前几天我给自己派了一个任务用 AI 做一部海外题材的短剧名字暂定《埃尔多利亚》第一期先做 01、02 两集。项目标题里写着“新人 AI 练手”这确实是实话。我既不是专业编剧也不是视频制作老手手里只有一台普通电脑、一个写着 minmax h3 的模型入口以及一套还没被验证过的 AI 短剧制作流程。按常规思路接到新项目应该先研究清楚全部功能、参数和案例。但我没有那样做而是刻意选择了“仅抽卡一次”只生成一次用最小代价跑通从设定到画面的整条链路。这次尝试没有做出什么能拿去参赛的成片但它让我把一件重要的事情想明白了AI 短剧的真正门槛不在于你第一次能生成多惊艳的画面而在于你能不能把一次偶然的成功变成一条可以稳定复用的生产流程。下面这些内容就是我用《埃尔多利亚》这个项目做的一次完整实战复盘。如果你把它当教程我建议你重点关注的不是具体提示词而是流程设计、排查顺序和适用边界。1. 先搞清楚一件事AI 做“剧”不等于 AI 做“视频”很多新人对 AI 短剧的第一印象是“丢一句提示词出一个视频片段”。这个印象没有错但它很容易带来一个错觉能生成视频就等于能制作剧集。1.1 生成一段视频和一集剧之间的距离视频生成只是整条内容生产线里的一个环节。一集剧要成立至少要做这些事先有一个能讲清楚的故事再把它写成适合视觉表达的脚本然后是角色设定、场景设定、分场逻辑、镜头分镜再进入画面生成、声音、字幕、剪辑和发布。这就像一个人想开餐厅会炒一道菜只是基础能力还要解决菜单设计、食材供应、出餐效率、服务流程和品控标准。很多新人一上来就追求单帧画面的惊艳结果做出十几个漂亮片段却拼不出一集能看懂的剧。因为画面和画面之间没有角色关系、没有空间关系、没有叙事推进观众看到的只是一堆高度风格化的素材。所以在我开始《埃尔多利亚》之前先给自己泼了一盆冷水我要做的不是“生成几段视频”而是“生产一集可以被人看懂的剧”。这两件事的难度差着好几个量级。想清楚这一点很多操作方式都会不一样。比如我不会一上来就纠结镜头有没有电影感而是先保证剧情可以被观众理解。1.2 AI 海外剧的环节拆解为了不让“做一集剧”这句话变成空泛口号我给自己梳理了一个最小环节清单。下面这张表是整个项目的基础后面的每一步都对应其中一个或多个环节。环节产出物新人常见误区世界观设定一句话或一段背景介绍一上来就写几千字设定最后镜头完全用不上角色设定角色名、外貌、性格、关键道具角色描述太抽象生成时不稳定场景设定每个场景的固定视觉描述每次写镜头都换一套描述前后不一致分场脚本按场次组织的剧本只有对话没有画面动作镜头表镜头序号、景别、画面内容把镜头表当成最终文案忽略衔接画面生成角色图、场景图、动态片段抽卡几次后不记录后面无法修复配音字幕音频、字幕文本画面和语音信息重复剪辑合成可播放的成片把所有生成结果按顺序拼在一起没有节奏新人练手时不需要一次性把每个环节都做得很专业但至少要意识到每个环节都是独立存在的。尤其是“镜头表”这一步很多新人会直接跳过从文字一步跳到生成画面最后做出的视频往往是一堆漂亮但没有叙事逻辑的画面。针对《埃尔多利亚》这种海外题材短剧我还有一个额外提醒海外题材不等于堆砌异国元素。角色的行为逻辑、场景的空间关系、道具的视觉细节都比“看起来像某个地区”更重要。第一版尝试里我一心想要“有海外感”结果反而把最基础的故事线索忽略了。2. “仅抽卡一次”不是偷懒而是最小成本验证“抽卡”这个词经常接触 AI 生成的人都懂。同一个提示词连续生成几次结果可能完全不同因为你面对的是一个带随机性的生成过程。“仅抽卡一次”的意思就是同一个条件下只试一次不为了追求更高质量反复调整和重新生成。2.1 一次抽卡能验证什么作为新人练习这个选择我觉得很合理。它最大的意义是帮你验证“路径”而不是“质量”。抽卡一次你能观察到的信息包括模型入口能不能正常返回结果提示词和输入材料有没有被正确理解输出格式是否符合预期从文本到画面的链路是否完整后续环节能不能接住这个结果。只要这一条能走通就说明流程骨架没有大问题。哪怕画面效果一般也可以继续往下走去验证配音、字幕、剪辑这些环节。如果一次抽卡效果不错那当然更好说明当前方向值得继续投入。如果效果很差也不用急着换工具先检查提示词和输入是否准确。一个关键认知是抽卡一次是用来“探测流程”的不是用来“决定质量”的。真正决定作品质感的是后面反复迭代和工程控制。很多人在第一次抽卡失败后就觉得工具不行其实可能只是提示词里缺了主体描述或者输入参考图不够清晰。2.2 但低成本测试也有明确的边界“仅抽卡一次”能提供的证据很有限。它验证不了很多东西稳定性同一个提示词跑十次能不能保持同样的成功率一致性同一角色在不同镜头里能不能保持长相近似批量能力连续生成几十个镜头会不会遇到额度、超时、格式问题失败恢复生成失败时是能定位问题还是只能从头再来版权与水印模型生成的素材能否公开或商用是否带水印平台审核生成内容发布后是否符合平台规范。这些都需要更长时间的尝试去验证。所以项目标题里的“仅抽卡一次”是一个很好的“最小实验设计”但它顶多只完成了第一步。如果把这个当成完整工作流后面一定会出问题。打个比方去一家新餐厅只尝一个招牌菜能判断这家店值不值得再光顾。但要判断它能不能长期稳定出餐你还要看后厨流程和管理链路。AI 短剧也一样第一次抽卡是试菜不是开餐厅。注意仅抽卡一次验证的是路径不是质量。在继续增加投入之前先补上稳定性和一致性的测试。3. 我跑一遍《埃尔多利亚》0102 集的最小链路如果你也想做类似尝试可以参考我这次跑通的最小链路。它不是标准答案而是一条对新人比较友好的路径。3.1 先把目标收敛成一个可以验收的最小成片单元接到《埃尔多利亚》0102 集这个项目时我第一反应是做完整规划先写世界观再做角色然后画场景最后一批批生成镜头。后来我停下来想这个计划对新人来说太重了。真正适合新人的做法是把“剧集”这个大目标缩小到一个可以验收的最小单元。比如我给自己的定义是01 集验证“一个主角出场 一个环境建立”02 集验证“两个角色对话 一次镜头切换”。不追求完整剧情推进也不追求高难度动作只求每个成片单元能完成一个任务。之所以这样设计是因为“可以验收”比“看起来高级”更重要。项目一开始就给自己一个允许失败的空间压力会小很多迭代周期也会明显变短。如果第一个两分钟成片就想着覆盖完整世界观很可能才做到第二个镜头热情就被生成失败耗光了。3.2 从一句话故事到分镜表我先写下了一个非常基础的一句话故事少年在一个边境小城发现了失踪家人留下的徽章并因此踏上寻找之路。这个题材偏奇幻正好适合测试海外风格的画面质感。然后我把这句话扩展成一个 200 字左右的场景描述。注意这一步不要写成小说而要写成“可视化的演出说明”。比如故事开头镜头从灰石桥推到少年脸上他手里的徽章发出微弱蓝光远处城门已经模糊在黄昏里。接下来是镜头表。我的记录方式很简单一张表格就能承载。镜头景别画面内容台词/字幕预计时长1远景边境小城全景黄昏灰石桥薄雾无4秒2中景少年站在桥头低头看手中徽章“这枚徽章是我父亲留下的。”4秒3特写徽章发出微弱蓝光无2秒4中近景少年抬头望向远处的城门“我一定要找到他。”3秒每一条镜头记录后续都可以直接作为视频生成的输入描述。镜头表不用做得很复杂但必须包含三个信息这段画面里有什么、你想让观众注意什么、画面之间靠什么衔接。少了任何一个生成出来的片段都会变得碎片化。3.3 生成阶段先确认输入再谈参数进入生成阶段最重要的原则是先确认输入再谈参数。我把“镜头画面内容”变成了更完整的提示词。通用结构大概是主体 动作 环境 光线 镜头语言 风格。举个例子针对镜头 2一个穿旧旅行斗篷的年轻少年站在灰色石桥上低头看着手中发出蓝色微光的徽章黄昏光线中景电影感写实奇幻风格画面内没有文字和标志。这段提示词写得很具体主体明确、动作明确、环境明确、光线明确、镜头语言明确。很多新人喜欢写“一个美丽的少年站在桥边”这种抽象描述在生成阶段很难稳定落地。参数部分我只会关注几个直接影响结果的设置宽高比、生成时长、运动强度、随机种子。随机种子尤其重要它决定同一提示词下结果的稳定程度。如果你的工具支持固定随机种子一定要记录下每次使用的值。后期想复现一个好看的画面固定种子是唯一线索。需要强调的是不同工具的默认参数差异很大不要照搬别人文章里的具体数字。先看工具里的参数说明再根据自己的样例调整。注意不要照搬网上的具体参数。很多模型的默认值差异很大先跑一条样例再决定怎么调整。3.4 配音、字幕、剪辑把碎片变成“可看”的东西生成出的视频片段还不能叫剧集。后续还需要配音、字幕、剪辑。新人阶段我建议别急着做复杂声音设计。先保证画面里的人物说话时有清晰语音环境音可以后补。字幕要尽量简洁不要和台词完全重复。剪辑的原则很简单每个镜头只传达一个核心信息镜头之间的切换是“信息推进”不是为了炫技。观众如果看完一个 30 秒样片能讲出发生了什么剪辑任务就完成了。在《埃尔多利亚》0102 集这次尝试里我先完成的不是最终成片而是一条 30 秒左右的样片。这 30 秒让我知道了哪些镜头语法可以继续保留哪些生成提示词还需要修改。4. 跑通之后真正的坑才开始浮现流程跑通其实只是第一关。后续真正影响项目能不能做下去的是一致性、稳定性和排查能力。4.1 角色一致性最明显的短板AI 短剧项目做到后面最大的障碍往往不是画面质量而是角色一致性。同一个少年在前一个镜头里是黑色卷发下一个镜头可能就变成棕色直发。这种“崩脸”问题在短视频里尤其致命因为观众会在几秒内注意到。处理办法主要有三层。第一固定角色描述词。每次生成该角色时都必须使用同一段外貌描述不要每次自由发挥。第二使用参考图。如果你的工具支持角色参考功能先做一张角色设定图再基于它生成动态镜头。第三适当减少对“脸”的依赖。如果工具能力有限用背影、剪影、局部特写等镜头可以让一致性压力小一些。但也要说清楚局限即使做了参考图角色一致性也不是 100% 保证。因为生成模型是在概率空间里采样不是严格按参考图复制。所以每个镜头生成后都要人工检查一遍不能迷信“有参考图就一定能控住脸”。4.2 场景和道具连续性除了角色场景和道具也会漂移。比如我前面提到少年手里有一枚发出蓝光的徽章。这个镜头里徽章是圆形下一个镜头可能就变成方形。城门的建筑结构也可能在几个镜头之间发生微妙变化。建议在项目开始时就给每一个关键场景和道具建立“设定文本”。每次要生成相关镜头时直接把设定文本复制进提示词不要靠记忆重新描述。另一个技巧是把颜色、材质、形状这类信息放在提示词里的固定位置。比如所有场景描述都以“场景”开头所有角色描述都以“角色”开头。这样既方便模型理解也方便你后续排查。一旦某个场景连续出问题你可以快速找到所有相关镜头统一修改设定文本而不是逐条重写。4.3 批量生成、失败重试和记录意识跑通单条之后很多人会想直接把 20 个镜头一次性批量生成。我不建议这样做。我建议的顺序是先跑 3 到 5 条观察成功率和效果确认没有系统性问题后再扩大批量。因为如果前 3 条就有 2 条出现角色崩坏说明提示词或参考图设置有问题。这时候应该停下来调整而不是继续浪费资源。另外从第一次尝试开始就要养成记录习惯。记录内容包括提示词版本、参数设置、生成结果、是否满意、问题描述、下一步修改方向。记录不需要很复杂一张表格就能解决。任务模型入口提示词版本参数状态问题下一版调整镜头1minmax h3v1宽高比16:94秒成功画面偏暗提示词加“暖色光线”镜头2minmax h3v1宽高比16:94秒失败角色年龄偏大角色描述加“18岁左右”有了记录你才能做“单一变量排查”。否则出了问题你根本不知道是提示词、参数还是输入素材造成的。4.4 一个相对好用的排查顺序如果生成结果异常我一般按下面这个顺序排查而不是直接改提示词看现象。先搞清楚异常是哪种直接报错、长时间无结果、画面黑屏、角色崩坏、画风突变还是画面里出现乱码文字。看输入。提示词是否完整有没有拼写错误参考图是否清晰文本编码是否异常有没有无意引用了失效素材。看参数。宽高比、时长、运动强度、随机种子是否设置合理是否使用了和内容不匹配的模板。看工具条件。额度是否用完输出格式是否被后续环节支持有没有水印或版权提示。看预期。这个要求是不是超出了工具的当前能力比如让 5 秒片段里完成复杂打斗和多人对话。这个排查顺序的核心是先排除输入问题再检查环境最后才回到参数和模型能力。这样能避免每次都在盲目调参数。注意当结果异常时优先排查输入和条件再修改提示词或参数。很多时候问题根本不在模型能力而在输入材料或参数设置。5. 新人的 AI 短剧工作流怎么判断能不能继续投入跑完一轮后你需要一个判断标准来决定这个方向值不值得继续投入。我一般用五个指标来判断。5.1 可复用性一个工作流能不能继续用先看它是否可复用。你在《埃尔多利亚》里整理的角色设定文本、场景设定文本、分镜表模板和提示词结构换一个剧本能不能继续用如果可以说明这不是一次临时操作而是一套可以沉淀的方法。我的判断依据很简单下一次项目开始时如果不是从头摸索而是直接套用上一次的表格模板和提示词结构就说明流程开始具备复用价值了。可复用性是第一个指标也是后面所有指标的基础。5.2 可排查性第二个指标是出了问题能不能快速定位。一个健康的流程应该允许你把“哪一步有问题”找出来。比如画面崩了是角色描述不一致还是参考图失效视频卡顿是片段帧率不对还是剪辑工程太重。如果流程混乱到无法判断问题出在哪个环节那生成效果再好也不适合长期投入。因为你每次都在用运气做项目而不是用方法。5.3 质量可控性质量可控不是指每一次都 100 分而是指你能在可接受的范围内保持稳定。你可以接受多少比例的失败镜头失败之后重试的成本是多少哪些瑕疵可以通过剪辑规避。如果你在十次生成里成功一次但完全不知道成功原因那质量不可控。反过来如果成功率还说得过去且失败原因可解释质量就是可控的。所谓“可控”不是消灭随机性而是让随机性成为你可理解、可管理的变量。5.4 可迭代性迭代能力决定了这个项目能走多远。每次生成结果都需要被审视哪里好、哪里差、下一版怎么改。我把这个过程称为“版本更新”。给每个重要的提示词和镜头方案编号记录每一次修改原因。这样你的 AI 短剧项目就不是一个平面堆积的文件集而是有历史版本的目录。下次想回退到某个风格或者想看看某个参数改之前和之后的差别都一目了然。5.5 内容安全与版权边界还有一个很容易被忽略的指标材料合规性。做 AI 短剧尤其是有可能发布到公开平台时要提前确认生成素材是否满足平台的内容规范角色和故事是否涉及侵权风险使用到的模型是否允许生成内容用于公开或商业发布是否需要对 AI 生成内容做明确标注。这些不是限制创作而是避免项目做到一半突然被叫停。尤其对于海外题材项目如果涉及真实文化符号、历史人物或已有 IP更要小心。与其最后返工不如在项目开始时就把合规边界列进检查清单。6. 给同样想试 AI 短剧的新人一条更稳妥的路径最后说说如果给你也准备做一个类似的 AI 短剧尝试我建议从什么地方开始。6.1 先做一个 30 秒样片很多人的第一反应是“我要做一部完整的剧”然后开始写十集大纲。我的建议是反过来先做一个 30 秒的样片。样片不需要完整剧情只需要解决三个问题主角长什么样、主要场景是什么、氛围靠什么建立。30 秒已经足够暴露问题了。如果 30 秒的样片能做出来且你能讲清楚它讲了什么再做完整两集就不难。如果 30 秒都做得磕磕绊绊那就证明流程还没稳需要继续调试而不是继续堆量。6.2 先处理文本再处理画面很多新人会急着看到画面于是跳过文本直接写提示词。结果生成出来的片段彼此之间没有叙事关系最后成了一堆素材而不是一集剧。我更推荐先写一句话故事再扩展成场景描述再拆成分镜表。文本层面的调整成本最低等到画面生成之后再改文本代价会高很多。这也是我这次《埃尔多利亚》尝试中最受益的一点先花一个小时把文本和分镜理顺后面的生成和剪辑都会省力很多。6.3 每次只改变一个变量这是老生常谈但真正能坚持的人很少。AI 生成结果不稳定如果你同时改了提示词、模型、参数和参考图一旦效果变好你无法知道是哪个变量起作用一旦效果变差你也不知道该回退到哪里。所以每轮迭代只改一个变量最少跑两次再做判断。比如这一轮只改“光线描述”下一轮只改“运动强度”。这样积累出来的经验才是有效经验而不是一堆无法解释的偶然成功。6.4 把“抽卡”当成流程测试而不是创作终点回到“仅抽卡一次”这个话题。抽卡能帮你快速验证流程但它不应该成为创作的核心方法。如果你每一次创作都要靠抽卡抽到满意为止那你实际上是被随机性控制而不是在控制创作。更合理的做法是用一次或几次抽卡来探测流程找到方向后立刻进入确定性更高的流程比如固定角色设定、固定提示词、固定随机种子、建立版本记录。到这个时候AI 短剧这件事才算真正开始不是靠运气生成一个好看的画面而是通过可控的流程稳定地做出一个能看懂的剧集。这次《埃尔多利亚》0102 集的尝试我最终没有追求“一次性抽到完美成片”而是把注意力放在了“能不能把一次成功复制成十次”上。用一句话总结就是AI 短剧真正值得投入的地方不是让你用一次偶然惊艳别人而是让你能稳定地把一集内容做出来。对新人和老手来说这一点同样成立。