2026 AI短剧制作全过程：从0到1攻略，一个人搞定剧本/分镜/视频/配音/剪辑

打开红果短剧的热播总榜，排名前五的作品里，AI短剧占了四席。《万妖图录传》连续十一季连播，成为现象级作品，背后的光宇团队不到20人。

另一部AI短剧《都重生了，谁还装富二代啊》做到第九季，20人团队，三天出一季，九季共729集。《一枕山河踏月来》一人7天，上线24小时播放量突破1700万，登顶抖音短剧榜新剧分类榜第一名，3天全网播放量破亿。

单人剧组，批量生产，千万热度，普通人也能分蛋糕。

下面我们把完整的AI短剧制作流程展开，从剧本到成片，每一步用什么工具、怎么写提示词、花多少钱，全部说清楚。

AI生成

第一步：用DeepSeek/Chatgpt生成剧本

AI短剧看是短剧，不是AI。短剧的流量密码就两个字：钩子。前15秒抓不住人，后面拍得再好也白搭。AI短剧能在榜单上碾压真人剧，就是反复推积爽感，每集都有打脸和逆袭。

剧本提示词

请写一部3分钟以内的重生逆袭类短剧剧本，格式如下：

【剧名】：（3-5个字，带钩子）
【题材】：重生/逆袭/打脸
【核心爽点】：一句话说清楚“观众为什么会爽”
【人物】：
  - 主角：[姓名]，[年龄]，[核心身份]，[性格标签]，[重生前的困境]
  - 反派：[姓名]，[年龄]，[核心身份]，[性格标签]

【剧本正文】：
场景一：[地点][时间]
（画面描述：谁在哪儿、在做什么、情绪状态）
[角色名]：[台词]

【分镜要求】：
- 全剧控制在15-25个镜头
- 每个镜头时长5-10秒
- 前3个镜头必须出现：身份反差、冲突预告、情绪钩子
- 每3-5个镜头设置一个小反转


小技巧：学习剧本创作最好的方法是模仿，先让AI拆解一个爆款的剧情套路，再创作新的剧本，慢慢熟能生巧。

第二步：拆分时间线

这Seedance 2.5推出后，本人的一个省钱小经验。

很多人做AI短剧有一个误区，所有镜头都用最新的Seedance 2.5生成，积分烧快，成本控不住。

正确的做法是，按镜头类型拆分，不同难度用不同版本，先用Seedance 2.0廉价建立角色与环境，再以上一段视频作为参考，让Seedance 2.5生成复杂高潮。

这样故事更完整、物理更稳定、积分大幅节省。

为什么这样更省？很多人担心拆分会更费积分，但忽略了失败率。一次复杂生成失败 = 全部积分白费。拆分后成功率和可控性大幅提升，反而更省。

环境、角色入场、情绪铺垫用2.0；冲突酝酿、对话推进用2.0；20秒动作高潮：打斗、爆发、反转用2.5。

第三步：GPT Image/即梦锁定角色三视图与场景参考图

角色一致性是AI短剧最大的坑，同一个角色，上个镜头长这样，下个镜头就换人了，差评不断，我们必须在生成视频之前先把角色锁死。

角色三视图提示词

用GPT Image或即梦生成角色的正面、侧面、3/4侧三视图。多角度角色参考图（正面、侧面、背面加上面部特写）锁定为参考图像，然后将其输入到每一次图生视频生成中：

生成一张电影级角色设定板，浅灰中性背景，非对称拼接排版：

中央：角色全身立像
周边：全身多角度转面图（正面、3/4侧、正侧、背面）
侧边：头部细节研究组图（正面、3/4、正侧、低头、抬头）
局部：服装与配件拆解说明，带材质标注引线

角色：[填写名字]，[填写外貌特征]，身穿[填写服装]。

风格：写实电影质感，自然抓拍感，拒绝摆拍。全角度五官、发型、身形比例严格一致。

这张图会作为后续所有视频生成的锚点，每个镜头的提示词都要引用它。

场景参考图同理，为每个主要场景生成2-3张参考图，标注空间方位关系（如南侧入口、北侧后院、中间庭院等），后续生成时保持空间逻辑一致。

第四步：Seedance 2.5/可灵做图生视频，批量生成片段

图生视频比文生视频稳定得多，用角色三视图作为参考，模型就锁定了“这个人长什么样”，提示词只需要告诉它“这个人接下来做什么动作”。

公式（来自Seedance官方提示词指南）：

主体 + 动作或事件 + 场景与环境（可选）+ 视觉风格（可选）+ 运镜或切镜（可选）+ 声音（可选）

写提示词时，先说清楚想生成什么，再按需要写明参考素材、事件过程、视觉表达和声音。

完整案例：《武馆挑战》

这套提示词来自一位专业AI短剧创作者的实际工作流，他先用GPT Image生成角色与场景参考图（@Image 1~8），分别定义武馆的完整地理（街道、正门、前院、内门、高门槛、主院、侧廊、后练功厅）、咏春与洪拳弟子的服装、两位师父的形象，再写极详细的分段提示词。

Part 1 提示词（30秒入场，使用Seedance 2.0）：

[参考资料]
@图像1确立了武馆的整体空间布局：街道、正门、入口庭院、内门、高门槛、主庭院、侧廊以及后方练武厅。
@图像2呈现了雨后湿润的街面立面、花岗岩台阶、木质大门。
@图像3确立了从正门通往后方练武厅的连贯轴线。须保留所有的门、地面高差及行进动线。
@图像4呈现了主庭院、后厅、校名牌匾、廊道、石板铺地及光影效果。
@图像5仅呈现咏春拳学员的暖灰色上衣、黑色长裤及黑布鞋。
@图像6仅呈现洪拳学员的靛炭色练功服及牛血红腰带。
@图像7呈现咏春拳师父的身份特征、精瘦体格及象牙白服饰。
@图像8呈现洪拳挑战者的身份特征、魁梧体格、炭色服饰及深红腰带。

[目标]
制作一部香港历史背景功夫片短片（共两部分，总时长60秒）的第一部分。
这30秒的片段旨在构建武馆场景，引出挑战事件，并在格斗即将开始前戛然而止。
对白语言：地道的香港粤语。语音与画面自然同步。不加字幕、标题、书法或图形文字。

[空间布局与调度]
正门位于南侧入口处。门后紧接着是第一个室外练武场。
洪拳挑战者停留在南侧入口附近（正门内侧），未越过内门槛深入。
咏春拳师父位于相对的另一端——北侧后方练武厅的深处。
主庭院与高门槛将两人隔开。
全程保持这种南北方位的空间关系。不得出现瞬间移动或出入口方位错乱的情况。

[0–6秒 — 逼近]
以高角度广角全景镜头开场。画面上半部分展示武馆立面；前景处是雨后湿润的街道。
来自@Image8的洪拳挑战者正沿街走向武馆。他的三名弟子紧随其后，保持着严整的三角形阵型。
挑战者右手持一封封口的红色战书，目光始终锁定武馆入口。
保持广角镜头，交代上方的武馆、下方逼近的队伍以及连接两者的花岗岩台阶。
当挑战者抵达台阶时，镜头开始缓慢下降并横向移动，跟随他向大门走去。
他穿过正门。

[6–11秒 — 闯入]
切至第一个练武场内的广角镜头，回望正门方向。
挑战者进入并在门内三步处停下。三名弟子在其身后呈浅纵深队形停步。
他必须停留在入口附近，不得跨过内侧较高的门槛。
在更深处练功的三名咏春弟子察觉到来者，随即停下动作。
挑战者将封口的红信放在入口旁的木架上，随后透过敞开的内门望向远处的武馆牌匾。
大师兄认出了这份正式战书，目光在信件与挑战者之间游移，随后转身走向后堂。

[11–16秒 — 警示]
从后方跟拍大师兄，他正快速穿过主庭院，向后方练武堂走去。
他的行进路线须沿用@Image3确立的中轴线。
后堂内，咏春宗师站在一张木制练功台旁，侧身背对入口。
弟子在恭敬的距离处停步，行抱拳礼，语气急促而克制地说道：
{师父，外面有人来踢馆。}
宗师的手停在了正在整理的物件上。他先转头望向庭院，随后才转身。

[16–21秒 — 师父登场]
师父从后堂走出，大弟子紧随其后，落后半步距离。
采用正面中远景镜头，在他们步入庭院的过程中进行后退跟拍。
咏春弟子们移至左侧廊下，腾出中央的切磋场地。
画面切至沿庭院中轴线拍摄的对称长镜头。
师父在内侧门槛的北面站定。
挑战者则停留在靠近正门南面一侧。
两人隔着庭院相对而立。

Part 2 提示词（30秒对打高潮，用Seedance 2.5 + 上一段视频）：

[参考角色]
@视频1为后续扩展的源视频。它定义了完整的前情提要，包括人物身份、服装、武馆布局、物品位置、灯光、音效环境、镜头方向以及最终对峙场景。
@视频1控制扩展边界和开口合成。

[向前延伸]
@视频1是向前延伸的源视频。
向前扩展@视频1。扩展片段的第一帧直接从@视频1的最后一帧继续。
保持两位大师准确姿势、方向、目光和距离的连续性；学生的立场；红色挑战信；固定的学校牌匾；门槛；庭院建筑；背景和空间关系；锁定的相机位置和构图；潮湿阴暗的灯光；以及@视频1结尾处建立的无声紧张气氛。

[动作段落概要]
挑战者率先出手，洪拳刚猛直进，拳风破空。
咏春师父以寸劲接招，连消带打，在方寸之间化解三记重拳。
挑战者变招为扫腿，师父提膝格挡，顺势进马，一记摊打正中挑战者胸口。
挑战者后退三步，卸力重整，两人拉开距离。
第二回合：挑战者双拳齐出，师父以问路手探其虚实，随即转膀手破开中路，连消带打迫其后退。
挑战者被逼至内门附近，师父停手，示意点到为止。
挑战者低头抱拳，转身离去。红色战书仍留在原处。
师父目送其离开，转身回到后堂。

第五步：配音与音效

配音在图生视频时已经可以一并生成，Seedance 2.5支持多语言台词生成和口型同步，你只需要在提示词里写清楚谁在什么时候说什么话。

台词嵌入写法

在视频提示词中加入台词指令，格式为{角色名：台词}：

参考@图1中角色的外貌。角色站在画面中央，面无表情，嘴唇微动说出台词：
{师父，外面有人来踢馆。}
口型与台词同步，自然的粤语发音，语气急促而克制。
无背景音乐，保留环境音。

对白语言可以指定为地道的香港粤语、日语、韩语等，语音与画面自然同步。

音效独立处理

如果对AI生成的音效不满意，可以用剪映或讯飞配音单独处理：

1. 从生成的视频中截取音频片段作为配音参考
2. 用剪映的文本转语音或讯飞配音生成纯净人声
3. 导出为48kHz WAV格式，导入剪辑软件对齐

声音设计原则

• 环境音比BGM重要：车流声、脚步声、开关门声，这些才是建立真实感的关键
• 无BGM有时比有BGM更高级：全程依靠真实的环境音（车流、引擎、急刹）、动作音效（撞击、拔枪）以及人物原声对白
• 台词单独导出：每句台词生成独立音频文件，剪辑时灵活性更高

第六步：剪映拼接、调色、字幕、导出

剪辑顺序

1. 先铺画面：把所有选中的视频片段按分镜顺序拖入时间线
2. 再对音频：把配音和音效文件对齐到对应画面
3. 最后调色：统一所有片段的色温和对比度

统一调色

AI生成的视频片段之间色温往往不一致。用剪映的色温和色调工具，把全部片段调到同一个基准线上，再统一套一个LUT或滤镜。

自动字幕

剪映的识别字幕功能可以自动从音频生成字幕，生成后手动检查断句和标点。

导出设置：H.264编码，1080p分辨率，24fps帧率。

完整成本对比

以一部60秒短剧、约15-20个镜头为例：

2026工具推荐表

三大踩坑与解决方案

坑1：人脸漂移

解决方案：

• 用图生视频而非文生视频，以角色三视图为首帧锚定
• 每个镜头的提示词原样复制角色外貌描述
• 如果连续生成多次后出现漂移，使用原始参考图而非已生成帧来重新锚定
• 可灵3.0的“图生视频+主体参考”技术可以锁定面部结构跨镜头一致

坑2：光影不统一

解决方案：

• 同一场景的所有镜头集中生成，保持光照条件一致
• 剪辑时先统一调色再套风格LUT
• 在提示词中明确光影方向

坑3：空间逻辑混乱

解决方案：

• 在提示词中明确空间方位关系（南侧入口、北侧后院、中间庭院）
• 标注关键地标（门槛、牌匾、廊道）
• 规定人物移动路线，禁止瞬间移动

写在最后

AI短剧能不能爆，跟AI做关系不大，重要是内容，要让观众有代入感。

第一，开篇钩子。身份反差、冲突预告、情绪钩子，不要觉得别人写过，这些都是被验证过的公式。

第二，角色锁定。观众认不认得这个角色，比画面精不精美重要得多。人脸漂移一次，观众出戏一次。三视图+图生视频+提示词复用，这三件事做扎实了，角色就稳了。

第三，节奏把控。5-10秒一个镜头，每3-5个镜头一个小反转，全程不留气口让观众划走。

用2.0建立环境和简单运镜，只在关键高潮段落用2.5，既保证了质量，又把积分花在刀刃上。一部60秒的短剧，15-20个镜头，混合使用2.0和2.5，总成本可以控制在几百元以内。

工具在变，成本还会降，但内容本身的规律没变，谁会讲故事，谁就能拿到流量。把上面的模板复制过去，跑一遍流程，你就知道了。