AI短剧如何制作

AI短剧制作流程 五步
& 生成工具

按剧本、分镜、视觉生成、配音、剪辑五步拆解 AI 短剧制作流程,每步给出当前优质的AI短剧生成工具,并整理分镜、视频、角色一致性、配音四类提示词公式

剧本→ 分镜→ 视频生成→ 配音→ 剪辑发布
01
剧本与故事开发
AI短剧制作流程的第一步:把想法、小说或一句话扩展成可拍摄的分集剧本,锁定人物关系、核心冲突和情绪节奏。剧本不成立,后面所有生成都会放大问题。
蛙蛙写作 剧本转漫剧
一个专为中文创作者打造的全链路写作工具,从最开始的小说构思,到剧本改编,再到直接生成漫剧视频,它都能搞定。
千问 文本主力
2026 年 8 月 31 日上线 Agent Teams,编剧、导演、美术、摄影、剪辑等 Agent 分工完成剧本到成片,接入 Wan3.0。普通对话式剧本创作的成本仍然很低,约 0.01 元/千 tokens。
即梦短剧工作室自研剧本模型,2026 年 10 月 26 日随短剧工作室上线。支持“剧本医生”诊断前三集主线与核心冲突、“台词体检”逐句诊断,可处理 10 万字长文本与 100 集连续生成。
2026 年 3 月 19 日上线短剧 Agent,最多上传 10 万字剧本,一键直出视频成片。8 月 12 日完成短剧出海方向的能力升级,不再只是加字幕、换配音。
Toonflow 开源
面向短剧、漫剧与短视频创作者的开源 AI 创作平台,通过无限画布编写剧本与分镜,MIT 开源许可,支持本地部署与自由接入模型。
02
分镜设计
AI短剧制作流程的第二步:把剧本拆成可执行的镜头表——景别、机位、运镜、时长、台词节点。分镜决定短剧的节奏感与可看性,也是视觉生成环节的直接输入。
2026 年 10 月 26 日随短剧工作室上线,提供画布和故事板双模式,支持对话修改分镜,也可在 3D 导演台中设置机位和运镜,提前预演关键镜头衔接。
AniShort 多人协同
南京八点八数字科技 2026 年 3 月发布的 AI 短剧协同平台,无限画布节点化创作,支持多人实时协作。6 月完成近亿元融资,11 月 2 日推出 AI 影视开源工作台,可统一调度本机剪映、AE、PS 等软件。
2026 年 10 月 22 日首批接入可灵 4.0,单次最长生成 30 秒 AI 原生视频,支持最多 15 项参考素材和 10 张关键帧控制。自 3 月上线以来累计支持超 1.5 万个 AI 影视项目。
Toonflow 开源
在无限画布中同步编写剧本与分镜,角色卡、场景卡与分镜节点以脉络图形式连接,直观比对多版本画面。
03
视频生成 - 角色 / 场景 / 视频
AI短剧制作流程的第三步:基于锁定的角色参考图和分镜提示词,批量生成视频片段。核心不是“单条好看”,而是跨镜头的角色一致性、场景连贯性和音画同步。
Seedance 2.5 视频主力
2026 年 6 月 23 日发布,7 月初正式上线。单段 30 秒原生视频直出,支持最多 50 个全模态素材参考,已上线即梦 AI、豆包 Pro 等平台。
Anycook 图片模型负责角色/场景资产,Seedance 执行视频生成,DreamShot 组织分镜逻辑,三者由即梦短剧工作室在同一个项目内统一调度。
阿里云视觉模型,单次可生成 30 秒带原生音频的 1080P 视频,支持最多 20 个多模态素材参考与首尾帧控制,已在短剧影视、广告营销等领域落地。
MiniMax H3 开源
2026 年 7 月 31 日发布并宣布近期开源,8 月初开放权重。可生成最高 2K、最长 15 秒、带原生立体声音频的视频,支持 SGLang、vLLM、diffusers 和 ComfyUI 等框架部署。
04
配音与音频
AI短剧制作流程的第四步:短剧的情绪张力很大程度靠声音撑起来。多角色声线区分、情绪标签、口型同步是这一环节的关键指标。
媒小三配音 多角色
1300+ 音色、20 种情绪标签。2026 年 9 月上线「多人配音」,像发消息一样逐句输入台词,自动识别“男主说”“女主说”“旁白”并分配声线,一段完整对白可以一次合成。
旗舰级 TTS 模型,高保真音色克隆和录音棚级音质,专为 AI 短剧配音、AI 漫剧配音场景设计。
写稿、配音、转字幕一体化轻量工具,音色库 1000+,多角色需手动切换音色,适合日更型创作者控制成本。
海外出海场景中音质与自然度的天花板选项,支持语音克隆、多语言配音和情感表达,适合面向英语市场的短剧或对配音品质有极致要求的场景。
05
剪辑、字幕与发布
AI短剧制作流程的第五步:把生成的片段拼接成片,加字幕、BGM、转场和音效,按目标平台适配画幅和时长。质检和发布也归在这一步。
剪映专业版 通用首选
智能创作助手“小映”覆盖粗剪到字幕生成,新手半小时可掌握基础全流程,与多家 AI 生成平台有草稿互通能力。
短剧后期 SaaS,核心能力包括硬字幕无痕擦除、OCR/ASR 字幕生成、剧集级翻译和多角色 AI 配音,支持 100+ 语言,尤其适合出海译制。
与万兴剧厂打通“生成 → 剪辑 → 发布”闭环,是漫剧链路中少数实现后期剪辑衔接的成片工具。
一站式音视频处理,支持 AI 字幕一键生成、单语/双语字幕和视频翻译,可生成和翻译超过 99 种语言的字幕。

短剧生成提示词知识库

按制作环节整理的提示词公式与模板,可直接复制到即梦、Seedance、可灵、千问等工具中使用。公式来自公开的社区实践与官方文档整理,不是唯一写法,但可以作为稳定的起点。

分镜图 8 段结构

分镜图是视频生成的首帧基础,把画面拆成八个独立字段分别描述,比一段长句更可控。这个结构在社区中被反复验证,尤其适合即梦画布和多角色场景。

CHARACTER:角色名 + 本镜外观锚点(发型/服装/配饰) BACKGROUND:场景位置与时间 ACTION:起点 → 唯一动作 → 终点 SCENE:环境氛围与关键道具 CAMERA:景别 + 机位 + 运镜 LIGHT:主光源方向 + 色温 + 戏剧光 TEXT:画面内文字或留白 STYLE:画风与参考风格

多角色同框时,每个角色单独写一行 CHARACTER,不要合并成一句。动作幅度用“缓慢转身”“低头三秒”这类可量化的描述,避免“自然地走”。

单镜头分镜提示词模板

写一个具体镜头时,可以用下面这个更紧凑的模板。它把“谁在做什么、镜头怎么拍”按执行顺序排好,适合直接填入即梦 DreamShot 或 AniShort 的分镜节点。

镜头:中景 / 近景 / 特写 / 全景 主体:角色 A(外貌锚点一句)在做什么 动作:起点状态 → 本镜唯一动作 → 终点状态 环境:地点 + 时间 + 天气/光线 运镜:固定 / 推近 / 拉远 / 跟随 / 环绕 时长:3–5 秒(单镜) 情绪:这场戏的情绪底色

对白镜头在 CAMERA 里注明“过肩”或“双人同框”,并在 VIDEO 环节单独写对白规范。单镜时长超过 5 秒时,动作描述要拆成两个节拍,否则模型容易在中段“自由发挥”。

可灵 / Seedance 通用基础公式

可灵的 4 部分基础公式适合短视频和单镜生成,按“主体 → 运动 → 场景 → 镜头/光影”的顺序写,模型对各字段的响应最稳定。

主体:谁/什么,一句外貌或特征锚点 运动:主体在做什么,带程度副词 场景:在哪,环境与氛围 镜头:景别 + 运镜 + 光影/色温

需要带对白或情绪推进时,升级为 5 层结构,在对白层单独写情绪和声音质感:

主体 + 运动 + 场景 + 镜头 + 对白/声音 对白层示例:她压低声音说“你早就知道”,尾音带一点颤。

Seedance 的叙事链写法

Seedance 2.5 对长提示词的容忍度更高,适合把因果链写清楚。一条有效的视频提示词通常按“格式锚点 → 主体 → 镜头 → 动作 → 排除项 → 分辨率”排列。

格式锚点:9:16 竖屏短剧,电影感 主体:角色 A,本镜外观锚点 镜头:中近景,镜头缓慢推近 动作:她抬眼,把信纸折好放进抽屉,手指停了一秒 排除项:no extra fingers, no text overlay 分辨率:1080P

Seedance 对参考图编号敏感,在提示词里写“参考图 1 对应角色 A,只采用五官和发型”,比笼统说“保持一致”更有效。

外貌锚点(每镜粘贴)

角色一致性的基础不是“每次重新描述”,而是把一段固定的外貌锚点原样粘贴到每个镜头提示词里。锚点一旦确定,不要中途改词。

角色 C01:25 岁亚洲女性,鹅蛋脸,杏仁眼, 右眼下方浅色小痣,黑色齐肩直发,三七侧分, 银色圆形耳环,米色风衣。

不要把“齐肩直发”改成“中长发”,也不要在不同镜头交替使用“清秀”“妩媚”这类主观词。每个词的变动都会让模型重新推断面部。

身份锚定 + 动作分离

Seedance 2.5 把“锁人”和“锁动作”分开:参考图负责身份层和造型层,文字只写本镜动作和场景,不重复描述外貌。

【身份锁定】严格参照参考图 1,保持五官、发型、服装不变。 【本镜动作】她坐在床边,低头看手机,拇指停住。 【镜头】中近景,固定机位,暖色台灯侧光。 【禁止】不换服装、不加配饰、不改变发型分缝。

双人同框时,男女主的参考图不要混用。如果出现“串脸”,优先检查是否在同一段提示词里塞了两个角色的外貌描述,而不是继续加参考图。

对白三要素:谁在说 + 说什么 + 怎么说

把一句台词拆成三个字段,比只写台词内容更容易让模型生成匹配的口型和情绪。

WHO SPEAKS:角色 A,25 岁女性,声音偏低 WHAT THEY SAY:“你早就知道,对不对。” HOW THEY SOUND:压着怒,尾音收住,不嘶吼

情绪底色和力度可以分开写。情绪写“冷笑 / 强撑镇定 / 试探”,力度写“低语 / 一字一顿 / 气音 / 拔高”。

配音标签速查

在支持声音标签的工具里,可以直接在台词前后加方括号标签来控制演绎。以下标签在社区实践中通用性较高。

[whisper] 耳语 [tearful] 含泪 [angry outburst] 愤怒爆发 [sarcastic] 讽刺 [nervous laugh] 紧张笑 [deadpan] 面无表情

标签不是越多越好。一句话最多叠两个标签,叠太多会让模型在情绪之间摇摆,反而失去准确度。

一站式AI短剧生成平台

以下一站式AI生成平台把AI短剧制作流程中的剧本、分镜、生成、配音、剪辑多个环节收进同一个工作流。

商汤Seko AI视频梦工厂 ★ 推荐
Seko 3.0 于 2026 年 7 月 28 日发布,上线一年创作者用户突破 100 万,企业客户 1500 家。画布沉淀角色、场景与上下文,Agent 生成续集时自动读取,从根源上减少“人设漂移”。Skill 生态已上线六大类二十余款,支持 100 集以内剧本连续创作。
LibTV 专业工作流范式 ★ 推荐
LibTV 1.5 于 2026 年 9 月下旬推送,围绕剧本、角色、3D 预演、导演执导、成片包装五个断点上线五项能力。剧本可局部精修并提示对伏笔的影响,角色造型室支持反复调整造型而不漂移,3D-BOX 让运镜可以在文字描述前先预演。
2026 年 10 月 26 日上线,将剧本整理、角色与场景管理、分镜生成、视频制作及后期调整整合到同一项目,搭载 DreamScript 剧本模型、Anycook 图片模型与 DreamShot 分镜模型。
2026 年 3 月 19 日上线短剧 Agent,最多上传 10 万字剧本,一键直出视频成片;8 月 12 日完成短剧出海方向的能力升级。适合快速验证故事方向。
2026 年 10 月 22 日首批接入可灵 4.0,支持单次 30 秒 AI 原生视频、15 项参考素材、10 张关键帧控制、4K 10-bit HDR 输出。自 3 月上线以来累计支持超 1.5 万个 AI 影视项目、超 100 万集剧集创作。
2026 年 3 月发布的 AI 短剧协同平台,6 月完成近亿元融资。11 月 2 日推出 AI 影视开源工作台,可统一调度本机剪映、AE、PS 等软件,内置 300+ 能力组件,支持 API 自由接入。

AI短剧制作常见问题

以下5个问题在短剧创作者社区中被反复提及,是大家比较关注的。

能,但取决于工具组合和使用方式。商汤 Seko 3.0 的做法是把角色、场景、前序剧本沉淀在画布里,生成续集时 Agent 自动读取,不需要每次重新描述;LibTV 的角色造型室允许对同一角色反复调整造型并保存复用;ComfyUI + IPAdapter 的本地方案则给技术型创作者提供了更底层的控制手段。

更现实的路径是先用图生图锁定角色参考图,再用支持参考控制的视频模型批量生成,最后在剪辑阶段做统一调色。单纯依赖文生视频“抽卡”,一致性永远不稳定。

文本环节用千问这类模型,一集剧本的 token 成本通常在几毛到几块钱。视频生成是主要开销,Seedance、可灵、万相按秒计费,一集 3–5 分钟的短剧,素材生成费用大致在几十到两三百元区间,取决于抽卡次数和分辨率。配音有免费方案(叮叮配音)也有付费方案(媒小三、MiniMax Speech)。

容易被低估的是返工成本。一致性没锁好、分镜节奏不对,重新生成会成倍叠加。先用一站式平台跑通第一部,再逐步替换高消耗环节,比一开始就搭“全专业工具链”更稳妥。

第一部短剧,优先一站式平台。即梦短剧工作室、小云雀这类平台能让你在几个小时内看到成片,快速验证故事方向,避免在工具切换中耗尽耐心。

跑通一部、清楚自己卡在哪一个环节之后,再针对性替换为专业工具。觉得一致性不够,用 Seko 或 LibTV 的角色资产能力;觉得配音情绪不到位,换媒小三或 MiniMax Speech。一开始就搭全套专业工具链,大概率会在工作流磨合上消耗掉大部分精力。

核心原则是:工具本身不授予你版权,你使用的素材和生成内容的具体条款,决定了你能做什么。

商用前需要确认三件事。第一,所用模型的输出是否允许商业用途,部分免费层有非商用限制。第二,训练数据中是否包含受版权保护的素材,平台是否提供了授权路径。第三,如果短剧改编自他人小说或剧本,原著授权独立于 AI 工具授权,不能用“AI 生成”绕过。涉及品牌露出、真实人物肖像、特定音乐时,同样需要单独判断。

竞争焦点从“能不能生成一条好看的单镜头”转向“能不能稳定交付一部可预期成本的短剧”。LibTV 1.5 的五项升级全部围绕工作流断点,可灵 4.0 在 10 月 15 日全量上线后万兴剧厂首批接入,强调的也是“从生成片段向可控成片跨越”。

单点模型能力的差距在收窄,工具之间的分野越来越取决于谁能让创作者少返工、少切换。选工具的标准也从“哪个模型画质好”转向“哪个工作流能让故事被稳定地生产出来”。

AI 短剧工具最新资讯

AI短剧制作工具相关报道。

2026.11.02 AniShort

AniShort 推出 AI 影视开源工作台,可统一调度本机剪映、AE、PS

AniShort 团队发布 AI 影视开源工作台。它不只做生成,而是直接调用用户本地安装的剪映、AE、Photoshop、配音等软件,由 AI 自动完成跨软件的剪辑、包装、修图和导出。平台内置 300+ 能力组件,支持 Skill 导入和 API 自由接入,官方定位是解决“单工具做不了量产”的问题。

来源:IT之家
2026.10.26 即梦 AI

即梦“短剧工作室”上线,剧本到后期收进一个项目

即梦 AI 上线“短剧工作室”,把剧本整理、角色与场景管理、分镜生成、视频制作和后期调整放进同一个项目。底层用 DreamScript 剧本模型、Anycook 图片模型和 DreamShot 分镜模型,部分能力与小云雀短剧 Agent 同源,支持 10 万字长文本和 100 集连续生成。

来源:站长之家
2026.10.23 万兴剧厂 × 可灵 4.0

万兴剧厂首批接入可灵 4.0,单次 30 秒 + 15 项参考控制

万兴剧厂成为可灵 4.0 首批接入合作伙伴,单次可生成最长 30 秒 AI 原生视频,支持最多 15 项参考素材和 10 张关键帧精准控制,输出包含 4K、10-bit HDR 和 21:9 画幅。可灵 4.0 本身在 10 月 15 日晚全量上线。

来源:科技日报
2026.09.28 LibTV

LibTV 1.5 发布:剧本可局部精修,3D 预演进入工作流

LibTV 1.5 围绕剧本、角色、3D 预演、导演执导、成片包装五个断点上线五项能力。剧本不再是整篇重写——选中一段台词让 Agent 修改,系统会提示对后续伏笔的影响;3D-BOX 让运镜可以在文字描述之前先预演出来。官方要解决的不是“能不能生成”,而是一个故事能不能被稳定、低成本地反复生产。

来源:DoNews · 霞光AI实验室

2026.09.09 媒小三配音

媒小三上线「多人配音」,逐句分配角色声线

媒小三配音推出多人配音功能,像发消息一样逐句输入台词,系统自动识别“男主说”“女主说”“旁白”并分配不同声线,一段完整对白可以一次合成。此前多角色配音需要手动切换音色或分条录制,这个功能把流程压到了三步以内。

来源:博客园 · 免费配音排行榜

2026.08.31 千问创作

千问创作上线 Agent Teams,编剧、导演、美术分工完成短剧

千问创作上线 Agent Teams 功能,接入 Wan3.0。用户提出故事设想后,编剧、导演、美术、摄影、剪辑等 Agent 各司其职,依次完成剧本创作、分镜设计、角色设定、视频生成和成片剪辑。目前已在千问创作 PC 端和千问 App 上线。

来源:财联社

2026.07.31 MiniMax H3

MiniMax H3 发布并开源,支持 2K 原生音频与本地部署

MiniMax 发布新一代多模态生成模型 H3,并宣布近期开源,8 月初开放权重。可生成最高 2K、最长 15 秒、带原生立体声音频的视频,支持 SGLang、vLLM、diffusers 和 ComfyUI 等框架部署。对数据不便上云或想自己调工作流的团队,是少数能直接落地的开源选项。

来源:MiniMax

2026.07.28 商汤 Seko

Seko 3.0 发布,创作者用户过百万

商汤 Seko 3.0 发布,上线一年创作者用户超过 100 万,企业客户 1500 家。画布沉淀角色、场景与上下文,Agent 生成续集时自动读取,减少“人设漂移”。Skill 生态已上线六大类二十余款,支持 100 集以内剧本连续创作。

来源:商汤科技官网

2026.06.23 Seedance 2.5

Seedance 2.5 发布:单段 30 秒,支持 50 个全模态素材参考

字节跳动火山引擎发布 Seedance 2.5,将视频生成时长提升至 30 秒,支持业界最多的 50 个全模态素材参考。模型当前处于内测尾声,7 月初正式上线,已上线即梦 AI 和豆包 Pro。对短剧创作者来说,角色参考图和场景素材可以直接挂进生成环节,不用每次重新描述。

来源:IT之家