镜头逐个看六指、断指、手指融合都要重跑。口型是否同步正脸台词镜头逐一对着听一遍。台词有没有吃字快速播放一遍有没有听不清的字。画面前后色温是否统一整条片子连起来看不能一会儿偏黄一会儿偏青。字幕有没有错别字和溢出长句在窄画面上容易顶到边缘。结尾钩子有没有落地最后一镜必须留悬念或者情绪落点不能断在半路上。首帧封面有没有信息量封面是唯一的流量入口必须单独设计不能用随机截帧。5.2 常见问题速查表现象大概率原因处理办法同一角色每镜换脸角色卡未绑定或文字锚点过长精简锚点为四个词强制引用角色卡手指畸形手部占画面比例大、动作复杂改构图避开手部或改特写为过肩人物走路像滑行缺少中间帧动作描述缩短镜头时长用剪辑掩盖画面忽明忽暗光线描述不统一固定光源方向与色温关键词口型对不上配音后改台词、语速过快重配该句或拆句降速背景人物扭曲场景过于复杂换简洁场景或加大景深虚化动作僵硬重复提示词动作过多一镜一动作拆成两个镜头生成排队超时单批数量过大每批控制在8镜以内导出后画质发糊生成分辨率不足按输出规格1.5倍生成整体像PPT镜头时长过于均匀长短镜交替加运镜变化这张表我基本是当工具书用的遇到问题先查表八成的毛病能直接定位。注意不要在同一天连续改同一个镜头的提示词超过五次。人会陷入越改越偏的状态越改越觉得最初那版其实还行。我的规矩是改三次不成就换分镜方案把这一镜拆成两镜或者改成空镜过渡。6. 成本、产能与持续产出的经验最后说点更现实的能不能长期做下去取决于成本和产能能不能算平。短期靠热情长期靠模型。6.1 单集成本拆解与压缩路径我把成本分成四块算力消耗、配音、素材与音效、人力时间。前两块是硬成本后两块是软成本。成本项占比主要压缩手段算力消耗45%缩短单镜时长、控制废片率、批量复用场景配音20%按句分段生成避免整段重跑素材音效15%建立自用音效库一次采集长期复用人力时间20%分镜前置做细减少返工压缩路径里最有效的是废片率。废片率从50%降到25%算力成本基本砍半。而废片率下降的核心是我前面反复强调的分镜拆细、一镜一事、锚点简短、场景复用。另一个容易被忽略的是场景复用。一部剧里如果有四个场景反复出现把场景资产做好之后后续镜头的生成成功率会明显提高因为模型在熟悉的场景描述下输出更稳定。6.2 稳定周更的产能模型我的产能模型是这样的一周产出三条60到90秒的短剧每条12到18镜。排期上周一集中做选题和分镜三条一起做周二周三做角色和场景资产周四批量生成画面周五配音和剪辑周末做质检和备用片。这个模型能成立的关键是批处理——同类工作集中做不要一条一条从头到尾做。因为生成需要排队等待等待期间正好可以做另一条的配音。串行做效率极低这是我的血泪教训。另外一定要留备用片。生成有随机性某一条片子可能会卡在某一镜上反复出不来这时候如果没备用片更新就断了。我一般会多存一条半成品关键时刻能顶上去。6.3 一些踩坑心得说几个我认为最值钱的经验。第一先做减法再做加法。新手总想在一条片子里塞很多元素——多角色、多场景、多特效、复杂运镜。结果每一样都做不精。我现在的规矩是单条片子最多两个角色、三个场景、不用复杂运镜。把有限的技术能力集中在讲清楚一个转折上成片质量立刻上一个台阶。第二把AI当摄影棚别当导演。它能执行近景、过肩、侧逆光、35mm这种明确指令但没法替你决定这场戏该不该在这里结束。叙事判断永远在人这边这也是为什么同样用AniShort有人做出来像正片有人做出来像素材拼接。第三检查清单要写成文字。别指望靠记忆每一条片子按清单过一遍能挡掉九成的低级错误。我现在手机备忘录里就存着那份九道关的清单发布前必看。第四宁可改分镜也不改提示词。提示词改三次不成说明这个镜头本身就不该存在。拆成两镜、改成空镜、或者干脆删掉往往比死磕更省时间。这个判断我吃了很多亏才学会。第五保留所有废片。现在看着没用的镜头剪下一集的时候可能就是最好的过渡素材。我有一个文件叫废片库按场景分好用起来比重新生成快得多。
1. 先搞清楚AI短剧到底在做什么我最近半年基本把精力都压在AI短剧这条线上从最开始用AI短剧创作工具AniShort做第一条15秒测试片到后面能稳定周更两三条完整剧情中间踩的坑足够写一本小册子。很多人以为这类工具就是输入一句话、吐出一部剧真上手才发现完全不是那么回事——它更像一个把编剧、摄影、美术、配音、剪辑几条流水线压缩进一个界面的工作台工具解决的是产能但产能往哪个方向使还是得靠人。AniShort在这个环节里扮演的角色说白了就是把过去需要一整个小组协作的工序收敛到一个人可以独立跑完的闭环。所以这篇东西我打算按真实的生产顺序拆讲清楚每一段该干什么、为什么要这么干、哪些参数不能拍脑袋定。适合两类人看一类是完全没接触过AI短剧、想先摸清整个链条再决定要不要投入的新手另一类是已经能生成单条画面、但拼不成一部完整剧、卡在角色一致性和节奏上的半熟手。我不打算把它写成产品说明书更多是我自己跑项目时记下来的工序笔记。1.1 从一个人拍一部剧说起这类工具真正解决的三个痛点第一个痛点是角色稳定性。早期我用通用生图模型做连续剧情同一个角色第二镜就换了一张脸观众三秒出戏。AniShort这类工具把角色资产单独拎出来做成可复用的角色卡本质是把这张脸从一次性提示词里剥离出来变成一个可被反复引用的实体。这个设计改变的是工作流不是画质——画质再好脸一直在变剧就不成立。第二个痛点是分镜与画面的耦合。传统做法是先用表格写分镜再一条条去生成生成结果和分镜对不上就反复改。工具把分镜表做成了结构化输入镜号、景别、台词、时长、参考图绑在一起生成失败可以直接定位到某一镜重跑不用整条推倒重来。这是产能上的关键改进因为短剧最耗时间的地方从来不是生成而是改了之后全部重来。第三个痛点是音画同步。短剧台词密、镜头碎口型对不上会立刻让人觉得假。工具把配音和口型驱动接在同一条时间线上改一句台词只需要重跑那一小段而不是重新导出一整条。我实测下来这一块节省的时间能占到整个后期的一半以上。1.2 全流程拆成六段一张能贴在墙上的工序表我把整个流程压成六段每段有明确的产出物。没有产出物的步骤都是自我感动做完自己都不知道进度到哪了。阶段主要动作产出物常见耗时占比一、选题与钩子定题材、定前三秒、定反转点一句话故事梗概 钩子清单10%二、剧本与分镜写台词、拆镜头、填分镜表结构化分镜表20%三、角色与场景资产角色卡、参考图组、场景库可复用资产包15%四、画面生成批量出镜、筛选、重跑可用镜头素材30%五、配音与音画配音、口型、音效、卡点带音轨的粗剪15%六、剪辑与质检节奏调整、字幕、封面、导出成片 封面10%这张表我贴在显示器边上每次开工先看一眼哪一段最容易拖。实际跑下来第四段永远是时间黑洞因为生成有随机性废片率控制不住整条线就会崩。后面我会专门讲怎么把废片率从50%压到20%左右。提示新手最容易犯的错是从第三段开始干——先捏角色、先生成好看的画面最后才想故事。结果就是画面很漂亮但拼不成剧几十条素材全部作废。顺序不能反。2. 开工前的准备把想法变成可执行资产这一段是我认为最值钱的部分因为它决定了后面所有生成工作的上限。很多人把时间全砸在生成上结果生成出来的东西方向就是错的返工成本极高。前期多花两小时后期能省两天。2.1 选题与钩子设计前三秒决定生死短剧的残酷之处在于观众划走你的成本是零。所以第一镜不是交代背景而是制造异常。我自己总结了三类比较稳的钩子异常状态开场人物一出场就在一个不合理的情境里、身份反差外表和身份严重不匹配、悬念前置先给结果再倒回去讲原因。这三类不需要复杂设定单镜就能成立非常适合AI生成——因为AI最擅长的就是一张有信息量的画面最不擅长的就是细腻的表演过渡。具体到执行我会先写一张钩子清单每条不超过20字然后问自己三个问题这条钩子能不能用一个静态画面表达观众看到这个画面会不会产生为什么的疑问这个疑问能不能在30秒内给出第一次回应三个都是是才进入下一段。这里有个很实用的判断标准如果你的开场需要旁白解释三句话观众才懂那这个开场基本废了。时长上我建议新手从60到90秒起步。这个长度够放一个完整的起—转—合又不需要处理复杂的人物关系。中文台词语速大约每秒4到5个字60秒的剧台词总量控制在240到300字之间比较舒服超过350字就会变成赶场画面跟不上嘴。注意不要一上来就做多集连续剧。第一集就设悬念、留钩子但一定要做成单集可独立看懂。我见过太多人第一集铺垫了90秒世界观数据直接躺平。2.2 剧本结构化把文字转成可生成的分镜表写剧本和写分镜是两件事。剧本是给人看的分镜是给机器看的。我在AniShort里的做法是先写纯文本剧本只保留台词和动作提示然后逐句拆成镜头。拆的原则是一个镜头只讲一件事——一个动作、一句台词、一个情绪变化三选一不要叠加。分镜表的字段我是这么定的这套字段跑下来最省事字段说明举例镜号唯一编号方便定位重跑S01-03景别远景/中景/近景/特写近景机位平视/俯拍/仰拍/过肩过肩角色引用角色卡名称主角A动作单一动作不叠加转身推开窗台词该镜内的口播内容你早就知道了情绪用于驱动表情参数压抑的质问时长秒3到5秒为主4s画面提示词结构化描述见下节模板状态待生成/已通过/待重跑已通过一个60秒的短剧拆下来大概12到18个镜头平均每镜3到4秒。超过20镜就会显得碎低于10镜又会显得闷。这个区间是我试了十几条片子后比较有把握的经验值。2.3 角色设定与一致性资产库角色卡是整个流程的地基。我的角色卡包含四块内容文字锚点年龄、脸型、发型、眉眼特征、体型、标志性服饰每条不超过8个字越短越稳定、参考图组正面、侧面、背面、三个表情共6张、色彩锚点主色调两个避免画面配色漂移、禁忌清单这个角色绝对不能出现什么比如不能戴眼镜、不能换外套。文字锚点为什么要短因为提示词里的每个词都在抢权重写一个大约二十五岁、长相清秀、眼神略带忧郁的年轻女性这种长句模型会抓住其中一两个词自由发挥。改成短发、杏眼、灰外套、瘦四个词稳定性明显提升。这是我反复对比过几十组结果后确认的。场景库同理我会提前把三到五个常用场景做出来存好——室内客厅、走廊、天台、街道夜景。同一部剧里场景复用率高提前做好能省掉大量重复生成也让整部剧的色调统一。3. 画面生成的核心工程一致性、镜头语言与批量控制到了这一段工具的能力边界就显出来了。我的态度是不要试图让AI理解你的意图要把意图翻译成它能执行的参数。所有它怎么不懂我的抱怨本质上都是翻译没做好。3.1 角色一致性的四层保障角色一致性是AI短剧里最硬的技术门槛没有之一。我总结成四层从强到弱逐层兜底层级手段作用稳定性第一层角色卡绑定锁定面部与体型特征高第二层首帧参考图用同一张图做每个镜头的起点高第三层种子固定减少随机漂移中第四层后期统一调色抹平光影差异中低第一层是最关键的第二层是补救。实际操作中我会先给每个角色生成一张标准首帧——正面、平光、纯色背景、表情中性然后所有这个角色的镜头都从这张图出发做动作和场景变化。这样即使服装有细微变化观众认脸是没问题的。第三层的种子固定有个误区很多人以为固定种子就能保证一致其实种子只控制噪声初始状态提示词一变结果还是会变。所以我的做法是同场景同种子——同一个场景内的连续几个镜头用同一个种子跨场景就换这样既控制了漂移又避免画面过度雷同。心得角色一致性做到80分就够了剩下的20分靠剪辑节奏盖过去。观众在快速切换的镜头里根本看不清细节差异但如果你为了追求100%一致反复重跑产能会被彻底拖死。3.2 提示词写法从描述画面升级到描述机位新手写提示词是一个女孩站在窗边阳光照进来这是绘画思维。短剧需要的是摄影思维。我的模板固定成七段式[主体角色卡引用] [外观锚点四词] [单一动作] [表情/情绪] [场景时间] [光线方向] [景别机位镜头焦段] [风格与画质] [负面词]举个实际用的例子主角A短发、杏眼、灰外套、瘦右手推开窗眉头微皱老式公寓室内、傍晚侧逆光从窗外打入近景、过肩机位、35mm写实电影质感、浅景深多余手指、变形、五官模糊、水印七段式的好处是每段职责明确出问题能定位。脸不对就改第一二段动作怪就改第三段光线平就改第六段。最怕的是一大段散文式描述出了问题完全不知道该动哪个词。镜头焦段这个词很多人忽略但它直接决定画面的电影感。24mm偏广、有空间压迫感适合环境交代35mm接近人眼适合对话50mm到85mm适合人物特写背景虚化自然。我在分镜表里会直接标焦段生成时照抄整部剧的镜头语言就统一了。3.3 批量生成的参数与成本控制批量生成最怕两件事一次跑太多导致排队超时跑完了发现方向错了全部作废。我的做法是分批跑每批不超过8镜跑完立刻抽查抽查通过再跑下一批。单镜时长我固定控制在3到5秒。原因有两个一是超过6秒的画面人物动作和背景的漂移会明显加剧尤其是手部和背景中的路人二是短剧镜头本来就碎长镜头反而拖节奏。3秒的镜头大概需要2到3次生成才能挑出一条可用的5秒的镜头可能要4到5次。所以缩短单镜时长是最直接的降本手段。分辨率上我建议按最终发布规格的1.5倍生成留出剪辑时的裁切和推拉空间。帧率跟最终输出保持一致中途改帧率会导致口型对不齐这个坑我踩过一次整条片子重做了。废片率这块我的实测数据是第一天做的时候废片率50%以上做到第十条片子的时候能压到20%左右。下降的原因不是模型变强了是分镜写得更细了每一镜的动作都拆到不能再拆模型能执行的确定性就高了。4. 声音、口型与剪辑节奏画面出来只是半成品声音才是让短剧活过来的东西。我见过不少画面做得相当不错的片子败在配音上——要么情绪平要么断句怪要么口型对不上。这一段讲三个关键环节。4.1 配音选型与情绪标注配音的第一原则是音色服从人设不是服从好听。一个压迫感强的反派声音要有低频语速偏慢一个活泼的角色语速快、音调高。我在角色卡里会额外加一行声音设定音色倾向、语速、情绪基调配音时直接按这个选。第二原则是按镜头分段配音不要整段配。整段配的问题是一旦中间某个词的重音不对整段都要重来。按镜头分段一句一配出问题只改那一句效率高得多。分段配的代价是句子之间的连贯性会差一点需要靠后期加极短的停顿来弥合一般留0.15到0.3秒就够。情绪标注这块我习惯在台词后面加括号标注比如压低声音、带质问。如果不标配音默认会用中性偏平的语调听起来像念稿。这个细节对成片质感的影响比想象中大。4.2 口型对齐与音画同步口型驱动我踩过的坑最多说三个最实用的坑一先画面后配音导致重跑。正确顺序是先定配音再驱动口型。反过来的话只要台词改一个字整个镜头都要重生成。坑二镜头内有转头动作时口型会崩。侧脸、背身、低头这几个姿态下口型驱动效果最差。我的处理办法是把带台词的部分单独切一个正脸镜头转头动作放在无台词的过渡镜里剪辑时接起来完全看不出。坑三语速过快导致口型跟不上。中文超过每秒6个字口型驱动基本就糊了。所以写台词时我会刻意控制节奏长句拆成两个短句中间留呼吸点。这既是技术限制其实也符合短剧的表达习惯。音效是加分项。脚步声、开门声、环境底噪、心跳声这些不需要精确对位但能极大提升真实感。我的习惯是每个场景铺一层低音量的环境音音量控制在人声响度的15%到20%观众不会注意但去掉之后立刻觉得空。4.3 剪辑节奏短剧的呼吸感短剧的节奏不是越快越好而是有张有弛。我的经验是把整条片子切成若干个小单元每个单元8到12秒单元内节奏紧单元之间留一个0.3到0.5秒的气口——可以是一个空镜、一个特写停顿、一次转场。卡点这件事我一般只在大情绪转折处卡比如反转揭晓的那一镜对齐一个音效重音。全程卡点会让片子显得像MV反而削弱叙事。字幕建议全程硬字幕字号占画面高度的5%左右位置放在下方安全区内避开平台的界面元素。字幕出现的时机要比声音提前0.1秒左右观感上会更同步。5. 发布前的质检与常见问题排查这一步是很多人跳过的但它是能发和能看的分界线。我有一套固定质检清单逐条过五分钟能过完能挡掉大部分低级问题。5.1 质检清单发布前必过的九道关角色脸有没有换每个角色抽查三个镜头的面部重点看鼻型、眼距、下颌线。服装有没有跳变同场景内应该保持一致跨场景允许换装但要有交代。手部有没有畸形手是重灾区凡是露手的镜头逐个看六指、断指、手指融合都要重跑。口型是否同步正脸台词镜头逐一对着听一遍。台词有没有吃字快速播放一遍有没有听不清的字。画面前后色温是否统一整条片子连起来看不能一会儿偏黄一会儿偏青。字幕有没有错别字和溢出长句在窄画面上容易顶到边缘。结尾钩子有没有落地最后一镜必须留悬念或者情绪落点不能断在半路上。首帧封面有没有信息量封面是唯一的流量入口必须单独设计不能用随机截帧。5.2 常见问题速查表现象大概率原因处理办法同一角色每镜换脸角色卡未绑定或文字锚点过长精简锚点为四个词强制引用角色卡手指畸形手部占画面比例大、动作复杂改构图避开手部或改特写为过肩人物走路像滑行缺少中间帧动作描述缩短镜头时长用剪辑掩盖画面忽明忽暗光线描述不统一固定光源方向与色温关键词口型对不上配音后改台词、语速过快重配该句或拆句降速背景人物扭曲场景过于复杂换简洁场景或加大景深虚化动作僵硬重复提示词动作过多一镜一动作拆成两个镜头生成排队超时单批数量过大每批控制在8镜以内导出后画质发糊生成分辨率不足按输出规格1.5倍生成整体像PPT镜头时长过于均匀长短镜交替加运镜变化这张表我基本是当工具书用的遇到问题先查表八成的毛病能直接定位。注意不要在同一天连续改同一个镜头的提示词超过五次。人会陷入越改越偏的状态越改越觉得最初那版其实还行。我的规矩是改三次不成就换分镜方案把这一镜拆成两镜或者改成空镜过渡。6. 成本、产能与持续产出的经验最后说点更现实的能不能长期做下去取决于成本和产能能不能算平。短期靠热情长期靠模型。6.1 单集成本拆解与压缩路径我把成本分成四块算力消耗、配音、素材与音效、人力时间。前两块是硬成本后两块是软成本。成本项占比主要压缩手段算力消耗45%缩短单镜时长、控制废片率、批量复用场景配音20%按句分段生成避免整段重跑素材音效15%建立自用音效库一次采集长期复用人力时间20%分镜前置做细减少返工压缩路径里最有效的是废片率。废片率从50%降到25%算力成本基本砍半。而废片率下降的核心是我前面反复强调的分镜拆细、一镜一事、锚点简短、场景复用。另一个容易被忽略的是场景复用。一部剧里如果有四个场景反复出现把场景资产做好之后后续镜头的生成成功率会明显提高因为模型在熟悉的场景描述下输出更稳定。6.2 稳定周更的产能模型我的产能模型是这样的一周产出三条60到90秒的短剧每条12到18镜。排期上周一集中做选题和分镜三条一起做周二周三做角色和场景资产周四批量生成画面周五配音和剪辑周末做质检和备用片。这个模型能成立的关键是批处理——同类工作集中做不要一条一条从头到尾做。因为生成需要排队等待等待期间正好可以做另一条的配音。串行做效率极低这是我的血泪教训。另外一定要留备用片。生成有随机性某一条片子可能会卡在某一镜上反复出不来这时候如果没备用片更新就断了。我一般会多存一条半成品关键时刻能顶上去。6.3 一些踩坑心得说几个我认为最值钱的经验。第一先做减法再做加法。新手总想在一条片子里塞很多元素——多角色、多场景、多特效、复杂运镜。结果每一样都做不精。我现在的规矩是单条片子最多两个角色、三个场景、不用复杂运镜。把有限的技术能力集中在讲清楚一个转折上成片质量立刻上一个台阶。第二把AI当摄影棚别当导演。它能执行近景、过肩、侧逆光、35mm这种明确指令但没法替你决定这场戏该不该在这里结束。叙事判断永远在人这边这也是为什么同样用AniShort有人做出来像正片有人做出来像素材拼接。第三检查清单要写成文字。别指望靠记忆每一条片子按清单过一遍能挡掉九成的低级错误。我现在手机备忘录里就存着那份九道关的清单发布前必看。第四宁可改分镜也不改提示词。提示词改三次不成说明这个镜头本身就不该存在。拆成两镜、改成空镜、或者干脆删掉往往比死磕更省时间。这个判断我吃了很多亏才学会。第五保留所有废片。现在看着没用的镜头剪下一集的时候可能就是最好的过渡素材。我有一个文件叫废片库按场景分好用起来比重新生成快得多。
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
