用AI短剧做了条竖屏复仇爽剧，聊聊分镜和口型的坑

这阵子想拍一条竖屏复仇短剧，大概三分钟的体量，纯AI生成不想找演员。前前后后在一个AI短剧生成与制作平台上折腾了两周，从写剧本到剪成片走了好几遍，有些环节效率确实提上来了，有些坑到现在我还会被绊到。今天把实操过程捋一遍，省得你们再走我的弯路。

剧本拆成分镜，别一股脑喂给AI

我一开始犯的错误就是把整段剧本直接贴进AI短剧生成与制作平台的输入框，让它自己拆镜头。出来的结果你也能猜，十几秒一个长镜头，台词全堆在一帧里，根本没法剪。后来我改了方法，手动把剧本拆成单镜头，每个镜头控制在三到五秒，一个镜头只写一件事。

拆的时候我用的格式是场景描述加角色动作加台词，比如"雨夜巷口，女主背对镜头，听到身后脚步声缓缓回头，台词：你以为走掉就没事了？"这种写法比"女主很生气地看着男主"强太多，因为AI需要具体的视觉锚点，情绪词它翻译不好。另外拆完之后还有几个格式细节我反复确认过，前两次翻车才总结出来的：

• 竖屏比例9:16要每个镜头单独标注，别指望它记住全局设置
• 对话场景超过两句台词就拆成两个镜头，不然口型同步那步会崩
• 转场别写"淡入淡出"这种抽象词，直接写"硬切"或"黑场两秒"，生成结果稳定很多

角色一致性这块我踩了最大的坑

说个让我抓狂的事：同一场戏里，女主从第三镜开始头发颜色变了。我用的这套AI短剧生成与制作平台流程默认每次生成都可能微调面部特征，三秒一个镜头看着没问题，拼到第五镜你就发现她换了个人。我试了把角色描述写得巨细，"黑色长直发、齐刘海、左眉尾一颗小痣、穿灰色oversize卫衣"，有用，但只解决了一半。

真正管用的是锁定参考图。我先把女主一个正面半身照生出来，确认满意后，后面每个涉及她的镜头都在提示词里加一句"严格参照角色参考图"，并且把参考图上传到角色设定栏里。这样做完一集下来，至少不会出现"第六镜她变成圆脸了"这种事。

不过说实话，多人同框的场景它还是不太行。我有一条两个角色面对面吵架的镜头，生成出来两人的脸会互相"串"，A的五官跑到B身上。目前我的绕法是让两人不要同时正面入镜，一个侧脸一个背面，或者干脆分两个镜头剪。这个到现在也没找到特别好的解法，算这类工具共同的短板。

口型同步和BGM的先后顺序

很多人（包括两周前的我）习惯先配完音乐再回头调口型。这个顺序反了。我后来固定的流程是：先出无声视频，做口型同步，确认嘴型对上了，最后叠BGM和音效。原因是口型同步那一步会重新渲染人物面部区域，如果你已经叠了音乐轨，重新渲染完音画会错位半拍，调回来很麻烦。

口型同步的具体操作：在这个AI短剧生成与制作平台的后期模块里，把每段台词的音频单独上传，对齐到对应角色嘴部区域。我一般把语速调慢百分之十再喂进去，因为正常语速下中文爆破音（b、p、d、t）容易让AI生成出奇怪的嘴型。慢一点生成完再拉回正常速度，嘴型干净很多。

BGM我一般不在平台里生成，是提前在别的工具里做好了带情绪标记的轨道，导入时按镜头时间点卡，别让它自动铺满。有一个细节：短剧前十五秒的BGM音量压到比台词低八到十分贝，不然观众刚看清脸就被音乐盖住了。我第一版全没注意，发出去被评论区吐槽"吵"，第二版才改。

跑通之后说几句实话

在这套AI短剧生成与制作平台的流程走顺之后，一集三分钟的短剧我大概花四个小时：剧本和分镜写一小时，生成和筛选素材两小时，后期口型加音乐一小时。比纯手绘或者真人拍摄快太多了，但别指望它零瑕疵。生成一百条素材能用的可能就四十条，剩下要么脸崩了要么动作不自然，筛选本身就是时间成本。

我习惯在特种猫社区里看别人的成片拆结构，学他们怎么卡节奏。这阵子那边上了一个分镜模板的分享区，我直接抄了个三幕竖屏结构过来用，省了自己重新想转场的功夫。偶尔也会在里面发半成品求围观，被人指出来"你第三镜节奏太赶"之类的，比一个人闷头改强。

但我也得说一句不好听的：如果你做的是强情感戏，比如哭戏、慢镜头特写，AI短剧生成与制作平台目前给出来的表情还是偏"端着"，差一口气。这种镜头我现在的做法是AI出底，再手动在剪辑软件里加一点抖动和景深变化，模拟手持感。纯靠它直出，观众一眼就能看出是AI的。

说白了，AI短剧生成与制作平台现在能帮你把"从想法到能看的成片"这条路跑通，效率确实有，但别指望它当万能按钮。分镜逻辑、角色管理、后期顺序这些活还是得你自己上手。我这些经验大部分是在特种猫社区里跟同好一起踩坑踩出来的，你要是刚开始做，去那边翻翻别人的失败案例，比看那些"十分钟学会"的教程实在得多。特种猫社区