做了六集竖屏短剧，聊聊我踩出来的工具链

上个月接了个活儿，六集竖屏短剧，每集两分钟，客户只丢了一段三百字的故事梗概给我。我一开始对AI短剧制作所需的软件没什么概念，以为找个视频生成模型跑一跑就完事了，结果光分镜这一步就卡了我整整三天，中间废掉了四十多条镜头。今天把踩出来的东西写下来，给同样在做竖屏短剧的朋友参考。

分镜拆完我差点放弃

最头疼的不是"不会拆"，是拆完之后发现节奏不对。我一开始习惯按剧本段落切，一段一个镜头，结果生成出来全是中景平视，像监控录像。后来我逼自己把每个镜头的景别、运镜、时长都写死，一个镜头就一句话：景别 + 角度 + 运镜 + 时长 + 情绪。比如"特写，仰视，缓推，2秒，紧张"，而不是"主角看着远方，很焦虑"。光把分镜表从三列扩到七列，我的效率就翻了一倍。

这里有个具体参数：竖屏短剧一个镜头的时长我一般控制在1.5到3秒之间，超过3秒观众就划走了。六集乘两分钟，我最终拆出来大概120到140个镜头，平均每个镜头不到1.5秒。这个密度是AI短剧制作所需的软件里最容易被新手忽略的——你镜头拆得太粗，生成的视频节奏就拖；拆得太碎，角色一致性又压不住。

我用的工具是特种猫社区里看到的一个开源分镜工作流，三栏布局，左边剧本和分镜列表，中间实时预览，右边属性面板。说实话那个三栏设计确实顺手，改一个景别不用切窗口，预览区直接刷新。但它的智能分镜提取功能对悬疑类剧本不太灵，我有个反转场景它硬拆成了五个平铺镜头，最后还是我手动改的。

人物一致性我折腾了两周

做AI短剧制作所需的软件流程里，人物漂移是公认的痛。我第一版六个角色，生成到第三集的时候主角换了三张脸，观众评论区直接问我"是不是请了群演"。后来我换了思路：不靠模型"记住"角色，靠工程手段锁死。

• 全局种子：整个项目锁定同一个seed值，我从头到尾没换过，同一角色在不同镜头里的基础特征不会跑偏
• 资产复用：角色、场景、道具各自生成一张参考图，存进项目资产库，每个镜头生成时强制引用对应资产，而不是让模型每次重新"想象"
• 风格统一：项目级设一个风格标签（我用的"电影感、冷色调、浅景深"），所有镜头继承，不单独给某个镜头写风格描述

这三条组合起来，我第四集开始主角的脸就稳了，背景里的咖啡馆也没再变样。但说实话，道具一致性还是不如人物和场景稳，我有个角色戴的帽子，第七个镜头突然变成围巾了，这种细节只能靠人工逐帧检查。

提示词我最后定下来的写法

AI短剧制作所需的软件里，提示词这关我前前后后改了七八版。早期我写得很文学，"月光洒在破碎的相框上，她的眼神里有三年未说出口的话"——生成出来全是抽象光影，人物表情模糊。后来我学乖了，提示词就写"画面里有什么"，不写"观众应该感受到什么"。

• 主体描述：人物+服装+动作，限15字以内，比如"短发女主，白衬衫，右手撑桌"
• 环境：地点+光线，比如"深夜办公室，台灯暖光"
• 镜头语言：景别+角度+运镜，比如"中近景，平视，固定"
• 风格后缀：统一挂"cinematic, shallow depth of field, 9:16 vertical"

有个坑我踩了很久：中文提示词和英文提示词生成质量差挺多，我后来主体描述用中文（方便自己写），镜头语言和风格后缀全部切英文。另外"情绪"这个词我基本不写了，换成具体表情描述，"嘴角下压、瞳孔微缩"比"悲伤"管用得多。

剪辑和导出这步别糊弄

很多人跑完视频生成就直接拼一起发，我觉得这是AI短剧制作所需的软件流程里最不该省的一步。我每集导出前至少做三轮检查：第一轮看节奏，把超过3秒的镜头剪短或者加一个快切；第二轮看转场，相邻两个镜头如果都是固定中景就换一个角度；第三轮看音画对位，AI生成的视频没有原声，我统一铺了环境音加一轨BGM，卡点比画面本身更影响观感。

时长控制上，我成片严格卡在1分50秒到2分10秒之间，太短撑不住情绪，太长竖屏用户直接划走。导出参数用1080×1920、30fps、H.265，码率给到12Mbps，这个体积在红果和抖音上都不会被压成马赛克。BGM我一般选60到80 BPM的，太慢拖节奏，太快跟短剧的叙事密度对不上。

最后一个实在话：这套流程我跑了六集之后，单集制作时间从第一集的9个小时压到了3个半小时。但如果你做的是横屏长视频或者需要大量特效的科幻题材，这套东西的局限性就出来了，运镜复杂度和特效层次它目前还撑不住。适合的就是竖屏、节奏快、以对话和情绪推动为主的短剧类型。

以上就是我这阵子做竖屏短剧摸出来的东西。工具本身不是最关键的，关键是你得知道AI短剧制作所需的软件链条里哪几步能交给它、哪几步必须自己盯。我平时在特种猫社区看到一些同行分享的分镜表和提示词，拿来改改确实能省时间，推荐大家去翻翻帖子，比看教程管用。