AI 短剧最卡人的不是生成,是这几步没串上

这两年能生成漂亮画面的模型越来越多，单独做一个好看的镜头已经不稀奇。真正把人卡住的，是把剧本、角色、场景、分镜、视频和后期连成一条线 —— 每换一个环节就换一个工具，思路被打断一次，最后片子还是散的。

最近试了 LibTV 刚推的 1.5 版。它把原来那个 Agent 升级成了 TV Director，一口气补上五项能力：剧本、角色造型室、导演分身、3D 虚拟影棚、成片精修。我按一部短剧从头到尾跑了一遍，感受是它想解决的从来不是“能不能生成”，而是这条流水线会不会在中间断掉。

先说剧本。一句话灵感丢给 AI，常见的毛病是给出一套看着完整、拍起来却很散的故事。这里的做法是先让你从短剧题材里挑一个爆款预设，把受众、时代背景、分集结构一起定下来，再生成大纲。更实用的是改稿：选中一段台词让它改，它会标出删了什么、补了什么，还会主动提示这处改动牵动了后面哪些伏笔，由你决定要不要一起改。改一句不用重写整本，这一步救的是心流。

角色先做成能跨镜头认出的资产

AI 短剧最容易被一眼看穿的地方，是角色一致性：女主角换一个镜头就换了一张脸。

1.5 版的“角色造型室”把这件事做成了可视化的捏脸界面 —— 从一句人设、一张参考图或已有角色起步，五官、发型、服装分开调，连痣、疤、雀斑这类辨识特征也能单独设。调好之后存成角色卡，进资产库，后面的分镜直接调用。

区别在哪：参考图是一次性的，角色卡是结构化的资产。跨场景、跨服装、跨角度时，那点签名特征会被系统带着走，观众才认得出是同一个人。对有连续剧情的题材，这条决定的是作品能不能成立，而不是好不好看。

分镜交给“导演分身”，但先让你审一遍

剧本和角色定下来，就轮到把故事拆成一个个镜头。这时候要切到 TV Director 的“导演执导”模式。

它可以选预设导演，也可以导入你自己的创作方法和提示词模板，生成一个“导演分身”，让它读剧本、拆镜头、建节点、批量优化提示词。这段其实最像“管一个剧组”：Agent 出计划，你检查每个节点的出场人物、场景状态、道具和时长，确认了再批量生成。

有个细节值得说：它给了手动生成模式，消耗积分之前会先提交一份节点计划让你过审。对积分有限的人来说，这一条比多一个生成按钮实在。

空间关系难描述？先在虚拟影棚里摆一遍

有些镜头，比如“三个人在车位旁低声交谈，第四个人躲在柱子后面偷听”，靠一大段提示词很难说清站位、遮挡和运镜。生成出来才发现不对，返工的成本很高。

LibTV 的 3D 虚拟影棚走的是另一条路：不用会建模，用自然语言描述场景，Agent 帮你搭素模、摆机位、排动作，甚至可以在场景里直接手绘一条运镜轨迹。它先给你一段白模预演，站位对不对、柱子挡不挡得住、摄影机绕的路线顺不顺，一眼就能看出来，改起来也只是再说一句话。

预演确认后，把白模导回去当参考，接上角色资产，模型照着白模的站位和运镜生成正式画面，颜色和材质重新补。先把“拍出来才发现不对”的成本，挪到不消耗生成积分的预演阶段。

空间关系难描述？先在虚拟影棚里摆一遍

片头和字幕，别再切到别的软件

最后一步是收口。

短剧一集结尾常有定版和片名，LibTV 把它做成了“创意片头”：从视频里选一帧当底图，输入片名，挑字体和排版，再把文字动效融进原片，片头就出来了。成片精修里还带口播粗剪、去口水词、配 B-roll 和花字。

对做口播的人来说，这一步省的是“为了做个封面又去开另一个软件”的时间。

我的判断：现在是工作流的竞争

把这五项放在一起看，LibTV 1.5 想做的不是再多一个生成按钮，而是把零散的能力收进一套能互相复用的资产体系：角色能存成卡反复调，导演方法能导入复用，场景不用建模就能搭。

我的判断：现在是工作流的竞争

我的判断是，AI 视频已经走完了“画质竞赛”那半场。单镜头好不好看，头部模型之间的差距在缩小；接下来比的是能不能稳定、可预期、低成本地把一个故事反复生产出来。对一个人做内容来说，真正的瓶颈从来不是会不会用工具，而是在抽卡和返工之间被消耗掉。

所以别一上来就追求一集爆款。先用这套流程跑通一集一分钟的小片，把角色卡和导演分身攒下来 —— 这些资产会流向下一部，这才是它跟“用一次就丢的生成工具”最大的区别。

另外提醒一句：参考素材尽量用自己拍的或已经授权的，公开发布前先把版权这件事想清楚。