AI 短剧制作：从脚本生成到画面渲染的全链路

上个月，一位做短视频运营的学员找到我，说他接了个短剧项目，甲方要求一周内出3集，每集2分钟。按传统流程，光写剧本就得3天，更别提分镜、配音、后期了。他问我：“有没有办法用AI把整个流程跑通？”我给了他一套方案，结果他3天就交了初稿，甲方还夸画面质感不错。今天，我就把这套全链路流程拆开来讲——从脚本生成到画面渲染，每一步用什么工具、设置什么参数，都会讲清楚。

一、脚本生成：用AI搭建故事框架

短剧的核心是节奏快、冲突强。传统编剧会先写大纲，但用AI，我们可以直接生成符合短视频平台调性的剧本。我推荐的工具组合是 ChatGPT 4.0（生成剧情） + Claude 3 Opus（优化对话），配合 Notion AI 做结构化整理。

操作步骤：生成一个“逆袭”题材短剧脚本

1. 定义核心要素
在ChatGPT中输入以下提示词（Prompt）：

   你是一个短剧编剧，擅长“逆袭”题材。请生成一个3集短剧的剧情大纲，每集时长2分钟。要求：
   - 主角：25岁职场女性，被同事排挤
   - 冲突：第1集被陷害，第2集发现真相，第3集反杀
   - 节奏：每集至少3个反转
   - 风格：台词简洁，每句不超过15字
   

2. 生成具体对话
将ChatGPT输出的大纲粘贴到Claude 3 Opus中，要求：

   根据以下大纲，生成第1集的分镜头脚本。每个镜头包括：
   - 镜头编号
   - 画面描述（含场景、人物动作、表情）
   - 台词（按“人物：台词”格式）
   - 音效提示
   

Claude 3 Opus的优势在于对话逻辑更自然，能避免AI常见的“废话连篇”问题。

3. 结构化输出
将Claude生成的脚本复制到Notion AI中，用“/AI”命令选择“表格”模式，自动生成分镜表。你只需调整镜头时长（建议每镜头3-5秒，短剧要快）。

参数说明

• ChatGPT 4.0：温度（Temperature）设为0.7，保证创意但不跑偏；Top P设为0.9，增加多样性。

—

二、画面生成：从文字到视觉的精准转化

脚本有了，接下来是画面。传统做法需要找演员、搭场景，但用AI图像生成工具，我们可以直接“画”出来。这里我用 Midjourney V6.1 + DALL·E 3 组合：Midjourney负责角色和场景的精细刻画，DALL·E 3擅长处理文字和复杂构图。

实操案例：生成短剧第1集关键帧

案例需求：主角被同事陷害后，在办公室崩溃的场景。要求：冷色调、俯拍角度、桌上散落文件。

步骤1：用Midjourney生成角色定妆照

在Discord中输入：

/imagine prompt: A young Asian woman in her 20s, wearing a white blouse and black skirt, sitting at a messy office desk, head buried in hands, crying, cinematic lighting, blue color palette, low angle shot --ar 9:16 --v 6.1 --style raw

参数解析：

生成后，选择最符合情绪的一张，用 `–seed 12345` 固定种子，方便后续统一角色。

步骤2：用DALL·E 3生成场景背景

打开ChatGPT 4.0（集成DALL·E 3），输入：

生成一个现代办公室场景，俯拍视角，桌面凌乱，有咖啡杯、散落的A4纸���窗外是阴天，整体色调偏蓝，分辨率要求1920x1080。

DALL·E 3的优势在于能精准理解“俯拍”“凌乱”“阴天”这些具体描述，且背景细节丰富。生成后，用Photoshop（或免费工具GIMP）将角色抠图，合成到背景中。

步骤3：动态化处理（可选）

如果需要动态效果，用 Runway Gen-3 Alpha 将静态图转为2秒视频片段。上传图片后，输入动作描述：

woman slowly lifts her head, tears streaming down her face, camera slowly zooms in

Runway Gen-3的“Motion Brush”功能可以指定画面局部运动（比如让纸张飘动），参数设置：Motion Strength 0.4（避免动作过大显得不自然），Frame Rate 24fps。

—

三、配音与音效：AI让声音“演”起来

画面有了，但短剧不能是哑剧。配音我用 ElevenLabs 的“Speech Synthesis”功能，音效则用 Audiocraft（Meta开源工具）生成。

操作步骤：配音与音效同步

1. 角色配音
在ElevenLabs中，选择“Voice Library”里的“Narrator”或“Professional”声音。关键参数：
– Stability：70%（保证发音稳定）
– Clarity + Similarity：80%（保留原声情感）
– Style Exaggeration：50%（短剧需要情绪外放，适当调高）

将脚本台词分段输入，每段不超过30字（短剧台词要短），生成后导出WAV格式。

2. 环境音效
打开Audiocraft的Web界面（本地部署需Python环境），输入描述：

   Generate a 10-second office ambient sound: keyboard typing, paper rustling, air conditioner hum, low volume
   

参数设置：
– Duration：10秒
– Model：musicgen-medium（平衡质量和速度）
– Temperature：0.3（避免随机噪音）

生成的音效文件用 Audacity（免费音频软件）修剪，与配音对齐。

3. 混合输出
将配音、音效导入视频编辑软件（我用 DaVinci Resolve 18.6 免费版），配音轨音量设为-6dB，音效轨设为-18dB，避免盖过台词。导出时选择H.264编码，比特率10Mbps，分辨率1080p。

—

四、渲染输出：一集短剧的完整交付

最后一步是渲染。短剧通常需要添加字幕和片头片尾。我用 CapCut（剪映国际版）的AI功能自动生成字幕，再用 Premiere Pro 2024 做最终合成。

参数设置建议

—

总结与进阶建议

全链路跑下来，你会发现AI不是替代创作者，而是把重复劳动（写大纲、画背景、配音）自动化了。你只需要把控核心创意和情绪节奏。我的建议是：

1. 建立角色库：用Midjourney生成角色后，固定种子和风格，后续剧集直接复用，避免角色“变脸”。
2. 打磨提示词：每次生成后，记录哪些描述词有效（比如“cinematic lighting”比“good lighting”强得多），形成自己的词库。
3. 多工具联动：不要依赖单一工具。ChatGPT写剧本、Midjourney画图、ElevenLabs配音，各取所长。
4. 关注AI更新：Midjourney V7（预计2025年）可能会支持更长的视频生成，Runway Gen-4也在路上，及时测试新功能。

如果你现在开始，建议先做一个30秒���demo，跑通整个流程。遇到问题，可以对照下面的FAQ。

—

常见问题 FAQ

Q1：AI生成的脚本逻辑硬伤太多怎么办？
A：用ChatGPT生成后，再让Claude 3 Opus做“逻辑检查”。输入提示词：“请找出以下剧本中的逻辑漏洞，并按严重程度排序”。Claude在因果推理上更强，能发现时间线冲突、角色动机不合理等问题。

Q2：Midjourney生成的角色在不同镜头里长相不一致？
A：使用 `–seed` 参数固定种子，并在每次提示词中保持角色描述一致（比如“a 25-year-old Asian woman with short hair, round face, wearing a white blouse”）。如果仍不一致，用 InsightFace 做换脸，或者用 Stable Diffusion 的ReActor插件统一面部。

Q3：ElevenLabs配音听起来像AI读稿？
A：调整“Style Exaggeration”到60%以上，并在台词中加入括号提示情绪，比如“[angry] 你怎么能这样！[sad] 我明明那么努力”。ElevenLabs会识别情绪标签，让声音更有起伏。

Q4：Runway Gen-3生成的视频动作太僵硬？
A：降低“Motion Strength”到0.3-0.4，并增加“Transition”参数（设为0.2），让动作更平滑。如果人物移动，先用Midjourney生成多帧图片，再用Runway的“Frame Interpolation”功能补帧。

Q5：渲染出来的视频文件太大，怎么压缩？
A：用 HandBrake（免费）重新编码。设置：视频编码H.265，RF值22（18-28范围，数值越大画质越低，文件越小），音频编码AAC，比特率128kbps。通常能压缩到原文件的1/3，画质损失肉眼不可见。