用AI做了部短剧，说几个软件选型的实话

上礼拜把一部8集、每集90秒的AI短剧剪完了，发出去之后好几个人私信问我"用什么软件制作ai短剧"。这流程我前后折腾了快三周，中间换过两回工具，今天把踩过的坑和最终定下来的操作顺序写一下，省得你们也走同样的弯路。

先别急着选工具，把剧本拆成镜头

很多人一上来就搜用什么软件制作ai短剧，对着十几个平台挨个试，其实更该先干的事是把剧本拆到镜头级别。我的方法是：每句话对应一个3到5秒的镜头，一个镜头只写一个动作加一个情绪。比如"她转身把杯子放下"和"她抬头看了一眼窗外"必须拆成两个镜头，合成一条提示词去跑的话，模型会把两个动作糊在一起，出来的人手多一根手指。

拆完镜头之后我会建一个表格，每一行就是一个镜头，列包括镜头编号、时长、画面描述、人物状态、运镜方式、台词或旁白。后面写提示词时直接复制粘贴，不用反复回去翻剧本，效率差很多。我一般用Excel就行，不用什么专业工具。

第一部做的时候我没拆这么细，把三四句话塞进一条提示词里，模型就给我出来一个四不像，光改提示词就花了两天，白跑了一堆废片。那个教训挺深的，后来每次开新剧本第一件事就是拆镜头，你们别走这个弯路。

提示词怎么写才不翻车

说个踩了很久的坑：早期写提示词爱堆形容词，什么"电影级画质、8K、超写实、光影细腻"全塞进去，结果人脸每次都在飘，背景倒是挺好看。后来我发现一个规律，这也是我琢磨用什么软件制作ai短剧时最花时间的一步——画面描述越具体越"平"，模型越不容易跑偏。我现在的模板大致是这五条：

• 镜头类型：固定中景 / 慢推 / 手持跟拍，三选一，别写"电影感运镜"这种虚词
• 主体外貌：只写最关键的三五个特征，"短发、左脸浅疤、深蓝工装外套"就够
• 动作：一个动词短语，"她慢慢把杯子搁在桌角"，别加副词堆砌
• 环境：一个空间加一个光源方向，"老式厨房、下午自然光从左侧打进来"
• 情绪：用身体语言代替，"肩膀微微塌下去"比"她很难过"有效十倍

这套写法我是前阵子在特种猫社区翻教程时看到的思路，后来自己改了两版才顺手。核心就一条：每个镜头的提示词控制在60到90个字，多了模型就开始自由发挥，出来的东西你认不出来是自己写的。

生成这一步我卡了整整四天

前六集挺顺，第七集有个连续对话场景，两人面对面各说各的，我跑了二十几次没出能用的。问题出在衔接上——单条5秒片段没问题，但两条接起来嘴型表情对不上，看着像两个人各自在说话，没有"对话"的感觉。这也是整个用什么软件制作ai短剧流程里最折磨的一步，当时真想直接把那集删了。

最后我换了思路，不硬凑同框了，把对话拆散成单人镜头来拍。我前后试了七八种组合才找到这个方案，具体操作和几个容易忽略的细节列一下，你照着做基本能绕过，不用像我一样卡四天：

• 拆成四镜：A说 → 切B反应 → B说 → 切A反应，每镜单人中近景
• 剪辑用0.5秒交叉溶解过渡，口型对不上的问题被切点盖住
• 反应镜头机位偏30度，别正对，不然看起来像监控录像

这个办法不完美，仔细看还是有切点痕迹，但比死磕同框对话高效太多。我耗的那四天够我从剧本到成片再做完一集了，所以真别在一个点上死磕，拆镜头永远是最快的出路。

后期别省，不然出来像PPT

素材丢进剪辑软件，最容易忽略的是节奏。AI生成的片段默认匀速，人物动作从头到尾一个速度，看着很僵。我现在的习惯是每个镜头进剪辑后手动调速度曲线，前0.5秒加速进入、后0.5秒减速停住，中间正常速度。8集七十多个镜头，每个多花十几秒，总共多半小时，但成片观感完全不一样。后期这块其实跟用什么软件制作ai短剧选哪个工具关系不大，更取决于你愿不愿意一帧一帧去调。

音效也别只用背景音乐铺底，不然整部片子从头到尾就一个声音在响，听着很单薄，观众会觉得廉价。我后期加的环境音和节奏处理大概是这几条，每条花不了多少时间但效果明显：

• 加环境音：雨声、脚步声、杯子放桌面的轻响，免费音效库找的不花版权费
• 背景音乐音量压到人声的30%以下，别盖住台词
• 片头前两秒先黑屏加一句旁白，给观众一个"进入"的缓冲

有环境音的镜头和没有的放同一集里对比，差距肉眼可见，不是"好一点点"那种，是"像两集不同的片子"那种。片头第一帧信息量太大会让人直接划走，黑屏缓冲这步真别省，我第一部就没做，开头跳出率高得吓人。

说两句不那么好听的

流程跑通之后效率确实比第一部快很多，同一集从开拍到成片从一周缩到两天左右，但有两件事我到现在还是不太满意，说给你们听听，免得你们也踩同样的坑白花时间：

• 人物一致性：跨集时同一角色脸还是会漂，参考图锁定加每次提示词重复外貌描述能稳七八成，偶尔出一帧"像又不像"的得手动修
• 时长上限：想做每集3分钟以上的，拆完镜头提示词量太大，生成时间和成本都上来了，90秒以内是目前比较舒服的节奏

所以如果你搜"用什么软件制作ai短剧"，我的建议是别光看哪个工具"功能最全"，先拿你的剧本拆十到十五个镜头，试一下提示词能不能被模型准确理解。**理解力比多两个滤镜重要得多。**我这套流程是在特种猫社区里一点点攒起来的，里面有分镜模板和提示词示例可以直接抄，新手进去翻两篇教程比看十个视频管用。有问题评论区聊，我看到会回。