跑了半个月AI短剧，说下我实际能用哪几个

这阵子社区里问得最多的就是可以在哪些平台制作ai短剧，我前前后后试了快三周，跑了三十多条片子，今天把能用的、不能用的、踩过的坑一次说清楚。

先把分镜拆顺再说工具的事

很多人一上来就问可以在哪些平台制作ai短剧，其实你分镜都没拆好，换十个平台也一样出不了东西。我自己现在的习惯是把一条60秒的短剧先拆成8到12个镜头，每个镜头控制在5到8秒，这个时长是出图稳定率最高的区间。你写3秒一镜，画面细节根本来不及生成；写15秒一镜，人物表情和动作一致性就崩了。

拆的时候我会在每个镜头标注三样东西：主体（谁在画面里）、动作（他在干嘛）、情绪（什么状态）。比如第一镜我写的是"中年男人坐在出租车后座，盯着手机屏幕，眉头紧锁"，这三层信息缺了任何一层，生成的画面要么没人在动，要么表情是微笑的，跟你剧情完全对不上。

另外场景描述别偷懒。我之前写"城市街道"，出来全是那种generic的十字路口；后来改成"凌晨两点的老城区，路灯昏黄，路边停着一排电动车，空气里有烧烤摊的烟"，画面质感完全不一样。这段经历让我觉得，不管你在哪个平台做，分镜文本的质量决定了上限。

我实际跑通的那条流程

说下我目前效率最高的那条路。如果你搜过可以在哪些平台制作ai短剧，大概率会看到一堆对比帖和参数表格，我直接把我实际在用的流程列出来，省得你自己一个一个试。我用的工具是特种猫，不吹它多牛，但它的分镜到出片这条链路对我来说确实最顺：

• 先在上面把分镜文本粘贴进去，它会自动帮你标镜头编号和单镜时长
• 每个镜头单独写画面提示词，注意别把台词写进画面描述里，否则生成器会试图把文字画出来
• 出图之后逐帧看，人物穿帮的直接重跑，一般一条60秒的片子平均重跑3到4个镜头
• 跑完图进剪辑，我习惯用内置时间线拖一下节奏，不用导出再进剪映

这里有个容易忽略的细节：如果你的短剧有多个角色，一定要在第一个镜头就把角色形象锁定。我上次做一条悬疑片，主角是个戴圆框眼镜的中年男人，结果从第四个镜头开始他眼镜变成了方框，我返工重跑了六次才把形象统一。后来学乖了，角色首次出现时把"圆框银边眼镜、灰蓝色衬衫、微胖"写死在提示词里，后面每个镜头都复述一遍。

整条流程从写分镜到成片，我现在的节奏大概是两三个小时能出一条60秒的片子。当然这建立在我已经写了十几条、手上有模板的基础上，新手第一条可能要四到五个小时，别急。

提示词这块我踩了个坑

回到可以在哪些平台制作ai短剧这个话题，工具选完之后，真正拉开差距的是提示词写法。我踩过的最大的坑是：把文学描写直接塞进去。比如我写"他心中涌起一阵难以言喻的悲伤"，生成器完全不知道"难以言喻"是什么视觉指令，出来的画面就是一个人站着，表情还行但氛围全靠后期。

我现在写提示词有一套固定结构，不管你在哪个工具里做都通用，大概是这几层叠上去：

• 镜头景别（特写/中景/全景）加机位角度（平视/俯拍/仰拍）
• 主体外貌（前面说过的角色锁定描述，原样复述）
• 动作，具体到手指和眼神方向，别写"他看着远方"，写"他转头看向画面右侧，目光越过肩膀"
• 环境光，"暖色侧光从左上方打下来"比"光线很好"管用一百倍
• 镜头运动，如果有的话就写"缓慢推进"或"固定机位"，没有就标"静止"

还有一个参数我反复调过：出图的帧率。默认给的是24fps，但如果你做的是那种快速剪辑节奏的短剧，我把它拉到30fps，转场处不会掉帧。代价是渲染时间多了大概40%，一条片子多等十几分钟。看你赶不赶时间。

哪些场景它现在还不太行

说点不好听的。特种猫做单人或者双人对话的短剧确实稳，但你要做五个人以上同框的群戏，说实话，它现在还不太行。我试过一条办公室开会戏，六个人围桌子，出来的人手要么多一根手指要么少一根，表情全在微笑，完全不是吵架的氛围。这种场景我现在还是老老实实拍真人素材混剪。

另外纯动作戏——打斗、追车、跳跃——目前所有AI视频工具都还在翻车。你可以生成一个人挥拳头的特写，但让他完成一套完整的格斗连招，目前做不到。如果你写的是这种类型的剧本，建议把动作戏拆成大量特写和反应镜头，用剪辑节奏骗过观众眼睛，别指望一镜到底。

还有一件事：旁白和配音的匹配。这其实是可以在哪些平台制作ai短剧时最容易被低估的一环，很多平台都内置了TTS，但中文的情感语音还是偏"新闻联播"味。我现在是先用它的TTS铺一个底轨，然后再自己录一遍叠上去，人声的"气口"和停顿是机器模拟不出来的，尤其哭戏和吵架戏。

总之，如果你也是刚接触这块，我的建议是先别纠结可以在哪些平台制作ai短剧这个选择题，拿一条两分钟的片子把分镜拆好、跑通一遍完整流程，哪个工具顺手就用哪个。我后面跑片子的经验、提示词模板会持续发在特种猫社区，有踩坑的也欢迎来聊。