一集AI短剧从剧本到成片,成本不到500元,我们是怎么做到的

上个月有个做传统短剧的团队来找我们，说一集拍下来光演员和场地就花了四五千。

我说我们做同等时长的AI仿真人短剧，成本不到500。

他不信。

我把制作流程拆给他看了一遍，他沉默了几秒，然后问了一句："这些你们课里教不教？"

教。

而且我们把核心方法论全写进了《AI视频一本通》这本书里。

今天先拆一部分出来。

以前做AI短剧，最痛苦的是"手搓"

说实话，半年前我们做AI短剧的时候，流程还是"文-图-视-音-剪"五步。

每一步都要花大量时间。

特别是"图"这一步。

每一张分镜图都要用即梦或者MJ反复抽卡，一张不满意就重来，有时候一个角色的正脸特写就要抽十几次。

然后再用PS修修补补，确认没问题了才拿去做图生视频。

我们内部管这叫"手搓流"，搓到凌晨三点是常有的事。

但今年开始，情况彻底变了。

随着Seedance 2.0和可灵3.0推出了"参考生视频"和"全能参考"模式，分镜图这一步变得不那么必要了。

只要提前准备好角色和场景的资产图，直接输入提示词就能生成完整的视频片段，自带运镜切换、自带台词口型、自带环境音效。

工作流从"文-图-视-音-剪"变成了"文-资-音-剪"。这不是小优化，是流程级的变化。

"参考生视频"为什么是核心

很多人问我做AI短剧最关键的技术是什么。

我以前会说角色一致性。

现在我会更精确地说：参考生视频。

参考生视频的意思是，你上传角色、场景、道具的参考图，AI学习这些图里的面部特征和风格信息，然后在完全脱离原图构图的情况下，生成一段包含这些角色的全新视频。

以前你想生成一段对话戏，要先出男主正面分镜图、女主正面分镜图、男主侧面图、女主反应镜头图，每张都要单独生成、单独调整，光这些图就要花半天。

现在呢？

把角色资产图上传，写一段提示词，模型帮你自动完成正反打镜头切换、表情特写推拉，十几秒一气呵成。

而且最让人兴奋的是"音画同出"。你在提示词里写上台词，用双引号括起来，模型会同步生成角色说话的口型、环境音效、甚至脚步声。

以前要专门做的配音和对口型环节，现在直接省掉了。

我们在书里拿了一段古装对话戏做测试。

一段15秒的素材，两个角色面对面交谈，台词是"今儿的茶，真不错""短缺之处？那位林娇娇呢？""你怎么知道娇娇！？"

Seedance 2.0出来的效果，台词没有任何嘴瓢，嘴型对得严丝合缝，完全看不出AI感。

越测越不敢睡。

但这里面有一个现实问题

效果好不代表每个模型都能直接用。

Seedance 2.0的全能参考模式效果最好，但它对真人面孔的审核非常严格。

你直接上传写实风格的角色图，大概率被拦截。

我们在书里教了几种绕过方法：局部面部转绘、平台站内洗图、文本脱敏。

这些方法经过反复测试，成功率很高。

可灵3.0的Omni模型走的是另一条路。

它支持创建"主体库"，上传一段3到8秒的角色视频，模型提取面部特征和声音音色，后续生成视频的时候直接@角色就行。

不管怎么切镜，人脸始终统一。

这个在做连续剧情的时候非常关键。

但可灵有一个坑很多人不知道。

如果你只是把剧本文本直接丢进提示词框，不开"自定义分镜"，即使勾了"智能分镜"，也很可能出来一个完全不切镜的长镜头。

15秒一镜到底，人物画面不崩才怪。

你必须手动把提示词按时间轴拆分：0到3秒什么景别什么动作，3到7秒切到什么镜头。写清楚了，可灵出来的效果非常稳。

写模糊了，就是赌运气。

Vidu Q3速度最快，5秒以内的人物表演效果很好。

但它目前的Q3参考生视频还没全量开放，做仿真人短剧的话暂时只能当补充。

角色资产，依然是命门

虽然工作流变了，但有一件事从来没变过。

AI短剧的核心不是视频生成模型有多强，而是角色资产做得有多好。

如果你的角色只有一张正面照，换个角度模型就"不认识"了。

你用再好的模型、写再精确的提示词，角色一致性也会崩。

我们在书里给出的资产标准是：正面全身照加多角度参考图加表情变体。

这三样齐了，角色一致性基本就稳了。

生成工具方面，z-image的角色一致性目前最强，它有专门的"角色参考"功能，上传一张正面照就能自动生成多角度视图。

即梦免费，适合快速出图验证方向。

香蕉风格库丰富，适合漫剧风格。

做AI短剧最容易犯的错误，就是花大量时间调视频参数，而忽略了前期的角色资产准备。

卡在视频生成这一步的团队，通常是角色资产没做扎实。

过肩镜头和轴线关系

这个细节很多做AI短剧的人不太注意，但它决定了你的片子看起来"像不像那么回事"。

做对话戏的时候，正反打镜头需要遵循"轴线规则"。

简单说就是：两个角色之间有一条假想的直线，你的镜头必须始终在这条线的同一侧。

如果越过这条线，观众看起来就会觉得人物的位置关系突然反了，特别出戏。

我们在SOP里的建议是：人物站位一旦确定，整场戏尽量不做太大变动。

全景图用来交代位置关系，其余画面以中近景为主，这样能减少两人同框时出现问题的概率。

过肩镜头的提示词写法也有讲究。

基本结构是"画风+过肩镜头+景别+站位+主体描述+环境氛围"。

要在提示词里明确写"前景画面的边缘是某角色模糊的肩膀，聚焦在后景的另一角色的脸"。

这些东西在书里的"视频模型实战"和"视听语言"章节都有展开讲。

关于这本书

说实话，《AI视频一本通》里这些内容，很多都是我们做了十几部AI短剧之后才总结出来的。

两年时间，从漫剧到仿真人短剧，从手搓流到资产驱动，从每集花几天到现在半天出片。

走了很多弯路，也踩了很多别人不会告诉你的坑。

明天（3月17日），这本书正式在京东上线，电子工业出版社出版。

明晚我们有直播，会聊书里的内容，也会现场演示AI短剧的制作流程。

来直播间的朋友有三个福利：专属电子签名版、价值199元的AI短剧课程、OpenClaw龙虾安装教程。

添加「西堂」，输入暗号「AI书籍」，直接拉你进直播间。

感谢你看到最后。