跑了两个月AI短剧，聊聊平台怎么选
上个月有个新人私信问我，ai短剧是通过哪个平台制作的，能不能直接给个推荐。我愣了半天没答上来，因为半年前我自己也被这个问题绕晕过，光看教程 demo 觉得哪个工具都能出片，真上手才发现差别大得很。这阵子我固定了一套流程跑片，把踩过的坑和现在的做法写下来，你们少走点弯路。
一开始拿通用工具硬搓，纯纯交学费
最早我拿几个通用 AI 视频工具，把剧本直接往里扔，等它吐画面。结果第一条片子出来我直接关了：女主角转身倒水十秒，脸变三回，杯子从陶瓷变玻璃又变回去，窗外每帧景不一样。那种"速冻食品"的感觉——看着个人形，没法当片子看，观众刷两秒就划走了。
我以为是提示词的问题，连换了十几组词，没动。后来花一周把流程理了一遍，才意识到 ai短剧是通过哪个平台制作的，这问题背后其实藏着另一个更关键的点——你用什么工具没那么重要，你的分镜颗粒度够不够细才是命门。拆到单镜头级别，一个镜头只描述一件事：谁、在哪、做什么、镜头怎么动。拆完重跑同一段戏，可用率从三四条挑一条变成十条挑六七条，差距非常直观。
- 单镜头原则：一条提示词只描述一个角色的一个动作，不写"然后他回头又往前走"这种连续事件；
- 先拆再跑：三十秒的戏拆成三到四个镜头分别生成，后期剪辑软件里接上；
- 废片率预期：新模型配新角色，前二十条废片率能到七八成，别急着骂工具，先检查你的描述结构。
分镜提示词我现在的写法，能直接抄
每条分镜提示词我控制在四到六句，结构固定：场景环境 + 角色外貌锚定 + 单个动作 + 镜头语言 + 情绪基调。举个例子，第三场雨夜打电话的戏，我写「城市老巷，青石板路，路灯昏黄；短黑发灰色夹克青年，背对镜头侧身站；抬手把手机贴耳边，嘴唇微动，雨水顺下巴滴；中景固定机位，轻微手持晃；压抑隐忍」。全落到可生成的画面上，不写"他很痛苦"这种抽象词，模型接不住。
ai短剧是通过哪个平台制作的，很多人纠结选哪个模型，但说实话提示词结构比模型选型影响大得多。我后来在几个创作者群里问了一圈，基本同一个判断：你把一个镜头描述成一张静止照片再加上一个运动方向，出片就稳了；你一旦开始写连续动作，模型就开始随机发挥，手指数量和背景人物全看运气。
- 角色描述词全片统一，别每场重写"帅小伙"，要写"短黑发、灰色夹克、左眉尾短疤"这种锚点，第二场脸才不会变；
- 镜头运动一次只给一个，"推近加摇加升"这种组合词模型大概率只执行第一个，剩下两个随机；
- 单条提示词别超六十字，我实测超过之后后半段描述开始被吞，动作细节丢得最严重。
形象一致性这步，我卡了快两周
分镜拆顺之后，下一个大坑是角色一致性。我第一部片子八集，主角"陈默"前四集圆脸，后四集突然变窄了，下巴多颗痣。观众评论区直接问"你们换演员了？"。ai短剧是通过哪个平台制作的，很多帖子教你写提示词，但很少提试镜这一步——它其实比提示词本身更要命，跳过去后面全是返工。
我现在的流程：先建角色卡，把外貌锚点、服装、体态写死；然后跑三到五条不同场景的试镜片段，确认五官比例和肤色没跑偏；确认之后再批量出正片。光试镜这一步，一部八集片子我多花四到五个小时。同场两个角色同框的戏，我不指望一条提示词搞定，先各跑单人镜头，后期剪辑里做拼接和运镜衔接，多花半小时剪，但比一条词塞两个人然后脸互串省太多时间。
这个思路我在特种猫社区里看到好几个人都在用，有人贴了他跑同框戏的失败对比图，真的，一条提示词写两个人，十次有八次会出现其中一个人五官串到另一个人脸上。老老实实分开跑再剪，是目前最稳的路子，没有捷径。
说几句不那么好听的大实话
ai短剧是通过哪个平台制作的，这个问题其实可以换个问法——你的片子适不适合用这套流程做。我的判断是：网文改编竖屏短剧，穿越种田、重生打脸、系统修炼这类，单角色或双角色、场景固定、节奏快，出片效率高。但文艺向、大场面战争、五六人同框文戏，目前别硬上。我上月试了条三人饭桌对话，跑了二十多遍，要么有人多一根手指，要么背景第四个人每帧换脸，最后剪掉改成画外音。
还有一点，别被"五块钱做三集"那种宣传话术带跑。我现在一条能用的十秒镜头，算力加反复跑的 token 消耗折算下来大概两三块钱，八集光生成成本小几百。真正烧的是时间：写分镜、调词、筛废片、剪衔接，一部八集片子我前后花了差不多二十个工作日。它把拍摄和后期的门槛砍掉了，但创意和审美这关它替不了你，别指望输入关键词就能出爆款。
所以回到开头那个问题，ai短剧是通过哪个平台制作的——工具选择确实重要，但它更像你挑一把趁手的刀，菜怎么做还是你自己的事。我目前这套流程是在 特种猫社区 里跟着教程和老玩家经验一点点磨出来的，里面有人分享分镜模板和提示词结构，比我当初瞎摸索强多了。有具体问题可以去里面问，回复速度比我快。