一部 AI 短剧是怎么生产出来的？逐镜拆解
拆解类 · 2026-10-27
AI 短剧/漫剧不是"一句话出片"的魔术，而是一条可拆解的流水线：剧本分镜 → 角色设定 → 逐镜生成 → 配音对白 → 合成。本文把每个环节拆开，告诉你哪些交给 AI、哪些必须自己把关。
先说结论
AI 短剧的生产瓶颈不在"生成"，在一致性：同一角色跨几十个镜头不变形、画风不跳、服饰不换——这才是技术含量所在，也是大部分"AI 出片"工具过不去的坎。生成单张好看的画面已经是 solved problem。
一部短剧的六段流水线
① 剧本 → 分镜脚本。 把故事梗概交给大模型扩写成对白剧本，再按镜头切分。每个镜头一条：场景、角色、台词、动作。人类把关点：故事节奏与钩子（前三集/前三秒）。
② 角色设定（一致性锚点）。 为主角产出 3-5 张标准设定图（正脸、侧脸、全身、表情），这是后面所有镜头的"长相基准"。技术上用固定种子 + IPAdapter 参考图把角色特征锁住——这正是逐日 AI 漫剧双引擎一致性的做法。
③ 逐镜画面生成。 每个分镜 = 角色参考 + 场景提示词 → 生图引擎出画面。逐镜独立生成意味着：某一镜崩了只重跑那一镜，不动其他。人类把关点：逐镜过一遍，崩镜重跑。
④ 对白配音。 多角色用多音色 TTS——每个角色固定一个音色，这也是观众识别角色的重要线索。台词改一处，只重配那一镜。
⑤ 合成与字幕。 按时间线拼接，对白字幕按配音真实时长烧录，BGM 自动混音。 ffmpeg 本地合成 1080p。
⑥ 迭代。 数据反馈到剧本端：哪一集掉人、哪个钩子留存高，下一条剧反哺。
成本量级（经验值）
一部 10 镜左右的短剧单元：生图 + 配音的 API 费用在个位数元级（走自己的 Key、按官方价）；主要投入是逐镜审核的人力，熟练后一条单元剧 1-2 小时。对比传统动漫短剧外包一条数千元的报价，这是把"工作室产能"压缩到"个人产能"的量级差。
从哪开始
最快的路径不是从零写剧本，而是套结构：天台漫剧和面馆奇遇两个模板把多角色对白、角色一致性设定都配好了，替换故事与角色就能开工。方法论细节见漫剧制作完整方案。