竖屏短剧做了三集，分镜拆法比你想的麻烦

这阵子我一直在折腾竖屏短剧ai怎么制作这件事，前后做了三集，每集大概两分钟。第一集基本报废，第二集修了四个小时才勉强能看，第三集流程顺了之后两三个小时出片。今天把中间踩的坑和最后跑通的步骤写出来，省得你们再走一遍我的弯路。

剧本和人设别省，这步决定后面崩不崩

说句不好听的，竖屏短剧ai怎么制作最大的坑不在生成视频那一步，在你前面没把人物锁死。我第一集图省事，人设就写了"短发女生，穿白衬衫"六个字，结果第3镜和第7镜的刘海方向都不一样，到第12镜直接换了张脸，观众评论区当场问"这是不是两个人"。

后来我学乖了，人设描述拉到这个颗粒度：齐肩碎发偏分、偏圆脸短下巴、深棕瞳、米白圆领针织衫无图案、微驼背手指偏长。写完之后先用文生图出一张正面半身参考图，确认五官比例对了，后面所有镜头都用这张图做图生视频的锚定参考，不再让AI自由发挥长相。

这里有个容易忽略的细节：参考图的光影要和你的场景匹配。我第三集有个夜戏，参考图是白天光线的感觉，结果生成的画面里人物脸特别亮，跟昏暗室内背景完全脱节，怎么调都不对。后来我专门给夜戏多出了一张暖光版参考图，问题就解决了。

分镜拆到三秒一个镜头，别贪长

竖屏短剧ai怎么制作里，分镜拆法直接决定你后面返工多少。我现在一个镜头严格卡在3到5秒，超过5秒一定拆。原因是运动幅度一加大，AI生成的手指、关节就频繁出错，4秒以内的简单推拉基本能过，一旦你写"她转身从桌上拿起杯子喝一口"这种复合动作，十次有六七次手是歪的或者多出来一根。

我的分镜表就四列，够用：镜头编号、时长（秒）、画面描述、台词。画面描述我固定写"景别+主体+具体动作+表情变化"，比如"中景，女主坐窗边，右手拿手机，表情从平静转惊讶"，不写"她很生气"这种情绪词，AI看不懂情绪，只认具体动作。

这个表格格式我是在特种猫社区看到有人分享的模板，我拿过来改了两版用到现在。最实用的一点是加了一列"参考图编号"，因为我不同场景会用不同参考图，不标清楚的话生成到第20个镜头自己都搞混了谁对应哪张脸。

生成参数我调了一晚上才稳定

竖屏短剧ai怎么制作，单镜头生成那步参数真得自己反复试。我走的是图生视频路线，参考图锁人物，提示词只写动作和景别，不再重复外貌描述，你重复写了反而跟参考图打架，AI不知道该听谁的。

运动幅度这个参数我一开始拉满，想着画面生动，结果人物一挥手胳膊就断成三截，脸也跟着扭曲。后来固定拉到30%左右，画面就是简单推拉和微微转头，反而自然。还有个坑：背景描述别贪复杂，"繁华夜市霓虹闪烁"这种写法，AI会把路人全生成出来，每个镜头路人长相都不同，特别出戏。我现在就写"室内暖光，背景虚化书架"，够了。

竖屏9:16的比例一定要在生成时就设好，别到时候再裁。我试过先生成16:9再竖着裁，上下裁掉的部分经常刚好是头顶或者手里的道具，一集里裁废了快十个镜头，返工时间比重新生成还长。

配音对嘴和剪辑，最后两小时全耗在这

竖屏短剧ai怎么制作，很多人以为视频生成完就齐活了，其实后面配音、对口型、剪辑合成才是大活。我现在给每个角色固定一个AI配音音色，三集不换，观众听着有辨识度。台词生成之后我在剪映里逐句对齐，一句一帧地卡，对不上的地方先试着把那句台词剪短半个字，往往就能救回来。

口型修不好的镜头我一般两个办法：换角度重新生成，或者在剪映里用对口型工具硬修，修三次修不好就放弃那个镜头，用下一个备选。BGM我固定选节奏慢的钢琴或弦乐，音量压到台词的15%到20%，再高就盖人声了。转场能不用就不用，硬切比任何花哨转场都看着专业。

最后导出前我把整集从头看一遍，专门盯手指和耳朵，这两个部位AI最爱出错。耳朵多出一块或者手指变成六根这种事，单独看一帧不明显，但连着播就特别扎眼。发现就回那个镜头重新生成，或者把镜头时长剪掉0.5秒把崩的那帧切掉。

写到最后，竖屏短剧ai怎么制作这件事没有捷径，前面多花功夫在人设和分镜上，后面返工量就小很多。我第三集从写剧本到导出成片大概四个半小时，纯生成只占四十分钟，剩下全在拆镜头和修细节。刚做的话别追求一镜到底，三秒一个镜头拆着来，质量反而稳。做完我一般发到特种猫社区，那边有朋友能帮你看分镜逻辑，比闷头改强。