灌水茶馆

AI短剧分镜我折腾两周，这几招才跑通

发布于 2026-08-28 · 17 浏览

上礼拜想做个三集竖屏悬疑短剧，每集大概45秒，全部素材AI生成，不拍真人。做了两天就发现分镜全崩——角色隔一帧就换脸，镜头衔接跟跳片似的，根本没法看。后来在社区翻了几篇老哥的分镜拆解帖，又自己反复调，前前后后花了两周一半才跑顺。今天把AI生成的短剧如何制作这套东西捋一捋，踩的坑都写里面了。

分镜脚本先拆成三栏再动笔

我最初偷懒，把整段剧本直接丢给AI让它出画面描述，出来的东西根本没法用——一句话塞了七八个动作，生成出来全糊成一团，人物肢体都不知道往哪放。后来学到一个拆法：每一镜只写三样，景别、核心动作、时长，一个动作一镜，别贪多。

比如「中景，男主推开走廊门，手在抖，3秒」，就这一句，生成出来的画面反而干净，人物站位和表情都能对上。我那个悬疑片一共拆了36个镜头，每集12个，转场镜头单独标「空镜过渡」，不写人物只写环境，这样AI不会在切镜帧里硬塞脸，剪起来衔接自然很多。

AI生成的短剧如何制作，分镜这一步看着最基础，但如果你不拆清楚，后面提示词写得再细都是白搭。我重做了两遍才把36个镜头的景别和时长卡死，第三遍开始出片才真正稳定下来，前两遍基本是废的。

说个具体的翻车：第一版我写「一个穿黑夹克的男人站在雨夜里，氛围紧张」，出来的人衣服颜色每镜都不一样，有次甚至变成女的。后来我发现得把锚定词放最前面，格式是：主体（性别+年龄+发型+衣服颜色+材质）+ 动作 + 环境 + 镜头参数，顺序不能乱。

AI生成的短剧如何制作，提示词最反直觉的一点：你写得越像导演阐述，AI越抓不住重点。它要的是填空式干描述。特种猫社区里有篇帖子专门对比了「文学化」和「参数化」的出图差异，看完确实服了——文学化十次出一张能用的，参数化稳得多。

最头疼的就是这个。男主36个镜头里出现29次，每次生成脸都微调，剪出来像换了三个演员。我试了三种办法：每镜带同一张参考图（忠诚度不稳，隔三差五就飘）；生成一组定妆照写「consistent with character sheet」（好点但也不是百分百）；后期调色统一肤色和光影（兜底用）。

说实话，现在AI生成的短剧如何制作里，角色一致性还是最薄弱的环节。29次出现我能接受四五次脸微微不一样，竖屏短剧本来就是快进状态。但特写超过2秒的脸必须重跑，我的经验是：特写镜头多生成三四张备选，挑最接近定妆的那张，别贪一次出片。

另外同场景多角色我分开生成再合成，比让AI一次画两个人稳太多。第二集男女对峙那场，一开始让AI同时出两人，手长在对方肩膀上，离谱。后来各自生成，剪辑软件叠素材，边缘蒙版处理，反而干净利索。

36个镜头生成完花了四天，每镜跑四五张选一张。但真正崩溃的是剪辑拼接：AI出的每段时长不统一，有的3.2秒有的2.8秒，分镜表卡好的节奏全对不上。我最后的做法是先别卡点，全部按顺序拖进去看一遍整体节奏，再把「气口不对」的镜头剪掉0.3到0.5秒。

竖屏短剧的单镜停留我控制在2.5到3.5秒，超过4秒观众就觉得拖。悬疑片允许一两个镜头拉到5秒做氛围，但不能连续两个长镜头。AI生成的短剧如何制作，节奏这块我反复看了自己那三集，觉得每8秒必须有一个画面变化——切镜或角色动作——低于这个频率观感就散了。

音频我用的AI配音加环境音叠，节奏上比纯画面多一层参照。有两句关键台词我剪了三次才卡对气口，0.2秒的偏差在悬疑片里就够观众出戏。后来学乖了，配音先录好，再按音频波形去卡画面，比对着画面猜台词节奏快一倍。

不是所有东西AI都搞得定。我那个片里两场戏效果很差：三人在餐桌旁对话，手部动作和餐具交互全崩，筷子像焊在手上；下雨天车窗外雨滴，轨迹不符合物理，看着像慢动作倒放。这两场最后老老实实用素材库通用镜头垫底，叠AI人物特写，混着用才过关。

还有一点，AI生成的短剧如何制作，目前做情绪特写比做全身动作戏靠谱得多。皱眉、咬牙、眼眶泛红，出片率很高；但跑步、转身、伸手抓东西这种全身协调动作，十次里三次手不抽就算赢。所以我现在的分镜原则是：情绪用特写近景扛，动作戏用中远景带过，少给AI出难题。

工具方面我全程在特种猫社区找参考教程，出图也在那边跑。AI生成的短剧如何制作这件事，我现在觉得核心不是某个工具多强，是分镜拆得够不够细、提示词够不够干。社区里成片拆解和分镜表模板比较全，比纯看文字文档直观。刚开始折腾的话建议先去翻翻别人的分镜表怎么写的，比自己闷头想快很多。特种猫社区