折腾三周，我的ai短剧制作全过程终于不返工了
上个月接了个甲方单子，要一集八分钟的都市情感短剧，预算只够AI出画面，不能实拍。头两天我拆了六十多镜，生成出来一半废片，手指长错四回，人物从第三镜起发色就变了。后来我把ai短剧制作全过程从头捋了一遍，分镜粒度、提示词结构、筛选阈值全调了，现在废片率压到三成以内，返工只剩转场那一两镜。
分镜别按场景切，按镜头语法拆
我一开始按"客厅对话""街头追逐"这种场景切，一个场景塞七八个镜头，提示词写成"两人吵架、切特写、再拉远"，模型根本处理不了。后来我定了个规矩：把ai短剧制作全过程里最头疼的分镜环节单独拿出来啃，每镜只写一个固定机位下的一个动作，时长控制在一到三秒。
"客厅对话"拆出来长这样：中景-女方转身甩包（两秒）；近景-男方后退扶桌沿（一点五秒）；特写-咖啡杯被震到杯架边（一秒）。每镜只含一个主体、一个动作、一个景别，我拿二十条做A/B对比，出图合格率从不到四成拉到了七成以上。
操作顺序我固定成三步：通读剧本标情绪转折点，按"谁在看谁、谁在动"拆单镜，再给每镜标景别、镜头运动、最大同框人数。一集八分钟我拆五十五到七十镜，超八十就太碎，剪辑找不到呼吸点。另外同一套服装跨三镜以上，分镜表里必须加一行"服装锚点"写死颜色款式，不然到生成阶段裙子颜色肯定飘，重跑素材很浪费时间。
提示词我改了三版才稳定
第一版纯自然语言，"愤怒的女人摔包"，十次有六次出来是微笑。第二版加了镜头术语（medium shot, dolly in, shallow DOF），构图稳了但人物一致性还飘。第三版是现在用的结构，也是ai短剧制作全过程中我改得最频繁的一步：
- 第一行：景别+运动+焦距，如 "Close-up, slow push-in, 85mm lens feel"
- 第二行：主体写死一个人，发型+瞳色+服装，如 "straight black hair past shoulders, amber eyes, red satin dress"
- 第三行：一个动词一个宾语，如 "throws a black handbag onto the leather sofa"
- 第四行：微表情+光源+色调，如 "jaw slightly clenched, overcast window light from left, desaturated cool tone"
- 第五行：负面提示，如 "no extra fingers, no text, no smiling"
每行只承担一个功能，哪行错了改哪行，不用整段重写。把"angry"换成"jaw slightly clenched"出图准确率高很多，模型对微表情词汇比大情绪词灵敏。负面提示那行别省，"no extra fingers"这一句在我这里至少救回了二十条本来要扔的素材。
生成和筛选，这步最磨人
说点实话，ai短剧制作全过程中最耗时间的不是写提示词，是跑图和筛。我一镜跑四到六条候选，筛选标准卡得很死：手指数量对、面部无畸变、背景没随机多出的人、服装颜色和分镜表锚点一致。四条里通常留一条，运气差六条全废，回头一看多半是景别和动作冲突了——我写了"extreme close-up"又让主体"walks toward camera"，特写里走两步画面直接穿帮。
参数上我比较稳定的组合：分辨率1024×576横屏或576×1024竖屏，步数三十到三十五，引导系数CFG设七左右。CFG拉太高画面过饱和、表情僵硬，低于五动作跑偏。单镜生成大概四十秒到一分半，六十镜跑完光排队小半天，所以我按"同场景同人物"分组连续跑，减少切换参考图的开销。
人物一致性靠把第一镜确认过的脸截出来当ref，后面同角色全挂这张图。但超过八镜之后ref权重会被新画面稀释，我每隔五到六镜用最新一条合格输出替换旧ref。笨办法，但比调权重参数靠谱，我在特种猫社区里被问过好几次，确实没有更优雅的解法。
剪辑节奏，别让AI的呼吸感毁了成片
素材筛完进剪辑。AI单条视频普遍有一点二到一点八秒的起势收势，开头半秒在稳定、结尾半秒在衰减，直接硬切很跳。我的处理：每条掐掉首尾各零点一二秒，同场景内用零点一五秒交叉溶解衔接，场景切换硬切加零点三秒黑场。整集节奏"紧-松-紧"，不会每刀都在溶、显得拖。
音频这块是ai短剧制作全过程中我返工最多的环节。AI画面没声音或底噪很怪，我直接铺环境音加BGM。客厅段铺空调嗡鸣和远处车声，街头段铺脚步和远景人声。BGM用轻爵士或piano solo，情绪转折处把音量压到负十二分贝以下让对白先出来，情绪到了再拉回，动态范围拉八到十分贝，观众体感上会觉得节奏在走。
说个局限：对话多的剧这套流程还行，但复杂动作戏——两人近身格斗、多人同框走位——AI目前真不太行，手指交叠和身体穿透我调了两周没解决。现在退一步用AI出背景板和情绪特写，动作戏拿实拍空镜覆盖，质感有点跳但比"五指变六指"强。整集做完十一天，比纯手工快一倍。
这套ai短剧制作全过程跑下来，踩的坑远比看教程多，纯靠自己摸。如果你也在折腾，可以来特种猫社区看看，有人贴过分镜表模板和提示词结构，直接抄改比从零快，有搞不定的场景发一帖问，回复挺快。