AI短剧制作全流程:角色一致性才是技术核心,六步做出第一部片

AI 短剧这半年火起来了:一个人、一台电脑,几天就能产出一部几分钟的剧。很多教程只讲”用了什么工具”,不讲技术细节,结果照着做出来的片子角色每换一个镜头就换一张脸。今天就按完整的制作流程,把每个环节的技术要点和坑讲清楚。

一、整体工作流:六步走

一个可复现的 AI 短剧流程是:剧本与分镜 → 角色设定图 → 逐镜头生图 → 图生视频 → 配音与口型 → 剪辑合成。核心思路是”先图后视频”——不要直接用文生视频硬写,而是先把每个镜头做成一张静态分镜图,确认构图、角色、风格都对了,再用图生视频让它动起来。这一步能把废片率降低一大半。

二、剧本与分镜:先用大模型把”镜头表”写出来

让大模型直接”写一个短剧”效果一般,正确用法是分两次喂:

1. 先让它根据题材出分镜脚本表:每行一个镜头,包含镜号、景别(远/中/近/特写)、画面描述、台词、时长。控制在一分钟成片约 15~25 个镜头;

2. 再单独为每个镜头把画面描述改写成生图提示词:固定格式(主体+动作+环境+光线+风格+镜头语言),描述要具体到”下午三点逆光、人物半身、低头看手机”,模糊的”一个人很伤心”生成结果全靠抽卡。

单镜头时长 3~5 秒是当前视频生成工具的甜点区,太长的动作要拆成两个镜头,剪辑时靠转场衔接。

三、角色一致性:这是全流程最难的一环

观众对”换脸”极其敏感,同一个角色在镜头 3 和镜头 7 长得不一样,整部剧就废了。几个实用手段:

1. 角色设定图 + 参考图生成:先用文生图反复抽卡,选出最满意的角色立绘,之后所有镜头都用这张图作为参考图(图生图或垫图),而不是纯文字提示词;

2. 固定描述模板:把角色的外貌特征写成一段固定文字(发型、脸型、服装、配饰),每个镜头的提示词里原样带上,一个字都不要改;

3. 风格化降门槛:写实人脸的一致性最难,国风、赛博、动漫这类风格化题材对脸部相似度宽容得多。新手第一部剧建议从风格化题材入手;

4. 服装和场景同理:把每套服装、每个场景各固定一张参考图,按镜号对应引用。

四、图生视频:怎么让画面”动得对”

图生视频的关键在提示词写的是运动描述而不是画面描述:”她缓缓抬头,风吹动发丝”这类。几个要点:

– 一次只描述一个主要动作,动作越简单成功率越高;

– 尽量选有首尾帧控制的工具:指定第一帧和最后一帧,中间的运动让模型插值,这样镜头衔接可控得多;

– 大幅度跑跳、武打、复杂手部动作目前成功率很低,剧本阶段就要回避,多用对话、走路、环境变化(风吹、雨落、镜头推拉)这类模型擅长的运动;

– 成本控制:视频生成按次计费、废片率高。正确姿势是先用低分辨率/快速模式批量生成草稿,从中挑出可用的,再对最终镜头用高清模式重生成,能把成本压到直接高清盲抽的三分之一左右。

五、配音与口型

1. TTS 配音:现在的语音合成音色自然度已经很高,注意给每个角色固定一个音色 ID 并记录下来,多集保持一致;提示词里带情绪标记(急促、低沉、带哭腔)效果比纯文本朗读好很多;

2. 口型同步:对口型工具能把音频”贴”到人脸上,但只对近景正面脸效果好,远景和大角度侧脸会露馅。原则是:近景对话给口型,远景只配画外音或让人物背对镜头;

3. 让角色少说话、多用旁白推进剧情,是低成本方案里最稳的选择。

六、剪辑合成:AI 片子和传统片子的区别点

AI 生成的镜头普遍动态偏弱,剪辑时要靠节奏弥补:

– 单镜头别超过 4 秒,靠快速切换掩盖动态不足;

– 关键台词的字幕一定手打校对,TTS 同源转写偶尔出错;

– 加轻微的画面缩放(Ken Burns 效果)让静态感镜头活起来;

– BGM 和音效(脚步、门响、风声)占成片质感的一半,别吝啬;

– 成片 1~3 分钟最佳,超过 5 分钟对生成质量和耐心的要求都翻倍。

七、新手常犯的四个错误

1. 一上来就写 10 分钟的剧本——先做 60 秒的短片跑通全流程;

2. 角色提示词每个镜头重新组织语言——固定模板原样复制;

3. 直接文生视频不经过分镜图——构图不可控,废片率高;

4. 追求写实人脸——一致性地狱,风格化才是新手的正确起点。

一句话总结:AI 短剧的技术核心是”一致性管理”——角色、服装、场景、音色,全部固定成模板反复引用,把变量控制到只剩剧情本身。流程跑顺之后,一个人一周产出一部合格短片是完全现实的。

请登录后发表评论

    没有回复内容