ai短剧教程：把“能做出来”变成“能稳定上线”

2026年上半年新上线22.19万部AI短剧，播放破亿的只有1055部[reference:2]。供给量已经不是问题，观众划走一部片子的速度却越来越快。评论区高频出现的“怎么又是一张脸”“嘴型对不上”“记不住”，指向同一个底层问题：角色没有在镜头之间活下来。AI可以把单帧画面做得足够精致，但它不会主动帮你记住“这个角色上一镜头发型往左分还是往右分”。

行业里把这件事叫角色一致性，但真正有效的解法不是某一个模型参数，而是一套生成前的确认机制。GitHub上对主流短剧流水线的调研给出了一个反直觉的结论：拉开差距的不是视频模型，而是“先批准并冻结角色圣经，再去生成几十个镜头”的确认闸。跳过这一步，主角脸会在集与集之间漂移，大约四分之一的镜头需要重跑[reference:3]。

角色不一致，观众三秒就划走。这不是审美问题，是留存问题。

角色圣经要写死的至少包括：正面、侧面、半身、全身的四组参考图，发色与发型的文字锚点，标志性配饰或疤痕，以及一段可以直接粘贴进每一条提示词的外貌描述。它的作用不是给AI“灵感”，而是给AI“约束”。频繁更换描述方式是新手最常见的失误——今天写“蓝色大眼睛”，明天写“蔚蓝的眼眸”，模型理解出来的可能是两种完全不同的眼睛[reference:4]。

确认闸的设置比工具选择更影响成本。Seedance 2.5较2.0涨价20%–35%，单集算力从早期的17元涨到80–100元，一个几秒的镜头抽卡近50次才满意的情况并不少见[reference:5]。如果在生成前把分镜表、参考图、运镜参数逐条列出来，先小批量试跑、只重跑坏镜头，消耗的积分会差出一个量级。流程的价值不在于“更快”，而在于“不在错误的方向上加速”。

另一个容易被低估的环节是分镜表本身。让AI直接“生成分镜脚本”，产出的往往只有画面内容描述，缺少景别、机位、时长和运镜的硬约束[reference:6]。教程里反复使用的模板是把每一镜写成“景别 + 主体动作 + 运镜 + 时长”的结构，再交给图生视频模型。写的时候越具体，生成时的随机性就越小。这不是限制创造力，而是把创造力留在该做判断的地方——选什么故事、留什么钩子、什么时候让角色沉默。

最后要说的是，角色一致性做得好，不等于片子一定有人看。2026年的分账结构里，投流仍然吃掉千万流水的55%–70%，平台分走10%–15%，内容生产方到手常常只有两成左右[reference:7]。但这是“上线之后”的问题。如果角色在第三集就崩了，你连进入分账讨论的资格都没有。先把确认闸跑顺，再谈爆款。