AI短剧制作全流程实战：从单次抽卡到稳定复用

前几天，我给自己派了一个任务：用 AI 做一部海外题材的短剧，名字暂定《埃尔多利亚》，第一期先做 01、02 两集。项目标题里写着“新人 AI 练手”，这确实是实话。我既不是专业编剧，也不是视频制作老手，手里只有一台普通电脑、一个写着 minmax h3 的模型入口，以及一套还没被验证过的 AI 短剧制作流程。

按常规思路，接到新项目应该先研究清楚全部功能、参数和案例。但我没有那样做，而是刻意选择了“仅抽卡一次”：只生成一次，用最小代价跑通从设定到画面的整条链路。

这次尝试没有做出什么能拿去参赛的成片，但它让我把一件重要的事情想明白了：AI 短剧的真正门槛，不在于你第一次能生成多惊艳的画面，而在于你能不能把一次偶然的成功，变成一条可以稳定复用的生产流程。下面这些内容，就是我用《埃尔多利亚》这个项目做的一次完整实战复盘。如果你把它当教程，我建议你重点关注的不是具体提示词，而是流程设计、排查顺序和适用边界。

1. 先搞清楚一件事：AI 做“剧”不等于 AI 做“视频”

很多新人对 AI 短剧的第一印象是“丢一句提示词，出一个视频片段”。这个印象没有错，但它很容易带来一个错觉：能生成视频，就等于能制作剧集。

1.1 生成一段视频，和一集剧之间的距离

视频生成只是整条内容生产线里的一个环节。一集剧要成立，至少要做这些事：先有一个能讲清楚的故事，再把它写成适合视觉表达的脚本，然后是角色设定、场景设定、分场逻辑、镜头分镜，再进入画面生成、声音、字幕、剪辑和发布。

这就像一个人想开餐厅，会炒一道菜只是基础能力，还要解决菜单设计、食材供应、出餐效率、服务流程和品控标准。很多新人一上来就追求单帧画面的惊艳，结果做出十几个漂亮片段，却拼不出一集能看懂的剧。因为画面和画面之间没有角色关系、没有空间关系、没有叙事推进，观众看到的只是一堆高度风格化的素材。

所以在我开始《埃尔多利亚》之前，先给自己泼了一盆冷水：我要做的不是“生成几段视频”，而是“生产一集可以被人看懂的剧”。这两件事的难度差着好几个量级。想清楚这一点，很多操作方式都会不一样。比如，我不会一上来就纠结镜头有没有电影感，而是先保证剧情可以被观众理解。

1.2 AI 海外剧的环节拆解

为了不让“做一集剧”这句话变成空泛口号，我给自己梳理了一个最小环节清单。下面这张表是整个项目的基础，后面的每一步都对应其中一个或多个环节。

新人练手时不需要一次性把每个环节都做得很专业，但至少要意识到，每个环节都是独立存在的。尤其是“镜头表”这一步，很多新人会直接跳过，从文字一步跳到生成画面，最后做出的视频往往是一堆漂亮但没有叙事逻辑的画面。

针对《埃尔多利亚》这种海外题材短剧，我还有一个额外提醒：海外题材不等于堆砌异国元素。角色的行为逻辑、场景的空间关系、道具的视觉细节，都比“看起来像某个地区”更重要。第一版尝试里，我一心想要“有海外感”，结果反而把最基础的故事线索忽略了。

2. “仅抽卡一次”不是偷懒，而是最小成本验证

“抽卡”这个词，经常接触 AI 生成的人都懂。同一个提示词，连续生成几次，结果可能完全不同，因为你面对的是一个带随机性的生成过程。“仅抽卡一次”的意思就是，同一个条件下只试一次，不为了追求更高质量反复调整和重新生成。

2.1 一次抽卡能验证什么

作为新人练习，这个选择我觉得很合理。它最大的意义，是帮你验证“路径”而不是“质量”。抽卡一次，你能观察到的信息包括：

• 模型入口能不能正常返回结果；
• 提示词和输入材料有没有被正确理解；
• 输出格式是否符合预期；
• 从文本到画面的链路是否完整；
• 后续环节能不能接住这个结果。

只要这一条能走通，就说明流程骨架没有大问题。哪怕画面效果一般，也可以继续往下走，去验证配音、字幕、剪辑这些环节。如果一次抽卡效果不错，那当然更好，说明当前方向值得继续投入。如果效果很差，也不用急着换工具，先检查提示词和输入是否准确。

一个关键认知是：抽卡一次是用来“探测流程”的，不是用来“决定质量”的。真正决定作品质感的，是后面反复迭代和工程控制。很多人在第一次抽卡失败后就觉得工具不行，其实可能只是提示词里缺了主体描述，或者输入参考图不够清晰。

2.2 但低成本测试也有明确的边界

“仅抽卡一次”能提供的证据很有限。它验证不了很多东西：

• 稳定性：同一个提示词跑十次，能不能保持同样的成功率；
• 一致性：同一角色在不同镜头里，能不能保持长相近似；
• 批量能力：连续生成几十个镜头，会不会遇到额度、超时、格式问题；
• 失败恢复：生成失败时，是能定位问题，还是只能从头再来；
• 版权与水印：模型生成的素材能否公开或商用，是否带水印；
• 平台审核：生成内容发布后，是否符合平台规范。

这些都需要更长时间的尝试去验证。所以项目标题里的“仅抽卡一次”，是一个很好的“最小实验设计”，但它顶多只完成了第一步。如果把这个当成完整工作流，后面一定会出问题。

打个比方，去一家新餐厅只尝一个招牌菜，能判断这家店值不值得再光顾。但要判断它能不能长期稳定出餐，你还要看后厨流程和管理链路。AI 短剧也一样，第一次抽卡是试菜，不是开餐厅。

注意：仅抽卡一次验证的是路径，不是质量。在继续增加投入之前，先补上稳定性和一致性的测试。

3. 我跑一遍《埃尔多利亚》01+02 集的最小链路

如果你也想做类似尝试，可以参考我这次跑通的最小链路。它不是标准答案，而是一条对新人比较友好的路径。

3.1 先把目标收敛成一个可以验收的最小成片单元

接到《埃尔多利亚》01+02 集这个项目时，我第一反应是做完整规划：先写世界观，再做角色，然后画场景，最后一批批生成镜头。后来我停下来想，这个计划对新人来说太重了。

真正适合新人的做法，是把“剧集”这个大目标缩小到一个可以验收的最小单元。比如，我给自己的定义是：01 集验证“一个主角出场 + 一个环境建立”，02 集验证“两个角色对话 + 一次镜头切换”。不追求完整剧情推进，也不追求高难度动作，只求每个成片单元能完成一个任务。

之所以这样设计，是因为“可以验收”比“看起来高级”更重要。项目一开始就给自己一个允许失败的空间，压力会小很多，迭代周期也会明显变短。如果第一个两分钟成片就想着覆盖完整世界观，很可能才做到第二个镜头，热情就被生成失败耗光了。

3.2 从一句话故事到分镜表

我先写下了一个非常基础的一句话故事：少年在一个边境小城发现了失踪家人留下的徽章，并因此踏上寻找之路。这个题材偏奇幻，正好适合测试海外风格的画面质感。

然后，我把这句话扩展成一个 200 字左右的场景描述。注意，这一步不要写成小说，而要写成“可视化的演出说明”。比如：故事开头，镜头从灰石桥推到少年脸上，他手里的徽章发出微弱蓝光，远处城门已经模糊在黄昏里。

接下来是镜头表。我的记录方式很简单，一张表格就能承载。

每一条镜头记录，后续都可以直接作为视频生成的输入描述。镜头表不用做得很复杂，但必须包含三个信息：这段画面里有什么、你想让观众注意什么、画面之间靠什么衔接。少了任何一个，生成出来的片段都会变得碎片化。

3.3 生成阶段：先确认输入，再谈参数

进入生成阶段，最重要的原则是：先确认输入，再谈参数。

我把“镜头画面内容”变成了更完整的提示词。通用结构大概是：主体 + 动作 + 环境 + 光线 + 镜头语言 + 风格。举个例子，针对镜头 2：

一个穿旧旅行斗篷的年轻少年站在灰色石桥上，低头看着手中发出蓝色微光的徽章，黄昏光线，中景，电影感，写实奇幻风格，画面内没有文字和标志。

这段提示词写得很具体，主体明确、动作明确、环境明确、光线明确、镜头语言明确。很多新人喜欢写“一个美丽的少年站在桥边”，这种抽象描述，在生成阶段很难稳定落地。

参数部分，我只会关注几个直接影响结果的设置：宽高比、生成时长、运动强度、随机种子。随机种子尤其重要，它决定同一提示词下结果的稳定程度。如果你的工具支持固定随机种子，一定要记录下每次使用的值。后期想复现一个好看的画面，固定种子是唯一线索。

需要强调的是，不同工具的默认参数差异很大，不要照搬别人文章里的具体数字。先看工具里的参数说明，再根据自己的样例调整。

注意：不要照搬网上的具体参数。很多模型的默认值差异很大，先跑一条样例，再决定怎么调整。

3.4 配音、字幕、剪辑：把碎片变成“可看”的东西

生成出的视频片段，还不能叫剧集。后续还需要配音、字幕、剪辑。

新人阶段，我建议别急着做复杂声音设计。先保证画面里的人物说话时有清晰语音，环境音可以后补。字幕要尽量简洁，不要和台词完全重复。剪辑的原则很简单：每个镜头只传达一个核心信息，镜头之间的切换是“信息推进”，不是为了炫技。观众如果看完一个 30 秒样片，能讲出发生了什么，剪辑任务就完成了。

在《埃尔多利亚》01+02 集这次尝试里，我先完成的不是最终成片，而是一条 30 秒左右的样片。这 30 秒让我知道了：哪些镜头语法可以继续保留，哪些生成提示词还需要修改。

4. 跑通之后，真正的坑才开始浮现

流程跑通，其实只是第一关。后续真正影响项目能不能做下去的，是一致性、稳定性和排查能力。

4.1 角色一致性：最明显的短板

AI 短剧项目做到后面，最大的障碍往往不是画面质量，而是角色一致性。同一个少年在前一个镜头里是黑色卷发，下一个镜头可能就变成棕色直发。这种“崩脸”问题在短视频里尤其致命，因为观众会在几秒内注意到。

处理办法主要有三层。

第一，固定角色描述词。每次生成该角色时，都必须使用同一段外貌描述，不要每次自由发挥。第二，使用参考图。如果你的工具支持角色参考功能，先做一张角色设定图，再基于它生成动态镜头。第三，适当减少对“脸”的依赖。如果工具能力有限，用背影、剪影、局部特写等镜头，可以让一致性压力小一些。

但也要说清楚局限：即使做了参考图，角色一致性也不是 100% 保证。因为生成模型是在概率空间里采样，不是严格按参考图复制。所以每个镜头生成后都要人工检查一遍，不能迷信“有参考图就一定能控住脸”。

4.2 场景和道具连续性

除了角色，场景和道具也会漂移。比如，我前面提到少年手里有一枚发出蓝光的徽章。这个镜头里徽章是圆形，下一个镜头可能就变成方形。城门的建筑结构也可能在几个镜头之间发生微妙变化。

建议在项目开始时就给每一个关键场景和道具建立“设定文本”。每次要生成相关镜头时，直接把设定文本复制进提示词，不要靠记忆重新描述。

另一个技巧是：把颜色、材质、形状这类信息放在提示词里的固定位置。比如所有场景描述都以“场景：”开头，所有角色描述都以“角色：”开头。这样既方便模型理解，也方便你后续排查。一旦某个场景连续出问题，你可以快速找到所有相关镜头，统一修改设定文本而不是逐条重写。

4.3 批量生成、失败重试和记录意识

跑通单条之后，很多人会想直接把 20 个镜头一次性批量生成。我不建议这样做。

我建议的顺序是：先跑 3 到 5 条，观察成功率和效果，确认没有系统性问题后，再扩大批量。因为如果前 3 条就有 2 条出现角色崩坏，说明提示词或参考图设置有问题。这时候应该停下来调整，而不是继续浪费资源。

另外，从第一次尝试开始就要养成记录习惯。记录内容包括：提示词版本、参数设置、生成结果、是否满意、问题描述、下一步修改方向。记录不需要很复杂，一张表格就能解决。

有了记录，你才能做“单一变量排查”。否则出了问题，你根本不知道是提示词、参数还是输入素材造成的。

4.4 一个相对好用的排查顺序

如果生成结果异常，我一般按下面这个顺序排查，而不是直接改提示词：

1. 看现象。先搞清楚异常是哪种：直接报错、长时间无结果、画面黑屏、角色崩坏、画风突变，还是画面里出现乱码文字。
2. 看输入。提示词是否完整，有没有拼写错误；参考图是否清晰；文本编码是否异常；有没有无意引用了失效素材。
3. 看参数。宽高比、时长、运动强度、随机种子是否设置合理；是否使用了和内容不匹配的模板。
4. 看工具条件。额度是否用完；输出格式是否被后续环节支持；有没有水印或版权提示。
5. 看预期。这个要求是不是超出了工具的当前能力，比如让 5 秒片段里完成复杂打斗和多人对话。

这个排查顺序的核心是：先排除输入问题，再检查环境，最后才回到参数和模型能力。这样能避免每次都在盲目调参数。

注意：当结果异常时，优先排查输入和条件，再修改提示词或参数。很多时候问题根本不在模型能力，而在输入材料或参数设置。

5. 新人的 AI 短剧工作流，怎么判断能不能继续投入

跑完一轮后，你需要一个判断标准，来决定这个方向值不值得继续投入。我一般用五个指标来判断。

5.1 可复用性

一个工作流能不能继续用，先看它是否可复用。你在《埃尔多利亚》里整理的角色设定文本、场景设定文本、分镜表模板和提示词结构，换一个剧本能不能继续用？

如果可以，说明这不是一次临时操作，而是一套可以沉淀的方法。我的判断依据很简单：下一次项目开始时，如果不是从头摸索，而是直接套用上一次的表格模板和提示词结构，就说明流程开始具备复用价值了。可复用性是第一个指标，也是后面所有指标的基础。

5.2 可排查性

第二个指标是，出了问题能不能快速定位。一个健康的流程，应该允许你把“哪一步有问题”找出来。比如画面崩了，是角色描述不一致，还是参考图失效；视频卡顿，是片段帧率不对，还是剪辑工程太重。

如果流程混乱到无法判断问题出在哪个环节，那生成效果再好，也不适合长期投入。因为你每次都在用运气做项目，而不是用方法。

5.3 质量可控性

质量可控，不是指每一次都 100 分，而是指你能在可接受的范围内保持稳定。你可以接受多少比例的失败镜头；失败之后重试的成本是多少；哪些瑕疵可以通过剪辑规避。

如果你在十次生成里成功一次，但完全不知道成功原因，那质量不可控。反过来，如果成功率还说得过去，且失败原因可解释，质量就是可控的。所谓“可控”，不是消灭随机性，而是让随机性成为你可理解、可管理的变量。

5.4 可迭代性

迭代能力决定了这个项目能走多远。每次生成结果都需要被审视：哪里好、哪里差、下一版怎么改。

我把这个过程称为“版本更新”。给每个重要的提示词和镜头方案编号，记录每一次修改原因。这样，你的 AI 短剧项目就不是一个平面堆积的文件集，而是有历史版本的目录。下次想回退到某个风格，或者想看看某个参数改之前和之后的差别，都一目了然。

5.5 内容安全与版权边界

还有一个很容易被忽略的指标：材料合规性。做 AI 短剧，尤其是有可能发布到公开平台时，要提前确认：

• 生成素材是否满足平台的内容规范；
• 角色和故事是否涉及侵权风险；
• 使用到的模型是否允许生成内容用于公开或商业发布；
• 是否需要对 AI 生成内容做明确标注。

这些不是限制创作，而是避免项目做到一半突然被叫停。尤其对于海外题材项目，如果涉及真实文化符号、历史人物或已有 IP，更要小心。与其最后返工，不如在项目开始时就把合规边界列进检查清单。

6. 给同样想试 AI 短剧的新人，一条更稳妥的路径

最后说说，如果给你也准备做一个类似的 AI 短剧尝试，我建议从什么地方开始。

6.1 先做一个 30 秒样片

很多人的第一反应是“我要做一部完整的剧”，然后开始写十集大纲。我的建议是反过来：先做一个 30 秒的样片。

样片不需要完整剧情，只需要解决三个问题：主角长什么样、主要场景是什么、氛围靠什么建立。30 秒已经足够暴露问题了。如果 30 秒的样片能做出来，且你能讲清楚它讲了什么，再做完整两集就不难。如果 30 秒都做得磕磕绊绊，那就证明流程还没稳，需要继续调试，而不是继续堆量。

6.2 先处理文本，再处理画面

很多新人会急着看到画面，于是跳过文本，直接写提示词。结果生成出来的片段彼此之间没有叙事关系，最后成了一堆素材，而不是一集剧。

我更推荐先写一句话故事，再扩展成场景描述，再拆成分镜表。文本层面的调整成本最低，等到画面生成之后再改文本，代价会高很多。这也是我这次《埃尔多利亚》尝试中最受益的一点：先花一个小时把文本和分镜理顺，后面的生成和剪辑都会省力很多。

6.3 每次只改变一个变量

这是老生常谈，但真正能坚持的人很少。AI 生成结果不稳定，如果你同时改了提示词、模型、参数和参考图，一旦效果变好，你无法知道是哪个变量起作用；一旦效果变差，你也不知道该回退到哪里。

所以每轮迭代只改一个变量，最少跑两次，再做判断。比如这一轮只改“光线描述”，下一轮只改“运动强度”。这样积累出来的经验，才是有效经验，而不是一堆无法解释的偶然成功。

6.4 把“抽卡”当成流程测试，而不是创作终点

回到“仅抽卡一次”这个话题。抽卡能帮你快速验证流程，但它不应该成为创作的核心方法。如果你每一次创作都要靠抽卡抽到满意为止，那你实际上是被随机性控制，而不是在控制创作。

更合理的做法是：用一次或几次抽卡来探测流程，找到方向后，立刻进入确定性更高的流程，比如固定角色设定、固定提示词、固定随机种子、建立版本记录。到这个时候，AI 短剧这件事才算真正开始：不是靠运气生成一个好看的画面，而是通过可控的流程稳定地做出一个能看懂的剧集。

这次《埃尔多利亚》01+02 集的尝试，我最终没有追求“一次性抽到完美成片”，而是把注意力放在了“能不能把一次成功复制成十次”上。用一句话总结就是：AI 短剧真正值得投入的地方，不是让你用一次偶然惊艳别人，而是让你能稳定地把一集内容做出来。对新人和老手来说，这一点同样成立。