如果你打算用 AI 批量做短剧最烦的不是写剧本也不是剪片子而是同一个角色在不同镜头里长得不一样。上一秒还是这张脸切一个机位就变成另一个人整个故事就崩了。这套“豆包 即梦 剪映”的组合正好把这个问题拆成了三段豆包负责剧本和配音即梦负责出图和出视频剪映负责把素材剪成能发布的成片。本文按“剧本—分镜—多主体一致性—配音—剪辑”这条主线把每一步的操作方法、提示词模板、验证标准和常见坑位全部过一遍。内容偏保姆级所有步骤都以网页端和移动端能直接操作为准不需要本地部署显卡也不需要写代码。这套流程的目标是一个完全没用过 AI 工具的新手按下面顺序做两个小时可以跑通一条完整的短剧小样片。第一个小时用在剧本和分镜第二个小时用在生成素材和剪辑。如果你已经熟练这套流程的价值就不是“学会用工具”而是把“多主体一致性”这个最耗时间的环节变成可复用的标准化步骤。1. 核心能力速览先看三个工具在整条生产链里分别承担什么角色。工具生产环节核心能力平台门槛豆包剧本、分镜策划、配音长文本生成、剧本结构分析、角色音色朗读Web / App注册即可用即梦画面生成、视频生成文生图、图生图、图生视频、角色参考、运镜控制Web / App注册后按积分生成积分消耗与生成次数和清晰度相关剪映剪辑、字幕、合成智能字幕、文本朗读、剪辑轨、转场、BGM 曲库Windows / Mac / 手机免费功能足够完成短剧剪辑三个工具都跑在云端不需要显卡不占本地显存唯一硬性条件是网络稳定和账号可用。从材料看这套流程属于零本地部署成本的方案适合内容创作者、短剧运营、短视频团队快速批量试错。如果非要找一个最值得花时间研究的环节那就是“多主体一致性”。前期的剧本、中期的剪辑都有成熟套路唯独角色一致性需要靠工作流去控制。后面第 7 节会专门展开。2. 适用场景与使用边界这套流程适合以下几类人。想做短剧但不会写脚本的新手豆包可以直接生成分集大纲、台词和对白节奏。有剧本但不会画分镜的创作者分镜脚本可以让 AI 按镜头拆解再由即梦逐镜头生成画面。需要快速产出多集测试内容的短剧运营重点在于批量生产和风格统一而不是单张画面的美术精度。视频剪辑熟练、但缺少画面素材的剪辑师即梦负责补足镜头剪映负责最终成片。不适合的场景也要说清楚。如果你对画面精度要求极高比如要做电影级质感、要求每一个镜头的光影完全物理正确那当前云端生成工具还需要大量筛选和后期修图直接量产会浪费积分。如果短剧涉及真实人物、真实品牌、真实事件这套流程并不建议使用因为肖像权、名誉权和平台审核风险都很高。合规边界方面有三条必须记住第一角色形象不要刻意模仿真实名人不要用未经授权的照片做参考第二配音优先使用工具自带音色或自己的授权声音任何形式的“克隆某人的声音”都要有明确授权第三BGM 尽量用剪映曲库或免版权音乐商业发布前要检查音乐授权范围。另外多平台对 AI 生成内容有标识要求发布时按平台规则进行标注这是基本操作。3. 环境准备与前置条件这套工作流不需要本地环境但前置准备工作做不好后面一样会卡。3.1 账号与设备清单项目建议豆包账号手机号注册Web 端和 App 端登录同一个账号即梦账号手机号注册确认积分余额首次注册通常有体验额度剪映账号直接用抖音/字节账号登录方便同步草稿电脑配置能跑得动剪映即可建议 8G 内存以上剪辑 1080P 素材更流畅网络三个工具均为在线服务需要稳定网络素材管理提前建好“剧本/分镜/角色图/镜头/配音/成片”六个文件夹3.2 素材目录建议建议在本地先建一个统一目录短剧是批量生产素材一多就会乱。ai-drama/ ├── 01_script/ # 剧本、分集大纲 ├── 02_storyboard/ # 分镜表、镜头清单 ├── 03_character/ # 角色设定图、角色卡 ├── 04_scene_images/ # 场景图、分镜静态图 ├── 05_video_clips/ # 生成好的视频片段 ├── 06_audio/ # 配音文件、音效 └── 07_export/ # 剪映导出成片这个目录结构不是摆设。后面每生成一张图、每导出一段配音就放进对应文件夹。等做到第 5 集的时候会发现能直接复用的角色图、场景图才是最大的时间节省来源。4. AI 短剧制作全流程总览整套流程一共五个阶段每个阶段都有明确的输入和输出。阶段使用工具输入输出一、剧本创作豆包题材、主角设定、集数分集剧本、台词二、分镜设计豆包 人工整理剧本分镜表镜头号/景别/运镜/画面描述/台词三、画面与视频生成即梦分镜表 角色卡角色设定图、场景图、视频片段四、配音生成豆包 / 即梦 / 剪映台词文本各角色配音音频五、剪辑成片剪映视频片段 配音 BGM发布用成片严格来说第一阶段和第二阶段可以合并豆包一次性输出“剧本 分镜提示”也行。但建议拆开做因为分镜质量直接决定即梦生成画面的成功率分镜越细后面返工越少。5. 第一阶段用豆包生成短剧剧本5.1 豆包提示词模板豆包的作用不是“随便写个故事”而是按短剧节奏来写。短剧节奏和小说、电影都不一样前三秒要进冲突每 30 秒一个转折一集最后必须留钩子。直接把这些要求写进提示词。你是一名短剧编剧擅长写节奏紧凑、反转密集的竖屏短剧。 请根据以下设定创作一集 1 分钟左右的短剧剧本 题材古风复仇 主角林晚女22 岁表面柔弱实际心思缜密 配角沈砚男25 岁权臣之子亦正亦邪 冲突核心林晚要为家族复仇却发现仇人正是沈砚的父亲 要求 1. 输出格式为场景序号、场景地点、人物、台词、动作提示 2. 每场 15 到 25 秒整集 3 到 4 场 3. 每场结尾设置一个小反转 4. 最后一句话必须是下集钩子 5. 台词口语化避免书面长句生成之后不要直接拿来用。豆包输出的内容大概率是“合格但平庸”你要做的是继续追问“把第二场的冲突提前 5 秒让观众第一句台词就知道有矛盾。”“主角的台词太文雅改成短句。”“给每个场景补充画面提示比如光线、景别、人物动作。”追问两三轮后剧本才具备进入分镜环节的可用度。5.2 剧本验收标准一份能进入分镜的剧本至少要满足台词能直接朗读不用二次修改。每个场景都有明确的地点提示。人物冲突清晰配角不是工具人。总时长控制在目标时长正负 10 秒。如果豆包生成的剧本读起来没有画面感不要硬用。分镜和出图的成本远高于剧本修改成本剧本阶段多花十分钟能省出图阶段一小时。6. 第二阶段分镜脚本设计分镜是即梦生成画面的“施工图”。分镜越细即梦越容易理解你要什么。6.1 分镜表模板一个可用的分镜表至少包含这 7 列镜头号景别运镜画面描述人物台词目标时长01中景固定林晚站在庭院低头整理衣袖眼神冷冽林晚“沈家欠的债该还了。”5 秒02特写缓慢推进林晚抬眸眼角微红手指收紧林晚无台词内心音3 秒03全景横移沈砚从长廊走来衣摆带风沈砚“听说你在查当年的事”5 秒分镜脚本也可以让豆包帮忙生成。把第一步的剧本贴回去追加一句请把上面剧本拆成分镜表输出格式为镜头号、景别、运镜、画面描述、人物、台词、时长。 画面描述必须包含人物外貌、服装、动作、场景环境和光线。拆完之后人工检查一项每个镜头里出现了几个角色。如果是多主体一致性还控制不好的阶段建议一个镜头里只放一个主要角色。双人同框镜头放到后面熟练了再加。6.2 分镜设计的关键原则一个镜头只表达一个动作不要在一句话里写“她走进来坐下然后抬头”。每个镜头都要写景别和运镜即梦会根据描述生成动态感。同一人物的描述词必须完全一致不能一会在镜头里叫“林晚”、一会叫“女子”。最优先保证的是“大场景 主体动作”明确氛围描述放最后。分镜表完成后把它复制到一个单独的文档里后面每生成一个镜头就在对应的镜头号后面标记状态待生成、已生成、已选用、已废弃。这是短剧量产的基本状态管理。7. 第三阶段多主体一致性控制核心这一步是整个教程的重点。AI 生成单张好看图不难难的是让同一个角色在十几个镜头里保持同一张脸、同一套衣服、同一种气质。7.1 为什么会出现“换脸”即梦每次生成都是独立的推理过程如果没有参考约束同一个提示词在不同时间生成的结果也会有差异。加上短剧镜头之间有发型、角度、光线变化模型会自主“脑补”出新的面部细节。这就是角色漂移。要解决它不能靠运气要靠“参考锁定”。7.2 两张角色卡解决 80% 的一致性问题所谓角色卡不是给模型看一段描述而是先为每个角色生成一张“标准脸”之后所有镜头都以这张图作为参考。操作流程在即梦的文生图入口用统一风格描述词生成主角标准像。生成 4 张左右选一张最符合角色气质、五官清晰的半身图。把这张图命名为“林晚_标准脸”存入 03_character 文件夹。后续所有涉及林晚的镜头都用图生图或参考图功能以这张标准脸作为参考输入。配角沈砚用同样流程做一张标准脸。角色标准脸的提示词要包含固定标签。以林晚为例古风年轻女性22岁鹅蛋脸柳叶眉杏眼眼神清冷 发髻高挽银色发簪浅蓝渐变广袖长裙腰间佩玉 电影感柔光浅景深半身像五官清晰高清这段描述里的“鹅蛋脸、柳叶眉、杏眼、浅蓝渐变广袖长裙、银簪”就是角色卡的核心标签。之后无论生成哪个镜头这些标签一个都不能删。7.3 即梦图生图 / 参考图生成镜头进入具体的分镜画面生成时操作顺序是上传角色标准脸作为参考图。输入该镜头的画面描述要求必须带角色卡标签。控制画面元素先说人物动作再说场景最后说光线。多个候选结果对比优先选五官和服装最接近标准脸的一张。一个镜头不要只生成一次。同一个提示词生成 4 个候选选择最稳定的那张。如果 4 张都有明显漂移返工点通常不在“多生成几次”而在提示词检查是不是漏了服装描述或者参考图选得不够正。7.4 双人同框镜头的处理如果剧情确实需要两个角色同框按下面的顺序处理先生成 A 角色单人镜头。再生成 B 角色单人镜头。最后用“图生图 双人参考图”方式生成同框画面把两张单人标准图同时作为参考。如果同框结果依然漂移优先保主角脸配角可以稍微放宽后期用剪映裁剪或用侧面/背影镜头规避。这里要控制预期当前阶段云端生成工具能在单人镜头下做到较高一致性已经足够双人同框的成功率低于单人不是操作问题是模型能力边界。剧本创作阶段就可以刻意减少双人同框需求。7.5 多主体一致性的检查清单每个镜头生成后按清单核对脸型是否一致特别是下颌线。发型是否一致发饰是否在。服装颜色和款式是否一致。气质是否一致不能这镜头冷酷、下镜头甜美。场景风格是否与整体氛围一致。光线方向是否统一。只要有一项明显不对就标记为“废弃”重新生成。不要抱着“反正观众看不出来”的心态进入剪辑一张漂移脸出现在竖屏特写里会非常明显。8. 第四阶段从静态图到视频片段角色图确认后下一步是把静态画面变成动态镜头。8.1 图生视频的操作路径即梦支持以单张图片作为起点生成视频。做法是选中已经通过一致性检查的分镜图。选择视频生成入口上传该图。输入运动描述和画面描述分开写。运动描述示例镜头缓慢推近林晚抬眸衣摆被风吹动眼神由冷转狠注意运动描述不要写“画面里出现”“背景渐变”这类与主体无关的内容。即梦在生成视频时主要响应的是主体动作和镜头运动。8.2 视频片段验收标准主体五官没有在运动过程中发生突变。动作幅度符合物理逻辑比如衣摆飘动能看出来是风吹。视频时长满足分镜表需求。画面无大幅度抖动。轻微呼吸感可以用剧烈晃动建议废弃。人物脸部在运动过程中保持与标准脸一致。这是最高优先级。实测经验图生视频前先确认静态图已经是“对”的。静态图不对生成视频几乎一定会放大问题。生成视频阶段不要试图“修脸”那是后期软件的事效率低且效果不稳定。9. 第五阶段配音生成短剧配音有两条路线按效率选。9.1 路线一豆包朗读台词豆包可以把台词文本直接转成语音选一个符合角色气质的音色逐角色朗读。操作建议一个角色一集一口气读完不要一句一句生成。批量生成更省时间。朗读时把台词里的语气词、断句提前改好。生成后听一遍重点听多音字和重音位置。不对的地方用文本提示修正后重新生成。9.2 路线二剪映文本朗读剪映自带文本朗读功能可以直接给字幕文本配音而且把朗读音色和字幕绑定修改字幕时配音会联动调整。对于新手这条路线比外部生成再导音频更省事。优点是时间轴联动方便缺点是音色选择相对有限角色区分度可能不足。建议主角用豆包生成专属音色的音频文件配角用剪映文本朗读补齐二者结合效率最高。9.3 配音验收标准语速与镜头时长匹配基本做到“台词说完镜头刚好切”。角色音色有区分度两个角色对话不会听混。多音字没有明显错误。情绪与剧情匹配复仇戏不能配出轻快感。如果配音和镜头时长对不上不要逐句改音频优先回到分镜表调整该镜头的视频长度。剪映有变速工具轻微偏差可以直接对视频做 0.9 到 1.1 倍变速适配。10. 第六阶段剪映剪辑成片所有素材就位后进入剪映完成最终合成。10.1 剪映剪辑步骤打开剪映新建项目按分镜表顺序导入视频片段。先把视频粗排到时间轴保证镜头顺序和分镜表一致。添加配音音频轨逐镜头对齐。使用剪映智能字幕功能生成字幕手动修正人名和断句。添加转场。短剧节奏快建议使用“叠化”或“闪白”这类轻转场不要每个镜头都用特效转场。添加背景音乐音量压到配音之下通常 BGM 音量在 20% 到 30%。添加音效比如脚步声、环境氛围音用于提升画面质感。检查整体节奏前 3 秒是否吸引人结尾是否有钩子。导出。竖屏短剧建议导出 1080x1920帧率 30fps。10.2 剪映中的 AI 辅助功能剪映有几类功能值得在短剧流程里用上智能字幕自动识别配音转字幕效率远高于手打。文本朗读补充配角和旁白。自动踩点卡点视频可以用但剧情短剧不建议过度卡点。背景分离如果生成素材里有不需要的背景可以用智能抠像处理。字幕规范方面字幕字号要保证手机全屏观看清晰建议字幕位置避开底部安全区防止被平台 UI 遮挡。11. 效率提升与批量任务思路这套工具链本质是云端 SaaS 服务不提供本地批量 API但生产流程本身可以批量化。11.1 可批量复制的部分剧本一个题材的提示词模板做好后改角色名和冲突点就能批量生成多集。分镜同一套分镜模板套用不同剧情内容。角色卡每个新角色只要一次标准脸生成后续所有集数复用。即梦生成同角色、同场景的镜头可以一次性生成多个候选再从结果里挑选。剪映工程第一集做好后把工程文件另存为模板后续换素材即可。11.2 批量素材管理批量制作最忌讳图省事把素材混在一起。文件名建议统一为“集数-镜头号-角色-状态”的格式。# 示例批量重命名参考脚本 # 源文件命名示例e01_s03_lw_used.mp4 # 规则集数_镜头号_角色缩写_状态实际重命名时可以在对应文件夹里用批量重命名工具完成或者手动按这个规则维护一个“分镜素材清单”。状态字段非常重要used 表示已使用discard 表示已废弃。一集 30 个镜头如果不用状态字段管理剪到一半会找不到可用素材。11.3 积分消耗控制即梦按积分计费批量生成时要控制成本草稿阶段用较低清晰度或默认参数选定后再生成高规格版本。同一镜头先生成 4 个低规格候选选中后再做视频生成。不要反复生成已经通过一致性的镜头。每天批量生成前先看一眼积分余额避免生成到一半被中断。12. 常见问题与排查方法问题现象可能原因排查方式解决方案同一角色在不同镜头长相不同没有固定参考图或角色卡标签不一致对比各镜头与标准脸统一角色卡描述词所有镜头用标准脸做参考图重新生成生成的图五官模糊描述词缺清晰度词或基础分辨率不足放大检查五官边缘增加“五官清晰、高清、特写”等词必要时提高生成规格生成视频动作幅度太小运动描述太弱对比提示词与运动描述运动描述单独写写明主体动作和镜头运动视频中人物脸型突变静态图本身就漂移检查静态图与标准脸的一致性回到图生图阶段重出静态图不要硬用配音与画面时长不匹配配音文本与镜头时长未对齐在剪映中检查音频轨调整音频起点或对视频做轻微变速双人同框画面角色互窜两人特征描述重叠检查两个角色卡的服装、发饰是否冲突强化各角色专属特征必要时减少双人同框积分消耗过快反复生成未筛选的候选图查看生成记录草稿用低规格通过后再出高规格剪映导出发虚项目分辨率设置低检查导出设置导出分辨率设为 1080x1920码率选择更高档字幕对不上台词智能字幕识别误差回放检查手动修正关键词和断句再进行字幕样式统一补充一个容易被忽略的排查思路当大量镜头都出问题时先怀疑“角色卡”而不是怀疑“即梦”。角色卡是全局约束角色卡错了所有镜头都会错。先修标准脸再重新生成受影响镜头。13. 最佳实践与使用建议这部分是从“能用”到“好用”的工程化建议。13.1 先做一条 10 秒样片第一次跑这套流程不要直接做一集 1 分钟的短剧。用 10 秒样片把链路打通2 个镜头、1 句台词、1 个角色、5 秒剪辑。样片跑通后再扩展角色数量和镜头数量。10 秒样片能暴露的问题比任何教程都真实。13.2 维护一套“最小可复用资产库”当你做出第一个满意的角色标准脸和场景图后把它们看作资产而不是一次性素材。后续每一集优先复用这些资产。AI 短剧量产的核心竞争力不是每集重新生成而是资产复用率。13.3 分镜表就是项目管理表分镜表不只是给即梦看的也是给自己看的。每个镜头标注状态相当于给自己做项目进度管理。建议每周做一次素材复盘哪些镜头复用率最高哪些镜头总是失败失败原因是什么。13.4 发布前的合规检查清单所有角色均为 AI 生成无真实人物肖像。配音使用已授权音色未克隆他人声音。BGM 来自免版权曲库或剪映曲库。已按发布平台要求标注 AI 生成内容。剧本不涉及侵权改编不套用他人剧本原文。涉及品牌、商标、地标时已规避。13.5 保持提示词的可追溯性每一个角色的描述词、每一组场景词、每一种光线描述都记录在案。不要只存在即梦的历史记录里。原因很简单即梦的历史记录会过期而你自己的文档不会。建立一个“提示词仓库”文档每次成功生成的提示词都粘进去后面做续集直接复制。14. 总结这套“豆包 即梦 剪映”的 AI 短剧工作流真正的难点不在工具操作而在流程纪律。剧本阶段把台词和镜头拆到位角色阶段把标准脸锁死生成阶段坚持用参考图剪辑阶段按分镜表顺序执行错误率会大幅下降。最先要验证的功能是“多主体一致性”试着让同一个角色生成 5 个不同场景的镜头看脸型、服装、发型是否稳定。这个测试通过了整套流程的信任度就建立了接下来可以放心批量生产。最容易踩的坑有两个一是角色描述词前后不一致导致每生成一个镜头就“换脸”一次二是跳过静态图验收直接生成视频把一张模糊的脸放大成一段模糊的视频。记住一件事静态图的质量上限就是视频质量的上限。后续可以继续扩展的方向同一套角色卡尝试不同题材剧本、用剪映模板批量套片头、把分镜表做成模板让豆包按固定格式批量输出。工具版本和界面入口会更新但“标准脸锁定 参考图生成 按分镜表剪辑”这套思路短期内不会过时。建议先收藏然后从 10 秒样片开始跑第一遍。