三集90秒短剧跑完，说几个我踩的坑

上周接了个朋友的活儿，三集每集90秒的都市悬疑AI短剧。我平时自己剪片子还行，但AI生成这条线之前没完整跑通过。折腾了两周，用ai短剧全流程制作平台把三集全出了片，中间踩的坑够写个血泪帖了。

分镜怎么拆才不会让画面跑偏

先说最关键的：分镜别按「场景」拆，要按「镜头运动」拆。我第一版把一整段咖啡馆戏塞进一个分镜，提示词里写了「男主坐下、端咖啡、对面女主推门进来」，出来的人脸直接扭曲成表情包。后来我改成每条分镜只写一个主体一个动作，一集拆到12条，画面才干净。

具体拆法我后来固定成三步：先写镜头类型（特写/中景/全景/跟拍），再写主体和动作，最后写情绪和光线。比如「中景，女主从门口推门进入，表情犹豫，暖黄顶光从右上方打下来」。在ai短剧全流程制作平台里分镜是逐条喂的，你一条写多了它就把所有元素糊成一锅粥。

还有一个细节：相邻两个分镜之间，我手动把前一条的末尾帧截图贴进去当参考图。平台支持参考图上传，不用每次都重新抽卡。第三集那个走廊跟踪镜头，不贴参考图每次出来人物服装颜色都变，贴了之后基本能稳住色调。我在特种猫社区里看到有人分享过类似做法，亲测确实管用。

提示词我前后改了四版

第一版我直接抄英文模板，「cinematic, 4k, dramatic lighting」全堆上去，画面是好看但完全不是我要的叙事感。第二版改成先写中文再让平台翻译，好了点但节奏还是不对。到第三版我才找到能用的结构，在ai短剧全流程制作平台里跑下来比较稳：

• 镜头语言放最前面：「固定机位，缓慢推进至面部特写」
• 主体描述控制在15字以内：「戴黑框眼镜的中年男人，灰色西装」
• 动作只写一个：「低头看手机，拇指悬停」
• 环境一笔带过：「昏暗办公室，百叶窗条纹光」
• 情绪色调放最后：「冷蓝色调，压迫感」

第四版我在每条提示词末尾加了「negative: 多余人物、文字水印、画面分割」。之前老出双头人和右下角莫名水印，加了之后基本消停。这个参数在生成设置里也能调，但写在提示词里优先级更高，我自己对比测过的。

生成节奏和时长控制这块我卡了很久

每集90秒听着不多，但你算算：一集大概12到15个镜头，每个3到7秒不等。我最初每个镜头统一设5秒，跑完一集要生成15条，一条出片大概40秒到1分钟看队列，光等生成就要小二十分钟，三集下来等得想摔键盘。

后来我调整了策略：对话特写设6到7秒，转场和动作镜头设3到4秒。在ai短剧全流程制作平台里时长是跟着分镜表走的，你标好每镜秒数它生成时就对应。但有个坑，同一集里镜头时长差太大的话拼接节奏会断，我第二集就吃了亏，观众反馈说「看着像PPT翻页」。

还有一招省时间：批量生成时别全勾「高质量」模式。对话特写用「标准」就够，全景和环境镜头再上「高质量」。我第三集一半镜头用标准跑的，出片速度差不多快了一半，画质差距你不全屏放大看发丝根本注意不到。

剪辑拼接和配音是最磨人的环节

画面素材生成完，拼接其实不算最难，难的是声音。ai短剧全流程制作平台能出画面但配音和音效你得自己接。我现在的流程是：先在平台里把分镜按顺序拼成粗剪导出带时间码的MP4，然后拿时间码去对配音台词。

配音我是把每句台词单独喂给语音模型，语速设0.85倍，默认1.0太快了听着像新闻联播。有个很关键的细节：台词字数必须跟分镜时长匹配，正常语速大概2.5到3个字每秒。我第一集有句台词写了28个字但分镜只给了6秒，配音要么赶要么溢出，最后把那条分镜改成8秒重跑了一条。

音效我偷懒了，直接从素材库拖环境音，咖啡馆底噪、走廊脚步回声，90秒的短剧够用了。但说实话如果做3分钟以上的，环境音层次感肯定不够，那块我还没摸出好的方案，有经验的同行可以指点一下。

说几句不好听的

这平台做90秒到3分钟的短剧确实够用，我三集全跑通了，效率比一条一条在别的工具里生成再手动拼至少省一半时间。但有几个地方它现在确实不太行，我挨个说，免得你们踩一样的坑：

• 人物一致性：同集内还好，跨集同一个角色脸会漂移。我三集里男主第三集换了张脸，只能靠发型衣服硬圆，跨集你得重新锚定参考图。
• 复杂群戏：超过3个人同框基本废，出来的人手是6根或5根。我第二集有个办公室群戏直接放弃了，改成逐个特写剪。
• 竖屏适配：默认出16:9，做9:16竖屏得在提示词里硬写，但构图经常不居中，人脸偏到画面边缘去。

总的来说，如果你手上有明确剧本、镜头数在15条以内、时长控制在3分钟以内的项目，用ai短剧全流程制作平台跑完出片是可行的，我这套流程能直接复用。但如果你要做长篇连续剧或者多角色对手戏，现在硬上大概率会被一致性劝退。我自己在特种猫社区里看到有人做五集连续短剧，他的做法是每集开头固定用一张参考图锚定角色，这个思路我还没试过，回头验证。有问题直接在那边帖子里问就行，特种猫社区。