我做了一个测试。

拿了一张普通的人物照片——

不是模特，不是明星，就是我手机相册里随便找的一张街拍。

把这张照片丢给即梦AI。

然后开始计时。

10分23秒之后，我手里有了一集2分钟的短剧。

有人物，有对白，有场景转换，有情绪起伏。

虽然不是Netflix级别的制作，但放在抖音/视频号上，完全能看。

今天把这个完整流程拆给你，每一步怎么做，用什么工具，踩了哪些坑，全部写清楚。

先说清楚：这个流程用到了什么工具

不只是即梦一个工具，是一套工具组合：

四个工具，全部免费或有免费额度，今天就能开始。

为什么选即梦做这件事？

做短剧视频，核心难点是：人物一致性。

普通的AI视频工具，你让同一个人在不同场景里出现，前一个镜头和后一个镜头，脸往往不一样——

这对短剧来说是致命的，因为观众会直接出戏。

即梦的"参考图"功能解决了这个问题：

你上传一张人物照片作为参考，即梦会尽量保持这个人物在后续所有生成视频里的外貌一致性。

不是完美，但已经是目前国内工具里表现最稳定的方案之一。

完整实测流程：10分钟出一集短剧

第1步：确定短剧主题和结构（2分钟）

不要想太复杂。

第一集短剧，最适合这个结构：

开场（15秒）：建立人物和场景，制造悬念

发展（45秒）：推进情节，矛盾升级

转折（30秒）：出现意外，情绪爆发

结尾（30秒）：留下悬念，引导下集

总时长：约2分钟

我测试用的主题：

"都市白领深夜收到一条陌生短信，开始了一段改变命运的对话。"

简单，有悬念，不需要复杂的场景，适合AI生成。

第2步：用AI写脚本（3分钟）

打开豆包或Claude，输入：

请帮我写一个2分钟的短剧第一集脚本。

主题：都市白领深夜收到一条陌生短信，开始了一段改变命运的对话

主角：一位28岁的都市女性，在一家互联网公司做运营，独居，生活压力大

结构要求：

- 开场15秒：建立场景和人物，制造悬念

- 发展45秒：展开情节

- 转折30秒：出现意外情况

- 结尾30秒：留下悬念，结尾一句话让人想看第二集

脚本格式：

【场景X】场景描述（用于AI生成视频画面）

对白："……"

旁白（如有）："……"

镜头说明：镜头怎么运动

注意：

- 对白要口语化，像真人说话

- 每个场景描述要详细，因为要用来生成AI视频

- 结尾必须有强悬念，让人觉得"必须看第二集"

AI会给你一份完整脚本，大约需要1-2分钟生成。

拿到脚本，快速过一遍，把不自然的对白改成你觉得更像真人说话的版本。

第3步：把照片"激活"——用即梦图生视频（5分钟核心操作）

这是整个流程最关键的步骤。

操作入口：打开即梦AI（jimeng.jianying.com）→ 选择"视频生成" → 选择"图片生视频"

第一个镜头的生成（建立人物）：

① 上传你的参考人物照片

② 在提示词框里输入这个镜头的场景描述（从AI脚本里复制）：

一位28岁的都市女性，深夜独自坐在出租屋里，手机屏幕的蓝光照着她疲惫的脸，房间里只有台灯亮着，她低头看着手机，表情从平静到困惑，镜头从侧面缓慢推进，深夜氛围，冷蓝手机光和暖黄台灯光对比，

情绪：疲惫中带着一丝好奇，

竖图9:16，电影质感

③ 在"参考图强度"里把数值调到70-80%（保持人物特征同时允许场景变化）

④ 生成2-4个版本，选最接近你预期的那个

后续镜头的关键：每次都上传同一张参考照片

这是保持人物一致性的核心操作——

每生成一个新镜头，都把同一张人物照片重新上传，设置相同的参考强度。

不同场景里，人物脸型会有轻微变化，但整体相似度能保持在70%以上，足以让观众认出是同一个人。

按脚本，依次生成每个场景的视频片段。

一个场景生成约30-60秒，5-6个场景总共约4-5分钟。

第4步：在剪映里合成短剧（5分钟）

所有视频片段生成完成，进入剪映合成环节。

① 按脚本顺序排列片段

把即梦生成的视频按场景顺序导入剪映，拖到时间轴上。

相邻场景之间用"叠化"转场（0.3秒），不要用炫酷特效，否则会破坏剧情感。

② 加对白和旁白

方式A（AI配音）：把脚本里的对白粘贴进剪映"AI配音"功能，选两个不同的声音分别代表不同角色，生成配音轨道。

方式B（自己录制）：更有感情，但会露出声音（不露脸但能听出是你）。

③ 加字幕

点击"字幕" → "识别字幕"，自动识别配音内容生成字幕。

短剧字幕建议：字体选"黑体"或"楷体"，大小适中，位置在画面下方1/4处。

④ 加背景音乐

这里用Suno生成专属BGM——

打开Suno，输入：

Suspenseful urban drama background music,

Chinese contemporary style,

subtle tension with emotional undertones,

60-70 BPM, minimal and atmospheric,

suitable for a modern thriller drama,

no vocals, instrumental only

生成后下载，在剪映里作为背景音层，音量调到对白音量的20-30%。

⑤ 加片头字幕

在视频开头加3秒的黑底白字片头：

剧名 + 第X集 + 集数标注

这个细节会让视频看起来更像"正式短剧"，而不是普通视频内容。

实测结果：真实评价

做得好的：

✅ 人物一致性在7个镜头里表现稳定，脸型基本一致，观众不会出戏

✅ 场景切换流畅，配合剪映的叠化转场，整体有"剧感"

✅ AI配音 + 字幕的组合效果不错，对白清晰，情绪基本到位

✅ 整个流程真的可以在15分钟内完成（我第一次测用了23分钟，第二次熟了用了11分钟）

做得不够好的：

❌ 人物嘴型和AI配音无法同步——这是目前所有图生视频工具的共同问题，人物嘴巴在动，但动作和对白不匹配

❌ 复杂动作场景（比如两个人互动/打斗）即梦做不了——只能做单人或无人场景，两人互动需要特殊处理

❌ 情绪细腻度有限——人物表情比较单一，无法做到演员那种层次丰富的情感表达

嘴型不同步怎么解决？

这是最多人会遇到的问题，给3个解决思路：

思路①：用旁白代替对白

把对白改成第三人称旁白的方式讲述——

不是"我不知道该怎么办"，而是"她盯着手机，不知道该怎么办"。

旁白不需要嘴型同步，画面可以是人物的任何表情或动作。

这其实是很多AI短剧创作者已经在用的方式，观众已经接受了这种叙事风格。

思路②：用切换镜头避开嘴部

在人物说话的时候，把镜头切换到：

·对方听话时的表情（听的人不需要说话）

·手部特写（拿着手机/做某个动作）

·场景空镜（窗外/房间细节）

用剪辑技巧绕开嘴型同步的问题。

思路③：等技术迭代

口型同步是目前AI视频领域正在攻克的核心难题，预计2026年内会有商用级别的解决方案出现。

现在的内容做出来，等技术成熟了可以用新版本重新生成，届时质量会大幅提升。

短剧内容的选题公式

做AI短剧，什么主题最容易出爆款？

测试效果最好的3类主题：

① 都市悬疑类（我这次测试的方向）

·陌生人突然联系，牵出秘密

·普通人发现周围有不寻常的事

·主角意外卷入一件大事

为什么好做：场景简单（室内居多），不需要复杂的动作戏，主要靠对白和情绪推进。

② 职场复仇类（目前最火的短剧赛道）

·被欺负的员工逆袭

·平凡打工人发现老板的秘密

·职场小白意外掌握谈判筹码

为什么好做：办公室场景容易生成，人物关系清晰，情绪对比强烈。

③ 穿越重生类（有固定受众）

·现代人穿越古代

·重活一次，改变命运

·意外获得前世记忆

为什么好做：古装场景在即梦里生成质量很高，风格统一，视觉有辨识度。

发布策略：短剧内容怎么涨粉最快

策略①：每集结尾必须有强悬念

"下集预告"不只是下集的内容预览，而是一个让观众"不看会难受"的钩子。

最有效的悬念类型：

·突然的反转（"她以为他是陌生人，但其实……"）

·紧迫的问题（"她只有24小时，否则……"）

·情感的爆发点（"那一刻，她终于明白了……"）

策略②：更新节奏要稳定

每天一集，或者每两天一集，选一个你能坚持的节奏，然后一直坚持。

比起一次性发10集然后消失，每天稳定更新的账号涨粉更快。

策略③：在简介里明确写"每日更新"

视频号/抖音的算法对"系列内容"有加权，明确标注集数和更新节奏，让算法认识到这是连续内容。

一个人做短剧的完整工具链

把今天讲的内容整合成一张图：

故事灵感

↓

Claude/豆包（写脚本）

↓

即梦AI（图生视频，生成每个场景画面）

↓

Suno（生成专属BGM）

↓

剪映（合成剪辑 + AI配音 + 字幕）

↓

发布（抖音/视频号/小红书）

↓

评论区反馈→ 调整下一集

一个人，零演员，零摄影，零拍摄——做出可以发布的短剧。

这件事在2026年，真实可行。

最后

10分钟出一集短剧——

这件事在两年前是天方夜谭，在一年前是技术极客的专利，在今天是任何人都可以尝试的事。

工具已经准备好了。

故事，在你脑子里。

把它们连接起来，就是你的短剧。

今天就做一个测试：

从手机相册里随便找一张照片，想一个3句话的故事大纲，打开即梦，生成第一个镜头。

那个镜头出来的那一刻，你会明白——你也可以是短剧导演。

你想做什么类型的短剧？评论区告诉我，我来帮你出第一集的脚本大纲。

收藏这篇，完整工具链随时查阅。

关注我，AI创作实战系列持续更新，每篇都有教程，拿走就能用。