结尾有我个人总结的不同情况下的投身这个行当的付出，大家可以参考参考 本文以分析遇到的阻碍为核心，章节的顺序并不是制作短剧的顺序，结尾会给实际顺序. |
好久没更新文章，这段时间up亲身尝试了作为一个门外汉进军ai短剧漫剧是什么体验？这篇文章不是来贩卖焦虑或者鼓吹"月入十万"的，就是把整个流程、遇到的问题、实际成本和效果记录下来，给想尝试的人一个参考。先坦白一件事：上个月，我刷短视频刷到凌晨两点。
让我上头的不是什么大制作，而是一部AI生成的短剧。画风精致到每一帧都能当壁纸，剧情虽然套路，但就是停不下来——霸道总裁、穿越重生、战神归来，要素拉满。
是的，像这样--------
更让我震惊的是，片尾那行小字：“本片由AI生成，----------。”
作为一个在互联网公司搬砖的普通打工人，我的好奇心被彻底点燃了。于是我决定：自己动手，从零开始做一部AI短剧。
这条路，比我想象的坑多，也比我想象的有意思。今天就把我这一个月的“踩坑实录”分享给你，顺便聊聊AI短剧爆火背后的真相。
先说结论：技术上可行，商业上不划算（至少对个人来说）。
在正式开始前，我先研究了一周工具，列了个预算表。最终实际花费比预算多了180块——都是试错成本。
实际支出明细：
时间成本：工作日晚上2-3小时，周末全天，持续三周，大概100小时。
如果按我的时薪算（时薪35元），这100小时值3500块。所以真实成本是3950元，最终收益0元。
当然肯定不能这么算，这么算有点矫情，嘿嘿
——毕竟我是在学习和实验，不能纯粹按商业逻辑计算，况且消耗的这段时间公司也不会发钱阿
。但这个数字至少说明：AI短剧不是"躺赚"项目。
在这里给大家解个惑（我个人观点 ）AI短剧到底是怎么火起来的？ 这事儿得从两个角度拆。 第一个角度：成本。 你可能不知道，传统短剧虽然比电视剧便宜，但一部下来也要几十万。租场地要钱，请演员要钱，灯光、道具、后期……每一秒都是钱。 而AI短剧呢？核心成本就是几个软件的会员费。一台电脑，一个人，一周时间，几百块钱，就能搞出一部剧。当生产成本从几十万降到几百块，内容爆炸就是必然的。 第二个角度：算法。 短视频平台的算法最喜欢什么？完播率高、互动率高、能批量生产的内容。 AI短剧简直就是为算法量身定制的——第一秒就把最炸裂的画面怼你脸上，视觉冲击力拉满；然后剧情高度套路化，你喜欢“霸道总裁”，它就给你生成一百个不同皮肤的霸道总裁；你越看，它越推，你根本停不下来。 说白了，AI短剧的爆火，不是偶然，是技术和算法共同作用的结果。 |
第一步：选工具，我花了整整一周
说实话，一开始我以为很简单——网上不是一堆教程说“一键生成”吗？结果我天真了。
市面上的AI工具，多得像天上的星星，但每个都有各自的坑。
我打开电脑，搜索"AI短剧制作工具"，结果弹出来几十个教程，每个都说自己的方案最好。
我花了两天时间，把主流工具都试了一遍。
AI绘画：Midjourney vs 国产平台
Midjourney（国际版）：画质确实好，但有两个问题——第一，全英文界面，提示词要用英语写，我想生成"冷面霸总"，得翻译成"cold face CEO Asian man in black suit"；第二，角色一致性很差，同一个角色生成两次，脸就变了（会员1个月10美刀
）。你们也可以试试中文帮，应该会便宜一点
国产平台（文心一格、通义万相等）：中文友好，便宜，但画风偏"插画感"，不适合做"真人感"短剧。我试着生成了几张，效果像游戏CG，不像短剧。
Stable Diffusion：免费，可控性强，但需要显卡。我的笔记本是集成显卡，跑不动。
下面是Midjourney和liblib生成图片的对比
总的来说从精细程度看Midjourney确实nb，但liblib也能用且效果不错！
最终选择：Midjourney。虽然贵，但画质是硬道理。（虽然但是，国产平台中文理解效果确实不错，值得点赞）
视频生成：三个工具的血泪对比
Runway Gen-2：效果最好，动作流畅，表情自然。但价格劝退——625积分/月只能生成125秒视频，我要做10集×40秒=400秒，需要买3个月卡，光这一项就要300多块。
Luma Dream Machine：价格适中，但人脸容易崩。我生成了20条测试视频，有6条出现"脸部扭曲"，3条出现"动作反物理"（比如人往左走，头发往右飘）。
可灵AI：国产工具，对中国人脸处理较好，价格也能接受（60元/月，基础黄金会员的价格，向我这种业余的够用
）。缺点是只能生成简单动作——转头、微笑、眨眼这些可以，但"拥抱"、"奔跑"这种复杂动作容易出错。
最终选择：可灵AI。性价比最高，而且我可以通过剧本设计，避免复杂动作。
工具选完，我以为可以开始干活了。
结果第一周，我几乎都在和"角色一致性"这个问题死磕。
第二关：角色一致性的噩梦
这应该是每个做ai漫剧短剧头痛的地方
我生成了一张满意的男主形象：剑眉星目，冷峻的表情,黑色西装，完美的霸道总裁形象。
开始生成第二张——"男主微笑"。结果AI给我生成了一个完全不同的人：眼睛变小了，鼻子变塌了，发型从"三七分"变成了"中分"。
我当时的心情就像你养了只猫，第二天它变成了狗。
这是AI绘画最大的坑：每次生成都是独立的，AI不会"记住"你上一次生成的角色。
我开始疯狂搜索解决方案，试了三种方法：
方法1：固定种子值（seed）
| --seed参数用于控制生成图像时的 随机性，让生成过程变得 可重复。 它的作用是为 AI绘画的图像生成器提供一个初始的随机数种子，这样在使用相同的提示词和相同的种子值时，生成的图像会具有 类似的构图 和 风格。 |
每张AI生成的图都有一个"种子值"，理论上固定种子值可以生成相似的图。
我试了，效果有限。角色大致相似，但细节还是会变——有时候眼睛变大，有时候脸变胖，有时候衣服颜色变了。
成功率大概10%。是的，其实这还是四舍五入的结果
方法2：使用角色参考图（Character Reference）
Midjourney有个功能，可以上传一张参考图，让AI按这张图生成。
这次角色确实更像了，但新问题出现了：AI会"复制粘贴"参考图的姿势和表情。
我生成了20张图，男主全是同一个表情、同一个姿势，就像静态图换了20个背景。
方法3：种子值+参考图+提示词微调
我最终摸索出的方案：
先生成一张满意的角色图，记录种子值
后续生成时固定种子值+上传参考图
提示词只改"动作"和"表情"，其他参数不变
每次生成4张，挑1张最像的
这个方法成功率提升到了30%——也就是说，我要生成10张图，才能得到3张能用的。
实际工作量：
10集短剧需要约150张图
按30%成功率，我要生成500张图
Midjourney月卡包含200次快速生成，超出后要等慢速队列（一张图等10分钟）或加钱
我最终生成了600+张图，花了40小时
第7天晚上，我终于把所有角色图生成完了。我打开文件夹，看着那600多张图，有种"终于活下来了"的感觉。
但这只是第一步。哈哈
有了图片，接下来要让它们"动起来"。
我以为这会比生成图片简单——毕竟只是"让图片动一下"嘛。
很显然，我又天真了。
问题1：表情崩坏
我想要的效果："男主缓缓转头，眼神凌厉"。
AI生成的效果："男主的脸像果冻一样扭来扭去，眼睛一大一小，嘴角抽搐"。
我生成了10次，只有2次是正常的。
ai我********
问题2：物理规律错误
有一次我生成"女主转身离开"，结果她的头发飘动方向和走路方向相同——人往左走，头发也往左飘。
（你说离不离谱）
还有一次，男主的西装在转身时突然多出来一个袖子，像长了三只手。
问题3：画面突然糊掉
前2秒清晰，第3秒突然变模糊，像打了马赛克。
这个问题我研究了很久，发现是AI生成视频时的"帧间一致性"问题——AI在生成每一帧时，可能会"忘记"前一帧长什么样。
解决方案：
只做小幅度动作（微笑、眨眼、轻微转头） 避免大幅度动作（拥抱、奔跑、打斗） 缩短视频时长（从5秒改成3秒） 最重要的方法是多生成几次，祈祷运气好 |
实际数据：
生成了150条视频片段
完全能用：30条（20%）
勉强能用（需要卡点剪掉瑕疵部分）：45条（30%）
不能用：75条（50%）
最后的最后：我盯着那个"表情扭曲的霸道总裁"，真的笑了。
但第二天早上，我还是打开了电脑。
已经花了这么多时间，不做完太亏了。
第四关：剧本的特殊要求
视频素材总算搞定了，接下来是剧本。
我一开始以为这是最简单的部分——让AI写就行了。
传统影视剧本和短视频剧本的区别：
Claude生成的第一版剧本，最大的问题是：对话太多，画面太少。
我给Claude的提示词："写一个10集的现代甜宠短剧，男主是霸道总裁，女主是普通职员，两人因为一次意外相遇，逐渐产生感情。每集40秒，要有冲突和反转。"（够狗血俗套吧，但确实这种看得人多
）
Claude很快给了我一个大纲，看起来还行。但当我让它把每一集展开成具体剧本时，问题来了。
AI生成的剧本（第1集）：
场景：公司大厅 女主抱着一堆文件，匆忙走过 女主："糟了，要迟到了！" 女主撞到男主，文件散落一地 女主："对不起对不起！" 男主（冷漠）："看路。" 女主抬头，看到男主的脸，愣住 女主（心想）："好帅..." 男主转身离开 |
这个剧本看起来没问题，但放到40秒的短视频里：对话太多，7句台词至少需要20秒节奏太慢，前10秒都在"走路"和"撞人"缺少视觉冲击，没有"抓眼球"的画面结尾没有钩子，观众看完就划走了
我适当改后的剧本（第1集）：
0-3秒：特写男主的脸（俊美、冷峻），配文"他是全城最冷酷的总裁" 3-8秒：女主抱着文件狂奔，撞到男主，文件散落 8-12秒：女主抬头，和男主对视（慢镜头） 12-15秒：男主（冷声）："看路。"转身离开 15-20秒：女主看着男主背影，画外音："我不知道，这一撞，会改变我的人生" 20-25秒：闪回：男主回头看了女主一眼（暗示他其实注意到了她） 25-30秒：女主捡起文件，发现其中一份是男主的资料 30-35秒：特写资料上的名字："陆景琛，总裁" 35-40秒：女主（震惊）："他就是新来的总裁？！" 结尾字幕："明天，她将成为他的秘书..." |
同样的剧情，但：前3秒用"帅哥特写"抓眼球对话减少到2句，总时长5秒每10秒一个信息点（撞人→对视→身份→悬念）结尾有钩子（"她将成为他的秘书"），让观众想看下一集
且这样的结构让视频生成更加准确
这可是up十年心酸的结果（对）
实际工作量：
AI生成初稿：10分钟
我改成"短视频版本"：每集2-3小时（将每段剧本视频化，时间大多在它上面）
10集剧本，改了整整六天
改到第5集的时候，我突然理解了为什么市面上的AI短剧"剧情都很套路"——因为"不套路"的剧情，需要大量的人工打磨，而这恰恰是最耗时的部分。
AI可以生成"符合逻辑"的剧本，但不能生成"让人想看下去"的剧本。这中间的差距，就是人的价值。
第五关：配音的技术活
剧本写完，素材生成完，接下来是配音。
我用的是Azure TTS（微软的文本转语音服务），号称"最接近真人"的AI配音。
第一次生成，我听了5秒就关了——太假了。
虽然发音标准，但完全没有情绪起伏，像小学生朗读课文。
我研究了一下，发现Azure支持"情绪标注"——可以在文本里加标签，比如<emotion type="angry">表示生气。
我把每句台词都加上了情绪标注，这次好多了，但还是有问题：
问题1：不会停顿
比如这句："他...他为什么要帮我？"
真人会在"他"后面停顿，然后用疑惑的语气说"为什么"。
但AI读出来是："他他为什么要帮我？"——完全没有停顿，而且"他"重复了两次，像口吃。
这个ai确实很笨！！！！
解决方案：在文本里手动加标点和空格，比如"他。。。他为什么要帮我？"
问题2：语气词很僵硬
"啊"、"呢"、"吧"这些语气词，AI读得很生硬。
解决方案：能删就删，实在不能删就多生成几次，挑一个最自然的。
实际操作：
每句台词平均生成3次
10集剧本约200句台词，生成了600次
成本：30元
当我终于把所有配音都调好了。我戴着耳机，从第1集听到第10集，突然有种"我好像真的做出来了"的感觉。
没错当时我就是这种感觉
虽然还有很多瑕疵，但至少是个完整的作品了。
1.录咖：提供了大量的配音情绪、音色选择，并且更新速度快，支持多种语言，可以根据需要选择各种配音模板，音频支持MP3、WAV，视频字幕支持SRT、ASS格式。2.即梦ai：很强，就是价格有点贵 3.剪映：剪映的声线模拟，但是要充vip（不算贵）和亲自上阵（效果也还可以） |
第六关：剪辑的细节地狱
最后一关：剪辑。
不就是把素材拼起来吗？
结果剪辑占了总时间的40%，是最耗时的环节。呵呵！！
主要工作：
视频片段拼接（每集15-20个片段）
配音对齐（逐句调整，误差不能超过0.1秒）
字幕制作（400+条字幕，每条要调大小、颜色、位置、动画）
音效添加（开门声、脚步声、环境音等，每集30+个音效）
背景音乐（要根据剧情情绪切换，每集2-3段音乐）
转场效果（淡入淡出、闪白等）
调色（统一色调，避免不同片段色差太大）
看起来简单，实际那是一个剪辑人背负一生的痛苦
时间分配：
每集素材准备：2小时
粗剪：1小时
精剪（字幕、音效、调色）：3小时
每集总计：6小时
10集：60小时
最让我崩溃的是字幕。
短视频的字幕不能像电影那样"小而精致"，要"又大又骚"： 字号要大，至少占屏幕高度的1/10 颜色要鲜艳，最好有描边和阴影 关键词要高亮（比如"霸道总裁"用红色） 每个字要逐个弹出，配合配音节奏 |
剪映虽然有"自动识别字幕"功能，但生成的字幕又小又丑。
我只能手动调整每一条字幕的大小、颜色、位置、动画效果。
400多条字幕，我调了整整两天。
..........................................................................................
终于导出了第一版成品。
三十年河东，三十年河西，莫欺-------
我点开第1集，从头到尾看了一遍。
画面确实精美，但角色表情有点僵硬。配音有情绪，但总觉得"不对味"。剧情逻辑没问题，但节奏有点拖。
最尴尬的是，我自己都不想看第二遍。
但我还是决定发出去——毕竟已经花了三周时间，不发出去太亏了。
第七关：发布和数据
我选了一个周五晚上8点，把第1集发到了油管。
发布前，我还特意研究了"爆款标题"，封面也精心挑选了男主最帅的一张图，加上大字"霸道总裁的独宠"。
发布后，我每5分钟刷一次数据。
数据表现：
收益：约0元（这和我视频是在油管发布有关，如果是音符应该会有激励，但这种播放量也就几块）
第5集播放量突然上涨，我到现在也不知道为什么。可能是剧情有个小反转（男主突然对女主温柔了），也可能纯粹是运气。
复盘：问题在哪
冷静下来后，我分析了一下失败的原因：
1. 技术瓶颈
2. 内容问题
3. 运营问题
4. 竞争环境
如果你看到这里，还想试试AI短剧，这些是我的建议：
关于成本： 最低成本300元左右（Midjourney + 可灵AI + 配音） 但要做出"能看的"质量，建议预算500-1000元 时间成本至少100小时（3周业余时间） 不要指望"月入十万"，第一部作品大概率扑街 关于工具： AI绘画：Midjourney是目前最好的选择，但要有耐心调试 视频生成：可灵AI性价比最高，但别期待太高 配音：Azure TTS够用，但需要大量调试 剪辑：剪映免费且够用 关于内容： 别做"霸总+甜宠"，太卷了 找细分领域（悬疑、搞笑、科幻等） 剧情要有差异化，不能只靠画面 前3秒必须有强刺激，否则没人看 关于预期： 把它当成学习和实验，不要当成赚钱项目 如果播放量能过万，就算成功了 即使失败，你也会学到很多东西 |
值得吗？
如果纯粹从投入产出比来看，当然不值得。500块成本+100小时时间，换来0收益，这是个亏本买卖。
但如果从"学习"的角度看，我觉得还行。我至少搞明白了AI短剧的完整流程，知道了哪些坑可以避免，也理解了为什么"AI降低生产门槛"不等于"人人都能成功"。
AI只是工具，它能帮你生成素材，但不能帮你做决策、不能帮你理解观众、不能帮你打磨细节。
这些东西，还是得靠人。
最后再分享一下我做ai漫剧的实际流程和工具
附录1：制作流程
附录2：工具清单
10个月宝宝每天需要喝多少奶粉？
