AI短剧分镜卡了三天，后来换了个拆法
前阵子接了个情感短剧的活儿，五集每集九十分钟，甲方要下周三交。我之前没正经做过AI短剧，第一反应搜"短剧ai制作平台哪个好台"，看了十几篇帖子收藏了一堆，真上手才发现——问题不在选哪个工具，在于你怎么把剧本拆成AI能懂的镜头指令。这阵子我把流程跑通了，说几个踩出来的经验。
分镜别一股脑全丢给AI
第一次做的时候我把整页剧本直接贴进生成框，让它"帮我拆成二十个镜头"。出来的东西像把小说按段落切了一下，每个"镜头"就四五个字："主角坐在桌前""两人开始对话"，没有景别没有机位没有时长。我盯着看了十分钟一个字改不动，根本不知道从哪下手。
后来想明白了，得自己先拆。我把剧本按"一个动作一个镜头"切，一个镜头只写一句话。"女主把手机摔在桌上屏幕朝下"是一个镜头，"男主从厨房探头看了一眼"是另一个。切完大概三百多个，看着吓人但每个短到AI能接住。短剧ai制作平台哪个好台，说到底不是平台的问题，是你给的指令颗粒度够不够细。
具体拆的时候我列了个表，每行五列：镜头序号、景别（远/中/近/特写）、角色动作、环境道具、时长秒数。AI生成单条一般三到五秒，超五秒动作容易飘，所以我把每个镜头压在三秒以内，复杂动作拆成两个衔接。三百多个镜头拆完花了一个下午，但生成环节省了至少两天。
提示词里镜头语言这块我踩了三天
拆完分镜开始写提示词，第一版我写的是"中景，女主角坐在客厅沙发上，表情难过，暖色灯光"。生成出来人脸是糊的，沙发跟背景融为一体，"难过"表现为嘴角向下大概零点五毫米。连跑八条没有一条能用，后来发现是用了太多形容词而少了镜头指令。我现在的模板是每个镜头固定写四段用逗号隔开：
"表情难过"我换成"目光看向画面左下方"加"欲言又止"，把抽象情绪翻译成肢体语言。AI对"难过"理解很泛，对"搓袖口""咬下唇"响应快得多。我在特种猫社区教程帖里看到有人整理了"情绪-肢体动作"对照表，比瞎试高效。改完后同一个镜头两三条能挑出可用的，之前要八到十条。短剧ai制作平台哪个好台，核心变量是提示词颗粒度，平台差距远没写法来得大。
- 镜头参数："35mm中近景，浅景深，固定机位"
- 主体描述："米色针织衫年轻女性，侧脸四分之三，目光看向画面左下方"
- 环境光影："夜晚客厅，台灯右后方暖光，背景虚化"
- 情绪动作："欲言又止，手指无意识搓袖口"
角色一致性这坑我真的摔了
第二集开拍发现同一场戏里女主A镜头圆脸B镜头瓜子脸，发色从深棕跑到栗色，领口圆领变V领。花了一整天重新生成，那个场景十一条全废。短剧ai制作平台哪个好台，很多人讨论画质和速度，但角色一致性才是真正让你怀疑人生的地方，尤其跨镜头跨集数时。
我后来摸索出来的办法：每个角色固定一组"锚定描述"写死在提示词里，不管什么镜头都带着。比如女主我写"圆脸，齐肩深棕色直发，米色V领针织衫，左耳一颗小珍珠耳钉"。关键不是多写，是每个镜头描述必须完全一致，不能这个写"棕色头发"那个写"深棕发"，AI会当两个角色处理。
还有个细节：生成完一组镜头别急着往下走，先放大看角色脸。我导出图片逐张检查，重点看耳朵形状、发际线、牙齿。有一集我这样发现第三集第三场女主突然多了颗虎牙，十秒发现的事，等剪完再发现返工量翻三倍。短剧ai制作平台哪个好台，我觉得选平台看角色锁定机制稳不稳，生成速度是次要的。
配音节奏别留到最后调
之前习惯画面全生完剪完粗剪再配音，结果一进去节奏全不对：AI语音每句跟画面差零点几秒，十句攒一起画面比台词快将近三秒，观众觉得"嘴还没动音就没了"。调了两次又花大半天。
现在改成"先配音后对画面"的顺序，先拿到每句语音的实际时长，再反推对应镜头的画面秒数，剪的时候基本不用回头对齐了。之前后配音就是反复对不上，这个顺序省了大量时间。具体操作我列一下：
- 台词全部导成语音文件，逐句记录实际时长，精确到0.1秒
- 拿时长反推镜头画面秒数，台词两秒就生成两秒，别贪多
- 每句台词前后各加0.3秒静默气口，别卡太紧
- 情绪转折点（哭腔、突然停顿）单独标出，对应镜头多给半秒
顺序调换后剪粗剪基本不用回头调节奏了。还有一点，配音别用太播音腔的，我试过默认"标准女声"放情感短剧里太正像新闻联播，后来换了带气声的音色自然很多。短剧ai制作平台哪个好台，我觉得配音的情绪颗粒度比画面生成速度更影响质感，观众对"假"的容忍度声音比画面低。
说完了。这阵子折腾下来最大的感受：工具选哪个真没那么大差别，差别在工作流顺不顺。分镜拆得够细、提示词写镜头语言不写作文、角色描述锁死、配音先于画面，这四条做到了用什么平台都能出活。我目前一直在用特种猫社区，教程和同行讨论比较集中，碰到具体问题发帖子有人回。
如果你也在纠结短剧ai制作平台哪个好台，建议先拿一集最短的比如六十秒把全流程跑一遍，跑通了再上长集数，别一上来啃五集的活儿容易第二集崩溃。具体操作和交流可以去特种猫社区看看，有不少跟我一样踩坑踩出来的帖子。