Drama Skills 深度解析一个开源 AI 短剧创作工作流如何把小说、剧本、分镜和视频生产串联起来关键词Drama Skills、AI 短剧、AI 漫剧、Claude Code、Codex、Agent Skills、剧本创作、分镜设计、提示词工程、AI 视频生成项目地址https://github.com/zenstory-ai/drama-skills文章类型开源项目深度解析 技术架构分析 安装部署 实战教程一、引言AI 短剧的真正难点不只是生成一段视频近两年AI 视频生成技术的发展速度非常快。从文生图、图生视频到角色参考、镜头控制和音视频联合生成创作者已经能够借助 AI 制作过去需要专业团队才能完成的视觉内容。但如果真正尝试制作一部完整的 AI 短剧就会发现一个问题生成一个精彩镜头与制作一部连续、完整、逻辑自洽的短剧是两件完全不同的事情。假设你有一部几十万字的网络小说希望将它改编为一部 60 集的竖屏短剧。整个制作过程至少涉及以下工作分析原著提取核心故事线和人物关系。设计短剧的整体叙事结构。将原著改编为适合短视频传播的分集剧本。提取人物、场景、道具和视觉风格。为每个镜头设计构图、动作、景别和运镜。编写图像生成提示词与视频生成提示词。处理角色跨镜头一致性。逐镜生成素材检查生成质量。剪辑镜头添加字幕、配音、音乐和音效。检查剧本与成片的一致性完成最终交付。这些工作之间存在大量依赖关系。例如角色的服装一旦确定就需要在后续镜头中保持一致如果某一集的剧情被修改对应的分镜、图片提示词和视频提示词也可能需要同步更新。单纯依靠一个大语言模型生成剧本再用一个视频模型逐镜生成画面并不能自然解决这些问题。这正是开源项目 希望解决的核心问题。配图 1AI 短剧从剧情设计到镜头制作的视觉示意。建议正式发布时替换为项目官方样片截图或自己的实际制作案例。项目地址https://github.com/zenstory-ai/drama-skillsDrama Skills 是一个面向编剧、漫剧工作室和编导的开源 AI 短剧创作工作流。它将创作过程拆分为 11 个相互协作的 Agent Skills可以在 Claude Code、Codex 等支持 Agent Skill 规范的编程智能体环境中使用。根据项目 README整个工作流覆盖原著分析、分集剧本、视觉设定、图片提示词、分镜、视频提示词、生产执行、剪辑和审查等环节。项目还提供了一段 68 秒的竖屏短剧样片展示从原著改编、逐镜生成到最终剪辑的完整过程。Cite refs{[“turn114005search0”,“turn114005search1”]}/本文将从项目定位、11 个 Skill 的分工、技术架构、角色一致性、安装部署、实战案例和局限性等方面系统拆解 Drama Skills 的设计思路。二、Drama Skills 是什么它与普通 AI 视频工具有什么区别2.1 它不是一个新的视频生成模型首先需要明确一个概念Drama Skills 本身不是一个独立的文生视频模型也不是一个包含所有功能的一体化视频剪辑软件。它更接近一个建立在 AI 编程智能体之上的短剧制作流程工具包。这里有三个关键组成部分。Agent负责理解创作任务、读取文件、规划步骤和执行工作。Skills将编剧、角色设定、分镜、提示词和制作审查等专业工作整理成可调用的技能。外部生成工具根据配置好的接口和适配器执行图像、视频、语音或音乐生成。三者组合之后创作者就可以通过自然语言组织复杂的短剧制作任务而不必在每个环节都从零编写提示词。例如创作者可以提出“把这部都市逆袭小说改编成竖屏短剧先分析原著是否值得改编再制定分集大纲完成第一集剧本、角色设定、分镜和图片提示词等我确认后再生成视频。”这不是简单的一次文本生成请求而是一个包含多个阶段、多个文件和多个确认节点的生产任务。2.2 与传统 AI 视频生成的区别传统 AI 视频工具主要解决“如何生成一段画面”的问题而 Drama Skills 更关注“如何把很多段画面组织成一部短剧”。比较维度普通 AI 视频生成流程Drama Skills 工作流剧本创作通常需要另外规划纳入技能工作流长篇原著改编需要单独设计方法提供原著分析与分集开发技能角色设定依赖提示词与参考素材将角色及连续性要求写入项目文件分镜设计常由创作者手动完成提供独立的分镜技能图片与视频提示词逐次编写和调整按文件、镜头和生产要求组织视频生产依赖具体生成平台通过配置的外部适配器执行剪辑与审查通常需要额外流程纳入独立技能人工确认取决于使用方式强调生产前预览与明确确认需要注意这张表比较的是工作流组织方式不代表 Drama Skills 自带所有生成模型也不意味着它能够替代专业剪辑软件。项目 README 明确强调技能负责编排创作和生产流程实际媒体生成需要通过配置的外部接口执行生成任务会先展示准确的生产内容经过用户明确确认后才执行。Cite refs{[“turn114005search0”,“turn114005search3”]}/2.3 为什么这种设计值得关注我认为Drama Skills 的价值主要体现在三个方面。第一把短剧制作拆解成可管理的任务。剧本、人物资产、分镜和视频提示词各自有明确的职责创作者可以单独检查和修改。第二将创作决策保存在文件中。项目使用 Markdown 文件记录每一集的核心内容便于阅读、比较、追溯和版本管理。第三把昂贵的媒体生成放在明确的确认节点之后。在调用外部图像或视频服务之前先检查实际准备提交的任务可以减少不必要的生成和返工。对于需要制作大量短剧内容的工作室而言这种设计比单纯追求某一个镜头的生成效果更加接近真实生产需求。三、整体技术架构从一个创意到一部完整短剧理解 Drama Skills最有效的方式是先看它的整体工作流。根据项目公开文档可以将其概括为以下几个阶段**创意输入与原著分析**text color#D9E8F3 sizesm点子、小说、已有剧本、题材与制作要求/text**分集开发与剧本创作**text color#DDEFF0 sizesm故事引擎、分集地图、人物动机、情节推进/text**视觉资产与分镜设计**text color#E1F0E9 sizesm人物、场景、道具、关键帧、镜头连续性/text**图片提示词与视频提示词**text color#FFF0D5 sizesm画面构图、人物动作、镜头运动、声音与时序/text**预览、人工确认与外部生成**text color#EEE4FA sizesm检查任务数量、参数、参考素材、费用与输出/text**剪辑、审查与交付**text color#E0E9F4 sizesm镜头取舍、字幕、声音、成片检查与修改/text配图 2根据 Drama Skills 公开工作流整理的概念流程图并非项目官方架构截图。这个流程有一个重要特征它不是一条完全不能返回的直线。如果在剪辑阶段发现某个镜头无法表达剧本中的动作就可能需要回到分镜阶段如果发现角色服装不一致就可能需要修改视觉设定和提示词如果原著改编后的某一集缺乏合理的情节推进则可能需要重新调整分集结构。因此更准确的理解是Drama Skills 把短剧制作组织成一个带有文件记录、检查和反馈的多阶段工作流。这种工作方式可以降低复杂任务的管理难度但不能保证每一次生成都成功也不能完全取代编剧、导演和剪辑人员的判断。四、11 个 Skill 逐一拆解每个技能负责什么Drama Skills 的核心是 11 个独立技能。根据官方 README各技能具有不同职责并通过项目文件衔接起来。Cite refs{[“turn114005search0”,“turn114005search1”]}/配图 3建议在这里插入项目 README 中的技能清单截图或将下表制作成一张技能架构图。4.1short-drama项目入口与工作流调度这是整套技能的主要入口。它负责项目初始化、工作流路由、视觉方向设定以及 Dashboard 相关功能。创作者可以先告诉它短剧题材、画面比例和大致目标再根据任务进入具体的剧本、资产、分镜或生产技能。例如用 $short-drama 初始化一个都市逆袭题材的短剧项目 采用竖屏 9:16 画面比例。这一步的重点不是直接生成视频而是建立项目的基本结构和工作上下文。4.2short-drama-novel-analyze原著分析与改编前评估对于网络小说改编这是非常关键的环节。长篇小说往往包含大量支线、背景介绍、人物关系和重复情节。如果直接把整部小说交给模型容易造成上下文过长、关键细节遗漏以及改编结构松散等问题。该技能用于对原著进行抽样评估、建立章节索引、提取章节功能和故事单元并分析其改编价值与潜在分集方向。它解决的核心问题是先判断作品适不适合改编以及哪些内容值得优先保留再投入大量制作资源。这对批量筛选小说 IP 的工作室尤其有意义。4.3short-drama-develop分集结构与整体故事开发如果说原著分析关注“故事中有什么”那么分集开发关注的就是“怎样把故事变成短剧”。该技能负责故事引擎、分集地图、导演简报、题材与钩子设计等工作也支持对已有多集剧本进行结构识别、索引和分段处理。例如一部小说有 100 章但最终计划制作 40 集短剧。改编时需要决定哪些章节应该合并。哪些人物可以删减或合并。哪些事件需要提前。每一集的核心冲突是什么。每一集结束时留下什么悬念。整体故事如何逐步升级。分集开发的目标是在保留原著核心价值的基础上重新组织适合短剧观看节奏的叙事结构。4.4short-drama-write分集剧本创作有了分集地图之后才能进一步写每一集的具体剧本。这个技能关注情节因果、可表演的剧本内容、人物行动以及与制作要求相匹配的表达方式。举例来说“男主发现自己被陷害”只是一个剧情概念真正可拍摄的剧本还需要明确男主在什么场景发现证据。他看到了什么。他做出了什么反应。对手是否察觉。现场人物如何互动。这一场戏如何推动后续情节。对于 AI 短剧来说剧本不仅要能读还要能转化成画面。4.5short-drama-assets人物、场景和道具资产管理这是解决视觉连续性的重要环节。一个角色可能在一集里出现十几个镜头。如果每次都重新描述人物就容易出现发型、服装、年龄、配饰和体态等方面的变化。该技能负责整理人物设定、视觉造型、场景与视角、道具状态以及可选的声音方向和连续性决策。例如人物设定可以明确年龄范围与外观特征。发型、服装和配饰。角色在特定场景中的造型状态。随身物品及其持有关系。不同场景之间允许发生的变化。这些内容成为后续提示词的依据而不是仅仅停留在最初的人物介绍中。4.6short-drama-image-prompts图片提示词与视觉参考在制作视频之前通常需要准备人物参考图、场景参考图和关键画面。该技能负责视觉风格探索、人物与场景参考提示词、道具参考以及针对特定范围的视觉修改。这一步可以理解为建立短剧的视觉基础。例如制作一部现代都市短剧需要提前明确整体是偏写实电影风格、商业广告风格还是漫画化的视觉表达。人物和场景的视觉设定应该相互匹配。如果没有统一的视觉方向即使单张图片看起来不错组合在一起也可能像来自不同作品。4.7short-drama-storyboard分镜、镜头覆盖与关键帧分镜是连接剧本与图像、视频生成的重要桥梁。该技能负责场景视觉规划、镜头覆盖、镜头边界和关键帧冻结等任务。例如剧本写着“女主走进会议室将文件放在桌上所有人突然安静下来。”如果直接将这句话输入视频模型模型需要自行决定人物站位、镜头角度、动作顺序和场景关系。而经过分镜设计后可以将其拆分为会议室全景建立空间关系。女主进入画面突出人物动作。文件放在桌面的近景。与会人员停止交谈表现反应。女主抬头进入下一段对白。这些镜头是否需要全部采用取决于最终剧本和制作需求但分镜能够让创作者在花费生成成本之前先明确画面应该如何组织。4.8short-drama-video-prompts视频动作与镜头提示词图片提示词与视频提示词并不是同一回事。图片提示词重点描述某个时刻的画面而视频提示词还需要说明画面如何从开始状态变化到结束状态。该技能关注单镜头动作、多人物表演、注意力交接、镜头运动、声音、起止状态、补拍说明以及跨镜头时间与音乐规格。例如“两个人在办公室争吵”还不足以构成精确的视频指令。更具体的描述需要明确谁先说话、谁转头、谁移动、镜头何时切换、对方如何反应以及镜头结束时人物处于什么状态。这种结构化描述能够减少动作顺序不清、人物突然换位和镜头衔接不自然等问题。4.9short-drama-produce生产执行与外部接口适配这是从提示词走向实际媒体生成的环节。项目公开说明强调生产前需要先预览一个明确的任务批次展示实际内容、参数、参考素材、输出要求和适配器信息用户明确确认之后才执行外部生成任务。项目提供了可选的外部生成配置包括 Seedance、GPT Image 2、MiniMax H3 视频及 MiniMax Music 等相关配置档案。具体可用性取决于当前版本、适配器实现、账户权限和服务商接口。Cite refs{[“turn114005search0”,“turn114005search4”]}/这个设计尤其值得关注。假设一集短剧需要生成 25 个镜头如果提示词中存在大量重复、错误参数或不必要的参考素材那么问题会直接转化为时间和费用的浪费。在生产之前检查准确的任务列表可以让创作者先审阅再决定是否执行。4.10short-drama-edit剪辑与成片输出素材生成完成后还需要将单独的镜头组织成连续的视频。该技能负责生成片段的可用区间、入点与出点、镜头顺序、对白完整性、字幕和音量规范等内容并通过剪辑单组织成片。需要注意的是AI 视频生成的片段并不一定从第一帧到最后一帧都适合使用。有些片段开头存在不自然的动作有些结尾出现人物形态变化还有些镜头的中间部分才是最有表现力的内容。因此剪辑的关键不只是拼接文件而是识别每个片段中真正可用的部分。4.11short-drama-review独立审查与修改意见最后一个技能用于检查作品并记录问题和修订建议。审查可以涉及结构、内容和与制作观察相关的诊断但审查结果并不等于自动判定作品一定合格。例如审查可能发现剧本中人物尚未获得某条信息却在后续场景中直接作出反应。分镜中的道具与人物设定不一致。视频提示词遗漏了重要动作。镜头之间缺少必要的空间交代。成片中的对白或字幕与剧本不一致。这些问题需要根据实际文件和生成结果进行核实。11 个 Skill 的价值并不是各自独立生成一份文本而是通过清晰的职责划分将不同创作阶段连接成一条可追溯的生产链。五、核心设计之一为什么项目选择 Markdown 文件作为创作事实的载体这是 Drama Skills 最值得深入研究的设计之一。很多 AI 内容生产平台倾向于使用数据库、图形界面和复杂的内部数据结构管理项目。Drama Skills 则采用了相对轻量的文件驱动思路。项目 README 指出每集主要维护五份 Markdown 文件分别是剧本.md视觉设定.md分镜.md图片提示词.md视频提示词.md剪辑阶段还会增加剪辑单.md。这种设计有什么优势5.1 文件本身就是可检查的创作记录假设第一集的女主原本穿着黑色西装后来决定改为红色外套。如果造型信息只存在于模型的对话上下文中那么后续镜头可能继续使用旧描述或者出现部分更新、部分未更新的情况。如果造型决定保存在视觉设定文件中就可以明确修改依据并进一步检查后续提示词是否需要更新。文件化管理使创作者能够直接查看剧本究竟写了什么。分镜依据了哪些情节。图片提示词使用了哪些造型描述。视频提示词要求人物执行什么动作。剪辑单最终采用了哪些素材。这不仅方便人工审阅也便于使用 Git 等工具进行版本管理。5.2 为什么不把所有信息放在一个巨大文档里如果把一整季短剧的所有剧本、人物、场景、分镜和提示词写进一个文件随着项目规模扩大文件会变得难以维护。文件过长还可能使智能体在修改某一集时需要处理大量与当前任务无关的内容。按阶段、按集、按职责拆分文件有助于缩小任务范围。例如修改第 3 集的某个镜头时可以优先处理第 3 集相关文件而不是重新生成整季内容。5.3 文件化并不意味着自动同步一切这里也需要注意一个边界。将信息写入 Markdown 文件并不会自动保证所有关联文件始终保持一致。如果人物设定发生变化后续提示词仍然可能存在遗漏。因此还需要明确哪些信息必须保持一致以及哪些检查可以通过脚本完成。Drama Skills 通过连续性要求、镜头依据和检查脚本来改善这一问题但仍需要创作者对重要修改进行核对。六、角色跨镜一致性AI 短剧制作最棘手的问题之一如果说单个镜头的视觉质量决定了短剧的局部表现那么角色的一致性就会影响整部作品的连续观感。在实际制作中角色可能出现以下变化同一人物在不同镜头中拥有不同发型。服装颜色和款式发生变化。年龄、脸型或体态出现明显差异。手中道具突然消失。人物在空间中的位置不合理。上一个镜头中的伤口或其他状态没有延续到下一镜。这些问题并不完全是提示词写得不够长造成的而是因为长序列制作需要持续维护人物、场景、道具和状态之间的关系。6.1 什么是连续性锁Drama Skills 将需要跨镜保持的视觉要求写成可重复使用的简短描述即连续性锁。例如某个角色的固定造型可以整理成成年男性短黑发深色西装 白色衬衫银色腕表保持相同面部特征。这只是一个用于说明的示例并非项目内置的标准人物模板。如果某些特征必须在多个镜头中保持就应当明确记录并在后续提示词中以一致的方式使用。对于具有重要剧情意义的道具也可以记录其状态。例如道具黑色文件夹。 初始状态由女主右手持有。 动作过程放置在会议桌中央。 结束状态文件夹保持闭合位于桌面中央。这样的描述有助于减少镜头之间的状态断裂。6.2 让镜头能够追溯到设定依据项目 README 还强调每个镜头的关键帧需要说明其依据了哪些资产条目如果缺少必要的依据检查脚本可以报告相关问题。Cite refs{[“turn114005search0”,“turn114005search3”]}/这一点非常重要。传统提示词工程经常只关注提示词本身却忽略提示词中的信息来自哪里。在多镜头短剧中如果人物外观、道具状态和场景设定没有明确来源就容易在反复修改时产生冲突。将镜头与人物、场景和道具设定关联起来可以建立一种可追溯的检查机制。6.3 参考图并不能解决所有连续性问题使用角色参考图可以帮助生成模型维持人物外观但它并不能保证动作、服装细节、空间关系和人物状态在每个镜头中都完全一致。因此更合理的方案是组合使用固定的人物视觉设定。可重复使用的角色参考图。明确的场景与道具状态。有起点和终点的动作描述。镜头之间的连续性检查。对生成结果的人工复核。Drama Skills 的设计重点正是将这些要求纳入工作流而不是把所有问题寄托在一条很长的提示词上。配图 4角色设定与多镜头连续性的概念示意。建议以同一角色的参考图、造型设定和连续镜头截图替换突出跨镜一致性。七、生产前确认机制为什么这可能比多生成几个镜头更重要AI 图像和视频生成通常涉及外部服务调用部分服务按照任务、时长、分辨率或生成次数计费。如果生产流程缺少有效检查就可能出现以下情况重复生成相同镜头。将尚未确认的提示词直接发送到模型。使用了错误的参考图。参数与预期时长不一致。批量生成的镜头数量超过实际需要。Drama Skills 将“先预览、再确认、后生产”作为重要设计原则。7.1 先明确本次究竟要生成什么在执行生成任务之前应该能够检查本次任务包含多少张图片或多少段视频。每个任务对应什么提示词。使用哪些参考素材。目标模型与参数是什么。预计输出哪些文件。需要调用哪个外部适配器。这意味着创作者可以在实际消耗资源之前先发现明显错误。7.2 确认不能被模糊的继续指令替代项目强调预览、继续处理或预算说明不能自动被当作生成授权。例如“继续下一步”可能只意味着继续整理提示词而不一定意味着立即调用付费服务。对于涉及成本的外部操作将确认节点设计得明确可以降低误操作的风险。7.3 如何理解项目公布的生成成本项目 README 中的公开样片是一段约 68 秒的竖屏短剧开头共涉及 20 个镜头作者公布的视频生成成本约为 40 元。Cite refs{[“turn114005search0”,“turn114005search1”]}/这个案例可以帮助我们理解逐镜制作的成本管理思路但不能据此推断其他项目都能以相同成本完成。实际成本会受到模型、分辨率、生成时长、参考素材、失败重试、语音和音乐需求等因素影响。因此比较合理的做法是先制作一个小规模样例统计实际消耗再决定是否扩大生产规模。八、安装部署如何在 Claude Code 或 Codex 中使用项目官方 README 提供了通过 Skills CLI 安装、手动克隆仓库和让智能体协助安装等方式。使用前需要有支持 Agent Skill 规范的编程智能体环境。Cite refs{[“turn114005search0”,“turn114005search1”]}/8.1 环境准备根据项目文档建议准备以下环境支持 Skill 的 AI 编程智能体例如 Claude Code 或 Codex。Node.js 与 npm以运行 Skills CLI。Python 3.9 或更新版本用于相关脚本。ffmpeg和ffprobe用于剪辑与成片处理。已配置的外部图像、视频、语音或音乐服务以及相应授权。并非所有依赖都需要在第一步全部配置完成。可以先安装技能、检查项目结构再根据实际使用的功能补充环境。8.2 方法一使用 Skills CLI 安装打开终端执行npx skillsaddzenstory-ai/drama-skills-y-g这里的-g表示全局安装。根据项目 README去掉该参数可以改为当前项目范围内安装。安装完成后检查 CLI 输出并确认所使用的智能体能够识别相应技能。如果命令执行失败先检查 Node.js、npm 和网络连接再根据错误信息进行处理。8.3 方法二手动克隆仓库如果希望直接查看技能实现和修改文件可以执行gitclone https://github.com/zenstory-ai/drama-skills.gitcddrama-skills对于 Claude Code官方文档给出的手动链接示例如下mkdir-p$HOME/.claude/skillsforskillinskills/*;doln-s$PWD/$skill\$HOME/.claude/skills/$(basename$skill)done对于 Codexmkdir-p${CODEX_HOME:-$HOME/.codex}/skillsforskillinskills/*;doln-s$PWD/$skill\${CODEX_HOME:-$HOME/.codex}/skills/$(basename$skill)done以上示例适用于支持这些 Unix 风格命令的环境。Windows 用户可以优先尝试 Skills CLI或者根据当前终端和智能体的文档调整安装方式。8.4 方法三让智能体协助安装如果所使用的平台支持从 GitHub 导入 Skill也可以直接向智能体提出安装这些技能 https://github.com/zenstory-ai/drama-skills不过智能体是否能够自动完成安装取决于当前平台、文件权限和终端访问能力。8.5 安装之后先做什么不建议刚安装完成就直接要求生成一整季短剧。更稳妥的顺序是确认 Skill 已经安装并可被识别。阅读项目 README 和核心工作流程。创建一个新的测试项目。尝试编写一集简短剧本。检查人物、场景和道具设定。生成分镜与图片、视频提示词。检查生产预览确认参数与费用。在明确授权后执行小规模生成。完成剪辑并检查输出。先验证一个最小工作流有助于区分问题究竟来自安装环境、技能调用、外部接口还是生成模型。九、实战案例将一部都市逆袭小说改编为竖屏 AI 短剧下面以一部虚构的都市逆袭小说为例演示如何组织 Drama Skills 的制作任务。案例仅用于说明工作流不代表项目官方样片的实际剧情也不代表已经通过该工具实测完成。9.1 故事设定假设小说的核心情节是一名外卖员在高档餐厅受到经理羞辱随后揭示自己是集团董事事件引发一系列利益冲突和人物关系变化。这种题材具有较明确的身份反差、冲突和情节转折适合用来演示竖屏短剧的制作逻辑。但正式改编时不能只保留一个反转。还需要设计人物动机、冲突升级、后续代价以及每一集的情节推进。9.2 第一步先评估原著而不是立即写完整剧本如果有原著文件可以先进行抽样分析用 $short-drama-novel-analyze 分析 输入/都市逆袭小说.txt。 先评估这部小说是否值得改编成竖屏短剧 提取主要人物、核心冲突、故事引擎和潜在分集方向。 暂时不要生成图片或视频。这样可以先判断故事是否具有足够的戏剧冲突再决定后续投入。如果原著内容很多还可以根据实际章节结构建立索引避免一次性将所有内容都塞进模型上下文。9.3 第二步建立分集地图原著分析完成后可以让分集开发技能提出初步方案用 $short-drama-develop 为这部小说制定竖屏短剧分集地图。 明确每一集的核心冲突、人物目标、关键转折、 结尾悬念和与下一集的关系。 保留原著最重要的人物动机 不要只为了反转而破坏情节因果。这一步的重点是先明确整个故事如何推进。如果分集结构存在问题后面即使生成了大量漂亮的镜头也可能需要大规模返工。9.4 第三步完成第一集剧本确定分集方案后再进入具体剧本创作。用 $short-drama-write 写第 1 集。 开场快速建立人物冲突 让观众理解主角受到的羞辱及其原因 逐步揭示主角的真实身份 并在结尾留下推动下一集的悬念。 剧本应具有明确的场景、动作、对白和情节因果 避免仅使用抽象的情绪描述。需要注意剧本是否优秀不能只看反转次数和对白是否夸张还要看人物行为是否合理、冲突是否具有递进关系。9.5 第四步提取人物、场景和道具剧本确定后使用资产技能整理视觉信息用 $short-drama-assets 从第 1 集提取人物、场景和道具资产。 明确每个主要人物的固定外观、服装、 重要道具及其状态变化。 对需要跨镜保持的造型建立连续性锁 确保后续镜头可以重复使用这些设定。这一步相当于为后续图像与视频生成建立统一的视觉依据。9.6 第五步生成图片提示词与分镜在视觉资产明确后继续组织镜头用 $short-drama-image-prompts 为已经确认的人物、场景和道具生成参考图提示词。 然后用 $short-drama-storyboard 为第 1 集设计分镜。 每个镜头都应明确其叙事目的、画面构图、 人物位置、关键动作和结束状态。在这一阶段建议先检查人物和场景参考图是否满足要求再批量制作所有镜头。9.7 第六步生成视频提示词用 $short-drama-video-prompts 为已经确认的分镜编写视频提示词。 重点明确人物动作顺序、镜头运动、 对白、起始状态、结束状态和跨镜头连续性。 对于复杂动作优先拆分成可理解的镜头 不要让单个镜头承担过多的动作任务。图片提示词负责建立画面基础视频提示词则进一步定义时间中的变化。9.8 第七步预览、确认再开始生成在生产阶段可以提出用 $short-drama-produce 检查本次第 1 集的图片与视频生成任务。 先展示准确的任务数量、提示词、参考素材、 模型配置、参数、适配器和输出目标。 暂时不要调用外部生成接口。 等我检查并明确确认后再执行获准的任务。这一步有助于在产生实际费用之前检查任务内容。9.9 第八步剪辑、审查与交付素材生成完成后使用剪辑技能组织成片再进行独立审查用 $short-drama-edit 根据已生成素材制作第 1 集剪辑单。 检查可用镜头区间、对白完整性、字幕、 镜头顺序和音量要求。 完成后用 $short-drama-review 检查剧本、分镜、提示词和成片之间的一致性 列出需要人工复核的问题。最后应由创作者实际查看输出视频确认剧情表达、人物一致性、画面质量、字幕、音频和文件完整性。以上任务顺序展示了一个典型的工作流但具体调用方式和可用参数应以当前版本的 Skill 文档为准。十、如何评价 Drama Skills 的优势与局限10.1 主要优势第一流程覆盖较完整。从原著分析、分集开发到镜头制作、剪辑和审查各阶段都有相应技能降低了创作者自行拼接多个工具的管理成本。第二创作决策更加透明。剧本、视觉设定、分镜和提示词保存在文件中便于审阅、修改和追溯。第三重视跨镜一致性。通过连续性锁、资产依据和检查脚本尝试把角色、场景和道具的连续性从口头要求转化为可核对的记录。第四生产前设置明确的确认环节。这有助于减少错误任务直接进入外部生成服务的情况。第五便于扩展与定制。技能以相对独立的单元组织创作者可以根据需要选择使用部分能力也可以进一步研究和修改工作流。10.2 仍然存在的局限第一工作流完整不等于生成质量稳定。视频模型依然可能产生人物变形、动作错误、空间关系异常和对白不同步等问题。第二长篇改编仍然需要专业判断。AI 可以协助提取情节和组织分集但作品是否具有吸引力、人物是否成立、节奏是否合理不能仅靠自动检查判断。第三外部服务依然是关键依赖。实际图像、视频、语音和音乐生成需要对应的服务、适配器和授权。技能本身并不自动提供无限的生成资源。第四复杂项目需要较强的文件管理意识。随着集数增加人物设定、剧本修改和镜头版本之间的关系会越来越复杂。如果缺少明确的版本管理策略仍然可能出现内容不一致。第五自动化并不意味着零成本。除了外部生成费用还需要考虑人工审查、失败重试、素材整理、模型调用和最终剪辑等工作量。10.3 哪些人最适合尝试希望把网络小说改编为 AI 短剧的创作者。正在搭建 AI 漫剧生产流程的小型工作室。希望使用 Claude Code 或 Codex 管理复杂创作任务的开发者。需要批量制作角色、分镜和提示词的内容团队。希望研究 Agent Skills、文件驱动工作流和 AI 内容生产系统的技术人员。如果你只是想快速生成一个十几秒的视频片段那么直接使用现成的视频生成工具可能更简单。如果你的目标是连续制作多集短剧并希望剧本、资产、分镜和成片之间具有更清晰的对应关系那么 Drama Skills 的工作流思路就更值得研究。十一、进一步研究如何基于 Drama Skills 构建自己的 AI 创作系统如果不满足于直接使用现有技能还可以从以下几个方向进行二次开发。11.1 建立更加细化的连续性检查机制对于连续剧可以考虑将人物、服装、道具、地点和事件状态整理为结构化记录再与 Markdown 文件中的描述进行比对。例如系统可以检查某个道具在前后镜头中是否保持一致或者某个角色是否在未完成场景切换的情况下突然改变位置。需要注意结构化检查适合发现明确的冲突但不能完全替代视觉质量判断。11.2 建立生成成本与质量统计如果要进行规模化生产可以为每个镜头记录生成任务数量。实际调用费用。失败重试次数。最终采用的片段。人工修改次数。镜头质量评价。从提示词到可用成片的耗时。通过这些数据可以分析哪些题材、镜头类型和模型配置更容易获得可用结果。这类统计应该建立在真实生产记录之上而不是根据少量样片推算普遍规律。11.3 建立题材专属的创作规范都市逆袭、古装权谋、悬疑、家庭伦理和奇幻题材对人物关系、场景设定和镜头表达的要求并不相同。可以根据自己的创作方向建立专属的题材规范、角色模板、场景模板和镜头示例。不过这些规范应当作为创作辅助而不是僵化的公式。真正优秀的作品往往需要在通用规则之外形成自己的风格。11.4 进一步连接多种媒体生成服务在符合相关接口和授权条件的前提下可以为不同的图像、视频、语音和音乐服务配置适配器。重点不只是增加模型数量还应该确保提示词格式符合目标模型要求。参数可以准确传递。参考素材与任务关联正确。生成结果能够回写到项目记录。失败任务能够被识别与处理。费用和输出结果可以追溯。这会使工作流更容易适应不同服务商的能力变化。十二、常见问题Q1Drama Skills 安装后就可以直接生成视频吗不一定。安装技能只是准备工作流的一部分。实际生成还需要配置对应的外部媒体服务和适配器并具备必要的权限与资源。Q2是否必须使用 Claude Code不是。项目面向 Claude Code、Codex 等支持 Agent Skill 规范的编程智能体。具体调用形式取决于运行环境。Q3是否支持 Windows项目发布记录中包含 Windows 支持相关更新。实际安装方式仍应以当前版本说明为准尤其要注意终端、Python、文件链接和 FFmpeg 等依赖的配置。Q4能否只安装其中一个技能可以。官方 README 说明每个技能都是独立安装单元。只需要写作、审查或生产能力时可以按实际需要安装相应目录。short-drama主要负责项目初始化、路由和 Dashboard。Cite refs{[“turn114005search0”,“turn114005search4”]}/Q5是否能够保证角色在每个镜头中完全一致不能。项目通过视觉设定、连续性锁、参考图和检查脚本改善跨镜一致性但最终结果仍然受到外部生成模型、素材质量和提示词执行效果的影响。Q6能否直接将生成结果用于商业发行需要先核查项目许可证、外部模型服务条款、素材版权、音乐授权以及相关内容的合规要求。开源项目采用 MIT 许可证并不意味着所有第三方生成内容都自动获得商业使用许可。Q7应该先制作多少集建议先制作一集短样片完整验证剧本、视觉资产、分镜、提示词、生产、剪辑和审查流程。确认工作流稳定后再扩大制作规模。十三、总结AI 短剧生产正在从单镜头生成走向系统化创作Drama Skills 值得关注的地方并不只是它能够协助创作剧本或生成视频提示词而是它尝试把整个短剧生产过程组织成可执行、可检查、可修改的工作流。从原著分析到分集开发从人物资产到分镜设计从视频提示词到外部生成再到剪辑和独立审查11 个 Skill 将复杂的创作任务拆分为相对明确的阶段。其中有三个设计尤其值得借鉴用文件保存创作决策。让剧本、视觉设定、分镜和提示词可以被直接检查与修改。将连续性要求转化为可核对的规则。不只依赖模型记忆而是为人物、场景和道具建立明确的依据。把人工确认放在实际生产之前。先审阅准确的任务内容再决定是否调用外部服务。当然工作流自动化无法消除所有创作难题。人物塑造、剧情节奏、视觉表达和最终审美判断依然需要创作者参与。更合理的目标是让 AI 处理重复性的结构化工作让编剧和导演把更多精力放在故事本身让制作团队能够更清晰地管理素材、成本和质量。如果你正在探索 AI 短剧、AI 漫剧或 Agent Skills 的应用建议从一个简单的故事开始先完成一集的完整闭环再逐步扩展到长篇改编和规模化制作。项目地址https://github.com/zenstory-ai/drama-skills建议继续阅读Drama Skills 官方 README了解安装方法、技能清单和快速开始示例。Drama Skills 英文 README查看英文版功能说明。Drama Skills Releases了解版本更新与兼容性变化。Drama Skills 工作流说明进一步理解项目的设计思路。文章说明本文基于项目公开文档整理。实战案例为说明性示例不代表项目官方实测结果安装命令、可用适配器和具体功能应以当前仓库版本为准。