夜雨聆风先看一句话
AI短剧正在从“能不能做”走向“有没有人追”。4月抖音新增约4.4万部AI剧/漫剧，破亿率约0.6%，分水岭变成了剧本、运营、合规和复盘能力。
三个数字先抓住重点
手机阅读先给锚点，后面再展开判断。
4.4万部
4月抖音新增约4.4万部AI剧/漫剧，破亿率约0.6%，分水岭变成了剧本、运营、合规和复盘能力。
0.6%
4月抖音新增约4.4万部AI剧/漫剧，破亿率约0.6%，分水岭变成了剧本、运营、合规和复盘能力。
4.42万部
DataEye 研究院提供的数据显示，2026 年 4 月，仅抖音原生端单月新增 AI 剧/漫剧就达到 4.42 万部，同...
这篇文章在聊什么
#AI创作 #AI资讯 #AI短剧 #AI漫剧 #AI影视 #短剧出海 #视频生成 #AI大模型 #模型更新 #多模态 #4.4万部 #0.6% #4.42万部 #3248部 #267部 #爆款逻辑 #创作者机会 #平台趋势
这两天看 AI 短剧，我最大的感受是，行业已经不缺“会生成画面的人”了。
这话听着有点扎心，但我觉得是事实。
过去大家聊 AI 视频，兴奋点通常在模型能力上。画面是不是更像电影，人物是不是更稳定，镜头是不是能连续，提示词是不是能抽出一条满意的片段。这个阶段当然重要，因为没有工具能力，就没有后面的产业想象。
但现在问题变了。
第一财经 5 月 31 日的调查里有一组数据很值得放在开头。DataEye 研究院提供的数据显示，2026 年 4 月，仅抖音原生端单月新增 AI 剧/漫剧就达到 4.42 万部，同期新增真人实拍微短剧只有 3248 部。也就是说，单看上新数量，AI 短剧已经把真人短剧远远甩在后面。
可另一边，4 月新增 AI 剧中，播放量破亿的只有 267 部。
大概 0.6%。
这就是现在 AI 短剧最真实的处境，一边是产能狂飙，一边是爆款越来越难。
澎湃新闻刊发的 DataEye 短剧观察也给了另一个角度。4 月单月新增 AI 剧/漫剧约 4.4 万部，播放增量破 100 万的有 6458 部，破百万率 14.6%。更有意思的是，4 月新剧数量比 3 月的 4.7 万部小幅回落，原因之一是抖音版权中心加强了内容审核、版权确权和违规内容清退。
这块很关键。
AI 短剧不是只在技术维度往前跑，它也在被平台规则、版权审核、内容合规重新塑形。过去可以靠低成本快速铺量，现在会越来越容易撞到版权、素材来源、人物肖像、IP 改编这些现实问题。
所以今天的第一个热点判断是，AI 短剧正在从“产能红利”进入“合规红利”。
谁能把素材权属、剧本版权、角色设定、提示词生成、成片标识这些事情做得更清楚，谁反而可能在下一轮少踩很多坑。
第二个热点，是 AI 仿真人剧开始明显往前冲。
DataEye 的 4 月月报里提到，4 月新剧类型中，AI 仿真人剧供给占比达到 57%。在 4 月 TOP100 的 AI 剧/漫剧里，90% 是 AI 仿真人剧，90 部 AI 仿真人剧贡献了 271.56 亿的播放增量。4 月 TOP9 的 AI 剧也都是 AI 仿真人剧。
这说明什么呢？
不是说漫画风格不行了，而是平台和观众的注意力正在往更接近真人影像的方向移动。短剧观众本来就熟悉真人竖屏剧的情绪节奏，AI 仿真人剧如果能把人物、场景、表演和冲突做得更稳定，就更容易吃到原有短剧市场的审美惯性。
但这里也有一个坑。
越像真人，越容易进入更严格的审查区间。肖像相似、演员替代、虚构人物误认、现实题材价值观、历史和社会议题边界，都会变得更敏感。画面越逼真，平台和观众对它的要求也会越接近真人剧。
这就很微妙。
AI 仿真人剧的机会更大，麻烦也更大。
第三个热点，是爆款不再只看便宜，而是看能不能形成连续运营。
第一财经那篇调查里提到几个典型案例。《从赖皮蛇开始吞噬进化》上线一周播放量突破 2 亿，最终收入超过 1000 万元，投资回报率超过 15 倍。海外 AI 短剧《After Divorce: My Five Brothers Paved My Way to the Billionaire Throne》上线两周进入海外短剧热榜，票房超过 100 万美元。
这些案例最有价值的地方，不是告诉我们“AI 短剧能赚钱”。
这句话太粗了。
真正重要的是，它们背后都不是随机抽卡抽出一个片段就完事，而是有题材判断、网文经验、剧本节奏、连续发行和数据复盘。说得直白一点，AI 只是把生产成本打下来了，但没有替你判断观众为什么点进来，为什么看完，为什么付费，为什么追下一集。
很多小团队容易误会这件事。
看到 AI 可以低成本出片，就以为核心策略是多做、多发、多铺。这个思路在早期可能有用，因为市场还新，平台还在测试，观众也愿意看新鲜感。但当一个月能新增几万部 AI 剧，低成本本身就不再稀缺。
稀缺的是爆款判断。
更稀缺的是复盘之后还能迭代。
第四个热点，来自今天 AI HOT 里的一个旁支信号，Hugging Face 上有团队用多个小模型做了一个金融剧情模拟项目 Thousand Token Wood v2。它不是短剧产品，但它有一个很值得短剧团队借鉴的地方，多模型负责不同角色和行为，系统通过结构化 JSON、记忆摘要、信息隔离，把剧情推进和角色行为拆成可控模块。
我看到这个项目时，第一反应是，未来 AI 短剧的制作系统可能也会变成类似的多智能体流水线。
一个模型负责世界观。
一个模型负责人物小传。
一个模型负责分集剧情。
一个模型负责分镜和镜头调度。
一个模型负责视频提示词。
最后再由人来做审美判断、节奏判断和商业判断。
这个方向比单纯追某个视频模型更有意思。因为短剧不是一段画面，短剧是连续内容。连续内容最怕的是角色变形、剧情断档、情绪线失控。多智能体工作流如果能把这些环节拆开管理，AI 短剧才有可能从“生成片段”升级成“生产剧集”。
顺着这个逻辑看，GitHub 这两天被 AI HOT 收录的 Spec Kit 也有参考价值。它本来是为 AI 编码准备的规范工具，核心思路是先写清楚产品规范，再让 agent 执行。放到 AI 短剧里，其实也一样。
不要一上来就让模型生成视频。
先写清楚故事规范。
人物是谁，欲望是什么，阻碍是什么，每集钩子是什么，镜头风格是什么，哪些内容不能碰，哪些素材来源可靠，哪些设定要保持一致。规范写清楚之后，再让 AI 去拆剧本、拆镜头、出提示词。
这听起来慢，但很可能比盲目抽卡更快。
所以今天给 AI 短剧创作者的判断很简单。
如果你只是想试水，当然可以先用 AI 做一个短样片，看看人物、画风、题材有没有感觉。但如果你真的想把它做成一个可持续项目，就不能只盯着模型更新。
你至少要有四张表。
第一张是题材表，记录哪些题材、开头、冲突和人设有数据反馈。
第二张是角色表，保证人物外貌、性格、动机和关系不会漂。
第三张是镜头表，把每集的景别、动作、情绪和提示词留档。
第四张是复盘表，记录播放、完播、互动、付费和评论关键词。
这四张表看起来很土。
但它们可能比一堆炫酷提示词更值钱。
AI 短剧下一轮真正拉开差距的地方，我觉得不是谁能一晚上生成 100 条视频，而是谁能把 100 条视频里的有效经验沉淀下来，再稳定做出第 101 条。
这就是今天的核心热点。
产能已经不是最稀缺的东西了。
能让观众愿意追下去的系统，才是。
READING POINT
可关注后续
抖音原生端 4 月新增 AI 剧/漫剧约 4.4 万部，供给规模继续处在高位。
4 月新增 AI 剧播放破亿 267 部，爆款率约 0.6%，说明产能和爆款之间仍然隔着很远。
AI 仿真人剧成为增量核心，4 月 TOP100 AI 剧/漫剧中 90% 为 AI 仿真人剧。
平台审核和版权确权正在收紧，低质铺量和权属不清的内容会越来越难过关。
多模型剧情模拟、Spec Kit 这类规范化 agent 工作流，给 AI 短剧制作提供了新的方法论启发。
READING POINT
创作者影响
不要先追长剧，先做 3 个短样片，用数据判断哪个题材值得扩展。
不要只存提示词，要存角色设定、镜头结果、失败样片和修改原因。
不要只看画面质量，要看开头 5 秒钩子、每集结尾悬念和评论区反馈。
不要忽视版权和素材来源，尤其是 IP 改编、仿真人物、配乐和图片素材。
不要把 AI 当成自动导演，更适合把它当成编剧助理、分镜助理、抽卡助理和复盘助理。
READING POINT
结尾互动句
如果你现在要做一部 AI 短剧，你会先拼画面质感，还是先把人物和每集钩子打磨清楚？我自己的答案越来越偏向后者。
看完这条趋势，你更想先试技术，还是先打磨内容判断？欢迎留言聊聊。
