AI 短剧,开进工厂里了

3分钟AI · 第043期 · 2026年9月24日

AI 短剧，开进工厂里了

字节上线流水线平台：剧本进，成片出——但 22 万部新剧里，只有 0.47% 爆款

9/21，字节旗下的海外企业服务平台 BytePlus 上线了一个叫 Dramagic 的平台：你把剧本丢进去，它帮你拆解剧情、建角色资产、生成分镜、一路到视频预览。这不是又一个「文生视频」玩具——它是把短剧当成工业品来生产的流水线。

为什么大厂开始卷「生产流程」而不是「生成模型」？先看一组又火又惨的数据。

▍一、又火又惨的 AI 短剧

供给端已经卷疯了：一季度全国上线微短剧约 12.8 万部，AI 参与制作超过 95%，平均每天有 1300 多部新剧涌向市场。但上半年抖音新增的 22.19 万部 AI 短剧里，播放破亿的只有 1055 部——爆款率 0.47%。

更扎心的是钱：AI 把制作成本打了下去（真人精品约 150 万一部，AI 仿真人短剧 20 万以内），但省下的钱转头就被投流吃掉了——流量成本同比涨超 100%，行业收益端缩水五成以上。生产越来越便宜，赚钱越来越难。

▍二、为什么 AI 短剧总「穿帮」？

看过 AI 短剧的人多半遇到过这种场面：第 3 镜男主换了张脸，第 5 镜女主衣服变了色，第 10 镜反派手里的道具凭空消失。不是模型画得不好——单镜头内画面一致性已经能做到 0.89–0.93，接近实拍；坏在跨镜头：角色身份一致性行业平均只有 0.62–0.71。模型能画好一帧，却记不住一张脸。

调研数据更直接：76% 的 AI 短剧创作者把「角色跨镜一致性」列为第一大痛点，48.6% 的观众会因为角色不一致直接弃剧。过去解决这个问题的办法是 LoRA 固定人脸、ControlNet 锁骨架，一套工作流搭下来比代码工程还复杂——或者干脆一个镜头抽卡几十次。

▍三、字节把流水线搬来了

Dramagic 的思路是：别让创作者跟抽卡搏斗，把场记、人设表、分镜师这些角色前置到系统里。整个流程四步，每一步都开放人工编辑，不是生成完才发现要推倒重来。

其中最关键的差异是生成前拦截：市面上多数工具是「先生成、发现崩了、再重来」，Dramagic 的 Agent 会在消耗算力之前校验角色状态和场景一致性，检测到可能崩坏就主动拦下。另一个容易被低估的是团队资产库——角色三视图、场景卡可以跨项目复用，第二个项目不用从零抽卡。

还有个冲着出海去的 Remake Studio：上传原剧、选目标语言，AI 自动分析角色场景、改编对白、输出分镜提示词，直接重制本地化画面——比挂字幕翻译往前走了一大步。

▍四、这条赛道上，玩家已经 20 多家

注意一个细节：字节自家的小云雀、即梦、剪映和 Dramagic，视频生成底层都是同一个 Seedance 模型。也就是说，模型能力已经不是差异点，字节在做的是在不同场景上铺不同的「应用层」——Dramagic 就是面向企业级短剧生产的那个节点。

▍五、对号入座 + 泼一盆冷水

最后说句冷静的：Dramagic 解决的是「能不能稳定做出来」，但 0.47% 的爆款率说明，真正卡住大多数人的是「做出来有没有人看」。行业里那句判断很到位——最稀缺的不再是算力，而是「好剧本 + 导演思维 + 足够专注」的复合型人才。

流水线能保证品质下限，拉不开品质上限。当崩脸不再是壁垒、制作效率被拉平到同一水位线，决定一部短剧命运的，还是那个老问题：你有没有一个让人停下来的故事。

互动：你能接受全程 AI 演的短剧吗？刷到过让你出戏的穿帮镜头吗？评论区聊聊。