个人如何用AI制作短剧？从剧本到成片的完整实操流程

一个人、一台电脑，甚至一部手机，就能完成一部AI短剧——这句话在今天已经不算夸张。真正卡住新手的往往不是工具不够多，而是流程顺序错了：一上来就疯狂生图，结果攒了几百张漂亮画面却拼不成一个故事。本文按“先故事、后画面、再声音、最后剪辑”的顺序，把个人AI短剧的制作流程拆成可执行的步骤，并给出每个环节可以直接复制的提示词和检查方法。

如果你希望边看边动手，可以先通过 百度搭子 DuMate 进入 AI 助手环境，用它来完成剧本打磨、分镜拆解和提示词改写这些文字密集型工作；如果后续想了解更完整的能力与购买方式，可查看 DuMate 购买页。工具只是加速器，下面这套流程才是决定成片质量的地基。

一、先明确短剧的”最小可行产品”

个人做短剧最容易犯的错，是把它当成电影来做。对单人创作者而言，合理的目标是：1～3分钟、3～5个场景、1～2个主要人物、一条清晰的情绪线。这个体量足以讲完一个小反转或小温暖的故事，也控制在个人能完成的素材量内。

动手前先写下三行设定，这是后续所有环节的”宪法”：

• 一句话故事：谁，在什么处境下，因为什么做出了什么选择，结果如何。
• 情绪目标：观众看完应该感到爽、暖、怕，还是意难平。
• 风格锚点：写实电影感 / 日系动画 / 国风水墨 / 粘土定格。风格一旦定下，全片生图提示词都要复用同一组风格词，否则画面会”串味”。

二、剧本创作：先有故事，再有画面

剧本阶段的目标不是写出文学性台词，而是写出能被画面执行的分场结构。推荐用”分场表”代替传统剧本，每场只填五项：场次、地点、出场人物、本场发生的事、本场结束时情绪或信息的变化。

新手常见误区是台词写得太满。短剧靠画面和节奏推进，台词只承担关键信息。一个实用标准：每场戏的台词控制在3句以内，其余交给画面和音效。

这一步非常适合让 AI 助手参与，因为它擅长把模糊想法结构化。可以复制下面这段提示词：

【任务目标】把我的短剧想法整理成可执行的分场表。
【输入信息】我的一句话故事是：【填写故事梗概】；目标情绪是：【填写情绪】；全片时长约【填写时长】分钟；风格是【填写风格】。
【处理要求】
1. 拆成 3～5 个场景，每场不超过 20 秒；
2. 每场给出：场次、地点、出场人物、本场事件、情绪变化；
3. 每场台词不超过 3 句，口语化，避免书面语；
4. 第 2 或第 3 场设计一个小反转；
5. 指出哪一场最适合做"钩子"放在开头 3 秒。
【输出格式】用表格输出分场表，表格后附一段 100 字以内的创作说明。
【质量要求】不要出现无法用单张图片表现的复杂动作；不要写旁白解释情绪。

拿到分场表后不要直接开工，先做一次”口述检查”：把每场事件用一句话讲给身边的人听，如果对方能立刻复述出故事线，说明结构成立；如果讲不清楚，问题一定在剧本而不是画面。

三、分镜设计：把每场戏切成”能生图的镜头”

分镜的本质是回答一个问题：这场戏需要几个镜头才能讲清楚？ 个人创作建议每场 2～4 个镜头，全片控制在 10～15 个镜头。镜头太少节奏拖沓，太多则生图工作量和一致性风险都会飙升。

每个镜头至少写清四项信息：景别（远景/中景/近景/特写）、机位角度、画面主体在做什么、镜头要传达的信息。这四项写清楚了，生图提示词基本就成型了。

一致性是个人短剧最大的技术难点。解决办法不是反复抽卡碰运气，而是建立”角色卡”和”风格卡”：把主角的外貌特征（发型、服装、年龄段、气质）和全片风格词写成固定文本，每个镜头提示词都原样带上。人物服装尽量全片不变，场景尽量控制在2～3个，这样一致性压力会小很多。

如果你已经完成故事大纲和人物设定，想更快看到成片效果，可以前往 AI 真人短剧生成体验，尝试把创作思路直接转化为短剧内容，再回头对照本文流程做细化调整。

四、生图与画面制作：稳定优先于惊艳

生图环节的核心原则是：先跑通一致性，再追求画面质感。具体做法：

1. 先用角色卡生成 3～5 张主角定妆图，选出最稳定的一张作为”基准脸”。
2. 每个镜头生成 4～6 张候选，只挑”人物特征接近基准、构图符合分镜”的，不挑”最好看”的。
3. 同一场景的所有镜头一次性连续生成，减少环境风格漂移。
4. 画面比例按发布平台定，竖屏短剧统一用 9:16，避免后期裁切破坏构图。

一个可复用的生图提示词模板：

【画面主体】【角色卡原文：年龄/发型/服装/气质】，【动作与表情】，位于【场景描述】，【景别与机位】，【风格卡原文：风格词+光线+色调】，画面干净，构图留白适合叠加字幕，比例 9:16

如果生成的人物脸部不稳定，优先调整的不是提示词长度，而是减少画面中的变量：去掉多余人物、简化背景、避免复杂手部动作。手部和多人互动是最容易崩的两类画面，分镜阶段就应该主动规避。

五、配音与声音：让画面”活”起来的关键

很多人低估了声音的作用。同一组画面，配不同的配音和音效，观感差距可能比换一套图还大。个人制作的实用方案是：

• 配音：用 TTS 工具生成，每个角色绑定一个固定音色，全片不换。生成时按”每场一段”切分，方便后期对齐。
• 配乐：全片 1～2 段即可，情绪转折处切换，不要每个镜头都换音乐。
• 音效：只需关键动作音效（开门、脚步、雨声、心跳），点到为止。

台词生成后一定要自己听一遍，重点检查三处：数字和专有名词的读法、情绪重音是否落在该落的位置、语速是否符合场景节奏。发现别扭的地方，不要改配音参数硬调，直接改台词文本更高效——把长句拆短、把书面语换成口语，TTS 的表现会立刻变好。

六、剪辑与成片：节奏决定完播率

剪辑阶段只做四件事，按顺序执行：

1. 粗剪定节奏：按分镜顺序拼接画面和配音，先不管转场和特效。此时全片应该已经能看懂故事。
2. 卡点精修：把每个镜头的入点和出点对齐配音的停顿，删除一切”没有信息量”的画面时长。短剧的黄金法则是：任何一秒都不应该有观众想快进的画面。
3. 加字幕与包装：竖屏短剧字幕要大、要短、每行不超过 12 字。开头 3 秒必须出现钩子字幕或钩子画面。
4. 声音收尾：统一音量，配乐压到人声之下，检查是否有爆音和突然的静音断层。

成片后做三项自检：去掉声音看一遍（画面是否还能讲清故事）、只听声音不看画面（台词是否通顺）、从头到尾不快进看一遍（哪里想快进，那里就该剪）。

七、常见问题与优化建议

画面人物”变脸”怎么办？ 回到角色卡，检查每个镜头的提示词是否原样带上了角色特征；同时减少同场景人物数量，优先保证主角稳定。

故事讲不清怎么办？ 问题在分场表而不是画面。回到第二步，把每场”发生的事”改成一句能被复述的话，删掉所有不推动情绪的场景。

台词出戏怎么办？ 把台词读出声，凡是读着别扭的句子一律改写成口语；单句超过 15 个字就拆成两句。

整体像 PPT 怎么办？ 缺少镜头运动和景别变化。在分镜阶段强制要求：相邻两个镜头不能是同一景别，全片至少有一个特写和一个远景。

效率太低怎么办？ 把重复性文字工作交给 AI 助手，例如让它按分场表批量生成每个镜头的生图提示词、把台词改写成不同情绪版本、或者对成片剧本做逻辑漏洞检查。通过 百度搭子 DuMate 可以集中完成这类文本处理任务，把省下的时间留给画面筛选和剪辑判断——这两件事目前仍然最依赖人的审美。

总结

个人AI短剧的门槛确实已经很低，但低门槛不等于低要求。真正决定成片质量的，是先故事后画面的顺序、角色卡与风格卡的一致性控制、以及剪辑阶段对节奏的狠心删减。工具负责把想法变成素材，人负责判断哪些素材该留、哪些该扔。按本文流程走一遍，你大概率能产出第一部完整可发布的短剧；走完三遍，你会有属于自己的稳定工作流。