AI 短剧的上限，在按下生成按钮之前就决定了：把 8 步前期工程拆透

做了半年 AI 视频，作者把最大的教训压成一句话：视频差，不是模型差，是输入差。

大多数人做 AI 短剧走的是一条死循环——「随便一句提示词 → 生成 → 卡住 → 骂模型」。人脸会变、转场不顺、做不长、看不下去，第一反应都是”模型不行”。但真正的生产线是反过来的：你按下生成按钮那一刻，这条片子的上限其实早就定死了。

刷到一条把这件事讲透的 23 分钟教程，作者用即梦（Seedance / C 档 2.0）实拍了一集 AI 短剧《人类》，全程演示了一套前期工程：剧本 → 节拍 → 人物/道具/地点 → 分镜/场次/资产，最后才进生成引擎。这篇把这套流程吃透，连同每一步”为什么存在、偷懒会在哪翻车”一起拆给你。它和模型无关，换可灵、Runway 一样成立。

配套阅读：上一篇拆的是下游——视频生成出来后怎么把 15 秒短段接成长片（《长视频=短段拼接，4 种接龙法》）。这篇拆的是上游：还没生成之前，怎么把输入做扎实。两篇合起来才是完整的一条生产线。

一句话定性

AI 短剧不是”生成”出来的，是”编排”出来的。 视频是最后一公里，质量在前期就被锁死了。好剧本 → 好节拍 → 好分镜 → 好资产 → 才有稳定的输入 → AI 视频才会好。顺序不能乱，前面偷懒后面翻车。

把这句话想通，整件事就从”求模型给我一段好的”，变成”我怎么把输入做到足够稳，让模型没有发挥空间去乱猜”。后者你完全可控。

先看这条生产线长什么样

作者把一集 AI 短剧的制作拆成 8 步，前 6 步全在生成之前：

剧本 —— 写清故事、动作、对白、场景
节拍 —— 把剧情拆成几次”转向”
人物 / 道具 / 地点 —— 把反复出现的东西实体化、建卡
分镜 / 场次 / 资产 —— 把内容变成可生产、可验证的制作材料
→ 再写提示词（不是一句话，是按镜头/角色/场景/道具逐项写）
→ 交给即梦 Seedance 生成
→ 进剪映剪辑

工具（Seedance）只是最后一步。真正的功底全在前面。 下面逐步拆。

① 剧本：整部短剧的源代码

剧本不是给 AI 看的装饰文字，它是整部片子的源代码。剧本没写清，后面全部变虚：节拍不知道怎么拆、人物不知道怎么建、分镜不知道怎么拍，模型只能猜——猜出来的就是会变脸、会崩。

记住一个反直觉的顺序：你不是先做视频再补故事，而是先把故事写成剧本，再让 AI 把它拍出来。

一句”人类降临在兽人的世界里”是概念，不是剧本。真正可生产的剧本，要把六个要素逐项写满：

场次：内景/外景、时间、地点——先锁死”这场戏发生在哪”。
动作：人物做什么、看什么、碰什么——给画面生成依据。
角色：谁在说话、谁出现、谁的反应——避免人物关系混乱。
括号（表演提示）：语气、停顿、表情、小动作——“压低声音说”还是”强忍着说”，直接影响表演。
对话：角色真正说出口的话，负责推动信息和情绪。
转场 / 注释 / 字幕等。

剧本不是文学作品，是生产文件。你写得越清楚，AI 拿到的输入就越稳定。

作者强调剧本解决三件事：时长（很多人只能做 15 秒，是因为只有 15 秒的故事；想做长就得有长剧本、有下一场下一集）、输入（动作/对白/视线/声音/空间关系全从剧本里提取，剧本越具体提示词越具体）、连续性（人物状态、道具位置、场景关系都有源头，剧本没写后面 AI 只能瞎猜）。

② 节拍：一集不是 5 场戏，是 5 次转向

这是最容易被误解的一步。很多人把”节拍”理解成”场次编号”——第一场=第一个节拍——这是错的。

节拍不按场次走，节拍看的是剧情在哪个点发生了变化。一个节拍可以跨好几场，一场戏里也可能藏好几个节拍。作者的比喻很到位：

剧本是一场拳击赛的逐帧录像（每一拳每一步都记下来）；节拍是同一场比赛的回合分析（第一回合试探、第二回合重击、第三回合被反杀）。

以《人类》第 1 集为例，5 个节拍是 5 次转向，不是 5 段画面：

坠落 —— 人类作为异物坠入兽人世界，正常秩序被打破。
被指派 —— 女主阿晨本可只看新闻，长官逼她去现场，被迫卷入、不能再当旁观者。
面对面 —— 阿晨隔着隔离墙第一次见到人类，厌恶和好奇第一次同框。
文字之谜 —— 人类拿笔写出有结构的符号，证明它有智慧、有文明痕迹。
目光黏上 —— 阿晨嘴上否认，尾巴和眼神却暴露了好奇。

每一次转向都把故事往前推一步。给新手的关键建议：先写节拍，再写剧本——先搭骨架，再填血肉。 光有节拍没剧本，你没法拍（“外来人降临了”——怎么降临、什么声音、谁看到、谁后退全没有）；光有剧本没节拍，你会写一堆画面却不知道每场为什么存在，写着写着就迷路、强行加戏接不上。

③④⑤ 人物 / 道具 / 地点：把世界”实体化”

AI 视频的连贯性不是靠”抽卡抽到好的”，是靠实体管理。所有会反复出现的东西都不能每次临时生成，必须建卡、锁死。

人物 ≠ 名字。 只写”阿晨""博士”远远不够。要让角色变成可复用的资产：职业是什么、外形是什么、性格里有哪些矛盾。作者连群演路人甲都生成图片管理。有了角色卡，后面的肖像、分镜、视频里人物才不会变形。
道具 = 叙事的延伸。 关键道具不是随便一支笔，而是推动剧情的认知物：金属舱是”人类降临”的证据，隔离墙制造距离感，笔和纸让兽人意识到”人类也有智慧”。判断标准：镜头会停留的、人物会触碰的、剧情会反复提到的东西，都该入库。 模型不知道哪个东西重要，除非你先告诉它。
地点 = 锁住世界。 每个地点有自己的视觉规则：湖边是开阔自然光+水柱，办公室是权力空间+新闻屏，观察室是冷白色+隔离墙。地点不设定，AI 每次生成就换个空间——上一秒科幻实验室、下一秒普通医院，连续性直接崩。

这三步的产出是一堆参考图（人物三视图、道具示意图、地点主视觉），后面全部喂给 Seedance 当参考，保证一致性。

⑥ 分镜：把动作翻译成”机位语言”

到这一步不再想”故事好不好”，而是想”这段戏怎么被看见”。AI 尤其需要这一步——模型不是导演，它不会自动知道哪个镜头该远景、什么时候该推进、什么时候切反应。

而且分镜不能停在”镜头规划”，要继续往下走，变成 Seedance 能听懂的提示词。比如”阿晨被笔尖吸引”，直接写动作 AI 会拍得很平；拆成镜头就活了：指尖特写 → 阿晨眼睛反光 → 尾尖跟着节奏摆动 → 意识到失态、压下尾巴。 作者用一套”运境技能”来写镜头提示词，核心是判断三件事：水平角度、垂直角度、运动轨迹——哪个镜头用特写、哪个用别的，都是为了强调特定内容。

⑦ 场次：从文字进入制作的”管理门”

场次是生产单位。把剧本拆成一张张卡片：每个场次有什么地点、出现哪些人物、有哪些台词、能不能生成视频，都在这里管理。

为什么重要？因为 AI 短剧不是一口气生成一集，而是一段一段拆开生产、逐段可检查、可重做。 第一集有湖泊、办公室、管控区、观察室，每个场景都先生成静态帧、检查人物/地点/道具气质对不对，再生成视频。场次就是从”文字”进入”制作”的那道管理门。

⑧ 资产：交给模型前的最后一道连续性保险

资产是把前期工程交给 AI 之前最后一次连续性锁定：人物资产、地点资产、道具资产、场景资产、参考图资产，全部固定下来存成文件夹。没有资产，提示词在场里引用就会飘；有了资产，模型至少知道这个人长什么样、这个地方长什么样、这个道具变不变。

对 AI 来说最关键的三类资产：

人物资产 —— 肖像、三视图、服装、不同表情。
地点资产 —— 每个场地的主视觉图、光线材质、空间结构。
道具资产 —— 金属舱、笔纸、隔离墙等。

这些资产进入生产流程后，同时充当三个角色：参考图、约束条件、验收标准。

最后一公里：Seedance 的输入逻辑

到这里才进即梦（C 档 2.0）。Seedance 不是导演也不是编剧，它是生成引擎，只吃输入。所以写提示词不是”一只猫看到了人类”，而是按每 15 秒一个 beat，逐项喂：

画面规格 —— 比例、时间、地点、光线写清楚。
人物资产 —— 谁出现、绑定哪张参考图。
时间轴 —— 0–5 秒发生什么、5–10 秒、10–15 秒。
镜头语言 —— 景别、机位、运镜、焦点。
约束词 —— 脸不要飘、道具不要丢、空间不要乱。

把前面所有内容做完、抽象出来，再喂进模型，才能生成稳定的好视频。

生成前先问自己这八个问题

作者给了一张按生成按钮前的自检清单，本质是检查”输入到底够不够稳”：

剧本够长吗？有没有下一段、上一场、下一集？
节拍清楚吗？每一段是否都承担一个转折？
实体完整吗？道具、地点、人物是否都入库？
分镜可拍吗？镜头有顺序、有景别、有运动规则吗？

很多时候不是 AI 做得不好，是你没把”要做什么”讲清楚。AI 短剧的上限，在生成按钮之前就决定了。

能直接抄的几点

顺序固化成 SOP：剧本 → 节拍 → 实体化（人物/道具/地点）→ 分镜 → 场次 → 资产 → 生成。每一步有明确产出物，缺一步后面就翻车。
节拍先于剧本：新手最该练的是”用 5 次转向搭骨架”，而不是上来堆画面。
一切复用元素建卡 + 配参考图：人物、道具、地点都生成图固定下来，喂模型当参考——这是一致性的根，比任何”约束词”都管用。
分镜翻译成三轴机位（水平角度/垂直角度/运动轨迹），把”平”的动作拆成有特写、有反应的镜头序列。
生成前过八问清单：把”骂模型”的精力，前移到”检查输入”。

说到底，这条视频真正的价值不是某个工具，而是一句判断：当你想用 AI 拍片，第一个问题不该是”用哪个模型”，而是”我的剧本写完整了吗、节拍清楚了吗、资产备齐了吗”。 工具年年换，这套”前期决定上限”的工程思维不会过时。