夜雨聆风点击蓝字
关注我们
原创｜沧溟微履 · Jn-Rise
阅读本文约消耗：520 token
我实测跑过可灵Omni3.0、Seedance、即梦、ComfyUI。95%AI短剧返工、变脸、限流，根源不是提示词不行，是没有标准化生产链路。
不要幻想AI一键输出完整成片，把AI当成参数不稳定的开源软件来用。
0 全链路工具总表（网页 / PC软件 / 手机APP）
剧本&分镜脚本拆解（文本）
1. 豆包网页版：输出结构化分镜表格，输出角色主体固定描述，免费，手机网页可操作
2. Claude：长剧本批量拆镜，适合多集连载
不依赖AI自动分镜，AI只输出表格框架，镜头叙事逻辑必须人工校正。
静态关键帧、角色定妆照生成
1. LiblibAI网页：SDXL在线运行，IP‑Adapter插件做角色锁脸，采样步数28，CFG7.5，9:16 1024×1792，国内直连，手机浏览器能用
2. ComfyUI（PC本地）：本地部署SDXL，IP‑Adapter权重0.7‑0.78，批量批量生关键帧；权重＞0.82姿态僵死，＜0.65参考失效。适合工作室批量生产
3. 即梦AI网页/APP：Seedance底层，中文提示词友好，生成角色定妆、场景概念图，新手友好
图生视频（核心，禁止文生视频直出成片）
1. 可灵AI网页/APP（Kling3.0）：国内写实短剧首选，图生视频模式。参数：参考强度0.7‑0.8，运动幅度0.3‑0.45，关闭场景扩展。适合机房、都市写实题材，人物肢体容错高
2. 即梦AI网页/APP：Seedance模型，角色参考锁定，支持数字人对口型，适合连载短剧，手机APP可以直接上传定妆参考图生成片段
3. Pika2.5网页：海外，表情细腻，适合特写情绪镜头，长镜头稳定性一般
配音TTS
1. 剪映PC/手机APP内置TTS：零成本，国内商用版权安全；单句台词严格≤15字，防止气口错乱、语气飘
2. VITS本地部署：可控音色、语速、停顿气口，适合工作室，需要PC算力
3. 魔音工坊网页/APP：付费，情绪音色更多，批量导出音频文件
后期剪辑、质检、导出、上架
剪映专业版PC + 手机APP，必用。多音轨管理、自动字幕、片段拼接、调色、音量统一；全部AI片段导入，手动音画对齐，不依赖AI自动对齐。成片输出9:16 1080P，直接分发抖音、视频号、快手。
一、前置资产闭环，没完成不要碰分镜（第一道质量闸门）
这一步决定跨镜头角色漂移率。
每个角色产出3张定妆参考图：正面、45°半身、站姿，统一9:16画幅。
硬性要求：无手持道具、无多余手势动作，纯色干净背景，杜绝AI记忆多余杂物。
每个角色写一段固定主体描述文本，全片所有镜头一字不改，放在提示词最开头。
固定场景概念图，机房、办公室等环境，全剧复用同一套参考图。
实测数据：无定妆锚定，CFG7‑12区间，角色漂移率92%。
IP‑Adapter权重固定0.7‑0.78，角色一致性稳定到85%以上。
坑：虚拟AI捏脸做短剧，平台肖像风控随机拦截。条件允许优先真人数字人，使用本人实拍定妆照做参考，限流风险大幅降低。
二、剧本机器化拆解，拒绝文学长文本直接投喂
AI不懂叙事逻辑，只识别单镜单动作。
工业标准分镜必填字段：镜号｜时间码｜场景｜出镜人物｜限定道具｜景别｜运镜｜画面精准描述｜台词｜单镜时长｜音效BGM｜转场方式｜风控备注。
硬性拆解规则：
1. 单个镜头只承载一个动作、一句台词。
2. 禁止复合动作：边走边操作平板、转头同时打字，极易肢体崩坏，必须拆成多镜。
3. 竖屏短剧单镜安全时长2‑4秒；60秒成片控制12‑18个镜头。
4. 台词单句≤15个字，超长对白拆分，规避TTS气口错乱。
通用镜序：全景定场景→中景定动作→近景对话→特写情绪→细节补镜→收尾定格。
三、静态关键帧生图，工业化的底座
生产链路固定：剧本分镜 → 静态关键帧生图 → 图生视频。
Diffusion模型没有跨帧记忆，静态关键帧才可以锁死五官、服装、光影。
SDXL通用参数：采样步数28，CFG系数7.5，分辨率1024×1792（9:16），IP‑Adapter参考权重0.75。
正向Prompt固定结构：
【固定角色主体描述】+无任何手持道具+景别运镜+场景光影+ARRI电影质感，无文字水印。
强制负面Prompt：
禁止变脸、禁止更换服饰、禁止新增道具、禁止手部畸形、肢体扭曲、禁止字幕水印、禁止幼化美颜、禁止场景错乱。
每一张关键帧生成后做初检：人脸、服饰、道具三项校验，不合格直接重跑。
四、图生视频标准化调参，降低抖动、人脸偏移
全部镜头使用图生视频，禁用文生视频，首帧上传已经校验完成的关键帧。
可灵Omni参数
参考强度0.7‑0.8，运动幅度0.3‑0.45，关闭场景扩展，动态抖动调到最低档位。
安全动作白名单（AI出错概率低）：
15°以内微转头、眨眼、微蹙眉、镜头缓慢推拉、机身横移，人物静态站立。
高危动作黑名单，不要交给AI生成：
快速转身、大幅度挥臂、奔跑、旋转、双人同步大幅度动作。高危动作拆镜，后期剪辑拼接。
多人镜头铁律：优先正反打单人近景。双人同框镜头占比≤20%，极易出现换脸、服装互换bug。
即梦（Seedance）参数
上传角色参考图，参考权重0.72‑0.78，运动幅度不要拉满，适合数字人对口型对话镜头。
五、单镜头三级质检，不通过不流入剪辑
每生成一条视频片段，立刻执行三项校验，不合格直接重跑，不要等全部做完返工。
1.人脸质检：五官、骨相、年龄和定妆参考图保持统一。
2.服饰质检：颜色、版型、内搭无改动，不凭空多出口袋、护甲。
3.道具质检：画面没有凭空出现平板、笔，腋下无夹物残留。
前面镜头全部正常，某一镜角色漂移，后续片段会继承错误特征，整集素材直接报废，算力全部浪费。
六、音频链路，解决音画脱节
配音输出之后，禁止AI自动对齐时间轴。
所有台词、音效、BGM全部手动对轨。
分层音频规范：底层环境音，中层BGM，顶层人声。人声音量高于背景15%，短视频收音清晰。
实操：剪映APP/PC导入TTS音频，按照分镜时间码，把每一句台词贴到对应镜头。
七、后期剪辑与平台风控规避
软件：剪映PC/手机APP。
1.按照镜号顺序拼接全部AI视频片段。
2.添加字幕，后期叠加，原始生成画面做到零文字。
3.转场只用淡入淡出，少用花哨特效。
4.统一调色，统一亮度对比度，消除不同镜头画面割裂。
5.导出1080P 9:16，直接发布。
风控要点：
1.优先真人基底数字人，AI虚拟脸存在随机拦截风险。
2.原始画面零水印、零文字，字幕后期叠加。
3.非关键剧情尽量45°侧拍，减少正脸怼镜头。
4.规避畸形五官、过度美颜二次元偏移。
八、AI能力硬边界，不要抱有幻想
1.不存在一套万能提示词，漂移是Diffusion底层缺陷，只能管控，无法彻底根除。
2.一键分镜工具只能翻译文本，不懂镜头叙事，必须人工二次校正。
3.批量翻车，绝大多数是前置资产不规范，镜头拆解不合格。
4.AI只负责执行，稳定产出靠人工设置校验闸门。
完整投产流水线总架构
角色定妆资产固化 → 剧本机器化拆镜 → 标准化关键帧生图 → 参数化图生视频 → 单镜头三级质检 → 手动音画对轨 → 剪映分层剪辑输出 → 风控合规上架。
能稳定批量出片的团队，拼的不是生成模型，是这套标准化流程。
流水线本质，就是把风险拆成一道一道人工闸门，不要把全部希望丢给AI。
作者：Vast Microsteps Studio | Jn-Rise
专注影视CG技术解构与效率工具研究
Thanks so much for reading this piece, and huge props to everyone following Vast Microsteps Studio
