工具都免费,为什么你的AI短剧还是做不出来?

点击蓝字，

关注我们

上一篇文章里我们了解了AI短剧189.8亿的市场规模和暴富案例，很多人看完后私信：具体怎么做？

这篇文章就是给你的答案。不是概念科普，不是工具罗列，是一套从零到成片的完整操作手册——每一步做什么、用什么工具、怎么避坑，全部写清楚。

全文约4000字，建议收藏后对照实操。

全流程总览：

AI短剧不是"一键生成"的工具，是多个AI工具的合作。完整流程分为7步：

一句话总结：

文本 → 图像 → 视频 → 音频 → 剪辑 → 发布

一、选题与剧本创作

⏱ 30-60分钟 | 剧本决定成败的70%

短剧能不能火，剧本占70%。画面再漂亮，剧情流水账也救不了。所以剧本是最值得花时间钻研的。

新手选什么题材？

优先选强冲突、高反转的题材：• 都市逆袭：打工人翻身、职场反转、离婚后暴富• 古风甜宠/穿越：画面简单，场景固定，服化道固定• 悬疑复仇：悬念感强，完播率高• 婆媳/家庭爽剧：受众广，容易共情

新手避开：科幻特效类（画面难做）、战争大片类（场景太复杂）、群戏类（角色太多，一致性难控）

万能剧本提示词模板（直接复制使用）：

你是一名专业的短剧编剧。请写一部[都市逆袭]短剧，共3集，每集60-90秒，9:16竖屏格式。

要求：

开头3秒强冲突钩子（吵架/打脸/意外）

每15秒一个小反转

结尾留悬念，引导看下一集

台词口语化，不要书面语

每集不超过4个场景

角色不超过3个

输出格式：

【集数】第X集

【标题】本集标题

【场景1】场景描述

镜号1 | 0-5s | 特写 | 画面描述 | 人物动作 | 台词

镜号2 | 5-10s | 中景 | 画面描述 | 人物动作| 台词

...

主角设定：28岁女生，齐肩黑发，鹅蛋脸，职场通勤风

反派设定：35岁男，背头，西装，公司总监

核心冲突：被上司甩锅后决定创业反击

💡 剧本写作实战技巧

1. 单集控制3-5个场景。场景越多，角色越容易"变脸"，AI生成越容易出问题。新手建议从单场景开始。

2. 每10-15秒一个小冲突。短剧观众注意力极短，大段静态对话 = 掉完播率。

3. 开头3秒决定生死。第一个镜头必须是冲突画面（摔文件、扇耳光、下跪），不要用风景空镜开场。

4. AI初稿一定要人工修改。AI写的剧本节奏通常偏平淡，手动加冲突、删冗余对话、强化反转。

5. 先写大纲再写分集。让AI先输出"3集故事大纲+人物关系"，确认方向后再逐集展开。

⚠️ 新手最常犯的错误

不要只给AI说"写个短剧"。提示词越具体，输出质量越高。题材、集数、时长、人设、冲突、风格——全部都要写清楚。

不要让AI一次性写完所有剧集。先写第1集，修改满意后，把第1集内容发给AI让它续写第2集，这样剧情连贯性更好。

二、AI生图：锁定角色与场景

⏱ 30-60分钟 | AI短剧最大的技术难点

76%的创作者把"角色变脸"列为AI短剧第一大难题。同一角色在不同镜头里长相不一样，观众直接出戏——这是弃剧的第一理由。

解决方案：先用AI生成角色"定妆照"，后续所有镜头都以这张图做参考。这一步做好了，全剧的角色一致性可以保持85%以上。

💡 角色一致性核心技巧：四视图锚定法

给每个主要角色生成4张参考图：正面半身、45度侧面、全身站立、面部特写。后续不同视角的镜头调用对应角度的参考图，角色一致性可以保持在90%以上。

操作方法：在即梦/Midjourney中，用角色提示词生成正面图后，修改提示词中的角度描述（如"45度侧面""全身"），保持其他描述完全不变，生成其余三张。

💡 高阶方案：LoRA训练

如果做连载短剧（10集以上），强烈建议用角色的20-30张图训练一个专属LoRA模型，让AI"记住"角色特征。训练完成后，每次生图时加载LoRA，角色一致性可以达到95%以上。

训练工具：Stable Diffusion + Kohya_ss（免费），或在线平台LiblibAI（一键训练，付费但简单）。

训练参数建议：Steps 1500-2000，Learning Rate 1e-4，Batch Size 2，图片尺寸512×512。

场景图生成

除了角色，每个场景也需要生成一张"环境参考图"：• 室内场景：办公室、客厅、咖啡厅——描述要具体（"简约风格办公室，落地窗，木质办公桌，暖色灯光"）• 室外场景：街道、公园、天台——加入时间光线描述（"傍晚金色光线""夜晚霓虹灯"）• 特殊场景：医院、法庭、酒店——加入标志性元素让AI准确识别场景图生成后，保存为"场景名称.jpg"，后续生成视频时作为背景参考。

⚠️ 避坑

每个角色（包括配角、反派）都要单独做定妆照，分文件夹保存。不要图省事用文字描述代替——文字描述的稳定性远不如图片参考。

定妆照不要生成多个人物。每次只生成一个角色，避免AI混淆面部特征。

保存所有定妆照的提示词。后续需要生成同一角色不同场景时，直接复用提示词+修改背景描述即可。

三、拆分分镜脚本

⏱ 20-30分钟 | 告别"PPT式短片"

分镜就是把剧本拆成一个个可执行的"镜头清单"。不做分镜直接生成视频 = 每个镜头都在赌运气，最后拼出来像PPT幻灯片。

好消息是：如果你在第一步用了我们的提示词模板，AI已经帮你拆好了分镜。这里只需要做人工校对和优化。

💡 分镜优化技巧

1. 景别要交替。不要全是中景——特写→中景→近景→特写的交替，才能制造节奏感。

2. 单镜头不超过5秒。超过5秒的镜头在短剧里会显得拖沓。

3. 每个镜头标注用哪张参考图。如"镜号3：用女主正面参考图 + 总监办公室场景图"。

4. 动作描述要具体到肢体。"她很生气"会显得模糊，"她猛地站起来，椅子向后滑"才好让AI生成。

四、AI视频生成

⏱ 40-90分钟 | 从静图到动态画面

这一步是把第二步生成的静态图片"动起来"。有两种方式：图生视频（推荐）和文生视频（备选）。

图生视频 vs 文生视频

图生视频（推荐）：上传第二步生成的定妆照/场景图 → 输入动作描述 → AI让图片动起来。角色一致性最高。

文生视频（备选）：直接输入文字描述 → AI从零生成视频。虽然灵活但角色一致性差，适合无人物的空镜镜头（风景、城市、时间流逝）。核心原则：有人物的镜头用图生视频，无人物的空镜用文生视频。

图生视频操作流程（以可灵AI为例）：

打开可灵AI → 选择"图生视频"
上传角色定妆照（如女主正面参考图）
输入动作提示词：
"女生微微低头，攥紧手中的信封，
然后缓缓抬头，眼神从犹豫变为坚定，
轻轻把信封放在桌上，
电影感运镜，缓慢推进"
选择参数：
- 模型：可灵2.1
- 时长：5s（短镜头）或10s（长镜头）
- 比例：9:16
- 动态程度：适中（不要选"高"，容易变形）
点击生成 → 等待1-3分钟 → 下载视频

💡 视频生成实战技巧

1. 每个镜头多生成2-3条备选。AI视频有随机性，同一段提示词生成的3条视频质量可能差异很大。选最好的那条用。

2. 动作描述越简单越好。"她站起来走了三步然后坐下"比"她站起来走向窗边看了看窗外又回来坐下"成功率高得多。AI一次只能做好1-2个动作。

3. 面部特写镜头用"微表情"。"眼神从悲伤变为坚定"这种微表情是AI视频的强项，效果比大动作好。

4. 避免复杂多人交互。"两人拥抱""打斗"这类多人交互镜头是AI视频的重灾区，尽量拆成单人镜头交替剪辑。

5. 生成失败就换AI工具。同一个提示词在可灵上效果不好，换即梦试试，不同模型的强项不同。

⚠️最大避坑：不要追求一次生成完美

新手最容易陷入的陷阱：反复生成同一个镜头，追求"完美效果"，结果一下午只做了3个镜头。

正确做法：每个镜头生成3条，选最好的一条就用，不纠结。整体节奏比单个镜头质量重要得多。观众看的是故事，不是某一帧的画面。

五、AI配音与音效

⏱ 20-40分钟 | 让短剧"有灵魂"

无声视频像PPT。配上人声台词、背景音乐、音效，短剧才真正"活"起来。这一步投入不大，但效果提升巨大。

配音操作流程：

从分镜表中提取所有台词，按角色分组
为每个角色选择一个固定音色（全程不变）
逐句输入台词 → 选择情感（愤怒/悲伤/平静/激动）
调整语速（短剧台词建议比正常快10-15%）
生成配音 → 下载音频文件
按镜号命名保存（如"镜号3-总监-你确定.wav"）

💡 配音实战技巧

1. 每个角色固定一个音色。从第一集到最后一集，同一角色用同一个音色，观众才能对角色有印象。

2. 台词要标注情感。不要全部用"默认"情感。"你确定？（冷笑）"和"你确定？（愤怒）"效果完全不同。

3. 语速比正常快10-15%。短剧的节奏本来就快，正常语速会显得拖沓。

4. 旁白/内心OS用不同音色。旁白用低沉男声或温柔女声，和角色台词做好区分。

5. 关键台词手动调整断句。AI配音的断句偶尔不合理，用标点符号（逗号、省略号）手动控制停顿。

背景音乐来源：

• 剪映自带音乐库（免费，分类全）• 抖音热门BGM（直接搜短剧配乐）• Pixabay Music（免费商用）音效来源：• 剪映音效库（脚步声、关门声、手机铃声等）• 混音吧（免费音效素材站）配乐原则：冲突场景用紧张鼓点，情感场景用钢琴/弦乐，结尾悬念用低频嗡鸣。音量控制在人声的30-40%，不要超过角色台词。