新手做AI 短剧每一步要用到什么工具？—— 一份按制作步骤的工具清单

整理日期：2026-09-19
提示：按步骤查工具，不是流程教程。核心答案就三件事 —— 这一步在干什么、有哪些工具、该选哪个。

这份清单解决什么问题

做 AI 短剧最耗时间的不是”学流程”，而是每一步到底该开哪个软件。

网上的教程要么只讲流程不点工具，要么把十几个工具一股脑堆给你，看完还是不知道第一步该打开哪个。这份清单把 AI 短剧拆成 15 个步骤，一步一节，每节给你：这一步在干什么 → 候选工具表（含免费额度）→ 实操要点 → 最容易踩的坑。

一句话用法：做到哪一步，翻到哪一节，照着表选一个工具就开工。

先记住三条贯穿全程的铁律（所有教程都反复强调）：
1. 先锁定角色再开拍，不要拍完再补 —— 76% 的创作者把”角色变脸”列为第一大痛点。
2. 先静后动 —— 先生成静态关键帧确认无误，再做动态化。直接文生视频可控性太低，新手慎用。
3. 同一条视频尽量用同一个工具完成 —— 混用工具容易”风格割裂”。

一、总览表：15 步，一步一行

怎么读这张表：如果你只想”先做出一条片子”，全程只用 即梦AI + 剪映 就能跑完 1→12 步，成本 ¥0。后面每一节的”进阶工具”是给你想提质时才打开的。

⚠️ 时效性警告：Sora 已于 2026 年 3 月被 OpenAI 关停（网页端 / App / 开发者服务全部下线）。任何把 Sora 列为主力的旧清单均已失效，视频生成请以 Seedance 2.0/2.5、可灵 3.0 为准。本文凡涉及 Sora 处均已标注。

二、逐步骤展开

步骤 1｜选题定位：先决定”做什么题材”

这一步在干什么：选定一个被市场验证过的题材，拆解 3 部对标爆款，再去拿授权 IP。题材选错，后面全白做。

实操要点
– 主流赛道二选一：2D 二次元漫剧（题材：古风/系统流/校园，流量大、门槛低）或 3D 仿真人短剧（题材：豪门/复仇/都市/悬疑，分销收益高、难度中）。
– 新手优先选市场验证过的题材，原创前先去番茄小说看什么在火。

这一步最容易踩的坑：凭喜好选题。AI 短剧爆款几乎都是网文 IP 改编，因为故事本身经过千万读者市场验证过。

出处：素材 F、H、J

步骤 2｜剧本：把题材变成可分镜的脚本

这一步在干什么：用 LLM 出剧本初稿。注意 —— AI 只出初稿，必须自己改。

实操要点
– 单集规格：60-90 秒 / 500-1200 字 / 8-12 个镜头；前 10 秒必须有强钩子；结尾必留悬念。
– 旁白占比约 40%、对白约 60%（漫剧画面表现力有限，心理活动和场景转换靠旁白衔接）。
– 输出格式统一为：集数 + 场景 + 人物 + 动作 + 对白 + 旁白。

提示词模板（剧本生成）：

你是一位资深AI漫剧编剧，擅长快节奏、强情绪的竖屏漫剧创作。
【题材】：______（如：古风复仇/都市甜宠/悬疑推理）
【核心设定】：______（一句话概括故事核心矛盾）
【主角】：姓名/年龄/身份/性格/核心欲望
【集数与时长】：共__集，每集60-90秒，8-12个镜头
创作要求：
每集前10秒必须有强钩子（冲突/反转/悬念）
每集结尾必须留悬念，引导看下一集
旁白占比40%，对白占比60%，旁白用于心理活动和场景过渡
对白简短有力，单句不超过15字
每集至少1个情绪转折点
输出格式：集数 + 场景 + 人物 + 动作 + 对白 + 旁白

网文转短剧模板：

你是专业竖屏漫剧编剧，将下面小说章节改编为60-90秒单集剧本，遵循爆款结构：
0-3秒强冲突钩子，中段快速推进剧情，结尾留反转悬念；
拆分为8-12个镜头，每个镜头标注：序号、景别、运镜、画面描述、人物台词、时长；
区分2D古风漫剧/3D写实仿真人两种画面描述，文字简洁适配AI绘图，删除冗余心理描写。
小说原文：【粘贴你的网文内容】

这一步最容易踩的坑：直接用 AI 剧本。AI 写的剧本千篇一律，必须自己加反转、改台词、调节奏；而且逐段修改，不要整段重写（越改越乱）。

出处：素材 F、H、J、A、K；补充素材 1（Claude/ChatGPT）、补充素材 2（知剧AI）、补充素材 3（DeepSeek/豆包/通义/Claude）

步骤 3｜分镜脚本：把剧本拆成可拍的镜头

这一步在干什么：把剧本段落拆成一条条镜头 —— 标注景别、动作、运镜、时长、台词、音效。分镜拆得越细，后面返工越少。

实操要点
– 1 分钟视频准备 5-8 张分镜图（太多太赶、太少无聊）。
– 每镜 3-5 秒、单一动作；复杂动作拆成多格（手按剑柄特写→拔剑中景→挥砍近景→对手后退全景）。
– 情绪用特写放大（愤怒给眼睛、悲伤给嘴角）；旁白对应空镜。
– 四个信息必填：景别 / 人物动作与表情 / 镜头运动 / 对应台词或旁白。

提示词模板（分镜拆解）：

你是一位资深漫画分镜师，请将以下剧本段落拆解为分镜头脚本。
【剧本段落】：______
【角色基准】：______（粘贴角色设定）
【场景基准】：______（粘贴场景设定）
【画风】：日系动漫 / 国漫厚涂 / 韩系半写实
每个分镜输出：镜号 / 景别（特写/近景/中景/全景/远景）/ 画面描述（人物动作+表情+构图+环境细节）/ 镜头运动（固定/缓慢推近/平移/缩放）/ 时长（秒）/ 对应台词或旁白 / 音效提示
要求：每个镜头3-5秒，单镜头动作单一明确，情绪节点用特写强调。

这一步最容易踩的坑：分镜拆得太粗。这一步花的时间，后面能省回三倍。

出处：素材 H、C、B、D、J、E；补充素材 5（Boords/Storyboarder）

步骤 4｜角色 / 场景资产：把角色的脸”焊死”

这一步在干什么：为每个核心角色建立资产档案（三视图 + 定妆参考图 + Seed 种子编码 + 外貌关键词），后续所有镜头全程复用。这是 AI 短剧的”生死线”，90% 新手在这里翻车。

关键数据：未存档角色参数的样本，人物画风错乱、五官变形概率高达 74.2%；完整建档后全片角色统一度可达 92.5%。

基础工具（新手够用）：

进阶一致性方案（对照选型）：

角色建档三件套（缺一不可）
1. 固定外貌关键词 —— 如”22岁古装青衣少女、柳叶眉、黑长直发、浅杏眼眸”。
2. 保存 Seed 种子编码 —— 角色长相的”DNA”。
3. 保存正面定妆参考图 —— 后续所有场景生图全程垫这张图锁脸。

外貌锚点模板（每镜提示词开头粘贴，一字不改）：

角色C01，25岁亚洲女性，鹅蛋脸，杏仁眼，右眼下方浅色小痣，黑色齐肩直发，三七侧分，银色圆形耳环

⚠️ 不要把”齐肩直发”改成”中长发”，不要交替使用”清秀””妩媚”等主观词 —— 每个词都会导致模型重新推断面部。

角色 2D 三视图模板：

古风少女，清冷五官，白色汉服，长发束起，8K超清，国漫二次元，柔和天光，干净背景，全身立绘，三视图（正面、侧面、背面），统一五官特征，无畸变

ComfyUI 关键参数（技术型用户直接抄）：
– InstantID：weight=0.8、start_at=0、end_at=0.4（weight 太高会面部僵硬）
– IP-Adapter：plus face 模型、scale=0.6（短剧建议 0.5-0.7）
– 基础模型：Realistic Vision V5.1；KSampler：步数 30、CFG 7.5、DPM++ 2M Karras

这一步最容易踩的坑：不建档直接开跑 —— 90% 概率变脸。

出处：素材 I、H、C、A、B、E、J；补充素材 3（即梦/可灵）、补充素材 4（建档三件套 + 74.2%/92.5% 数据）

步骤 5｜图片生成：先出静态关键帧

这一步在干什么：生成每一个镜头的静态关键帧。原则：先静后动，每镜多张择优。

实操要点
– 用基准图做参考，提示词加”保持角色形象一致”。
– 统一画风后缀：每条提示词末尾固定加画风描述。
– 批量生成择优：每镜生成 4-8 张备选（4-6 张起步，关键镜头放宽到 8 张）。
– 画面比例统一 9:16 竖屏（横屏素材发短视频流量减半）。

通用提示词公式：

主体 + 动作 + 场景 + 光影 + 镜头语言 + 风格 + 画质 + 约束

通用提示词结尾（直接粘贴）：

8K 超清，电影级光影，细节拉满，无畸形五官，无扭曲肢体，画面干净，竖屏 9:16，PBR 材质，细腻纹理，景深虚化

统一画风后缀示例：

日系动漫风格，赛璐璐上色，干净线条，柔和光影，高画质

这一步最容易踩的坑：一次性生成全部分镜不单独校验 → 后期返工量爆炸。逐镜确认，先静后动。

出处：素材 H、C、B、A、E、F；补充素材 3（即梦/可灵/Vidu/LibTV/剪映AI绘画）、补充素材 4（分镜提示词四要素）

步骤 6｜视频生成：静图变动态

这一步在干什么：把静态关键帧做动态化。两条路 —— AI 图生视频（推荐）/ 剪辑软件伪动态（零成本）。

实操要点
– 上传静态图 → 输入运动描述 → 生成 3-5 秒片段。
– 每段出 3-5 条挑最好的（三分多钟样片可能需抽上百条）。
– 检查三件事：走路顺不顺（脚有没有飘）、表情对不对、转头抬手连不连贯。
– 零成本方案：剪映给静态图加关键帧动画（缓慢缩放 110%→100% 模拟推镜、缓慢平移模拟摇镜）。

运动描述模板：

人物缓慢转头，眼神从冷漠变为惊讶，镜头缓慢推近

这一步最容易踩的坑
– 动作抽搐/闪烁 → Motion Scale 降到 3-4、CFG 提到 7-8、动作描述保持单一。
– 镜头时长失控 → 剧本写 3 秒，工具可能自动补成 10-15 秒，成片时长翻倍，只能后期手剪。
– Runway 超 5 秒 → 画面扭曲，每段 2-3 秒后期拼接。

出处：素材 A、C、G、H、J；补充素材 3（即梦/可灵/Vidu）、补充素材 5（可灵/Seedance/MiniMax/Sora）

步骤 7｜配音：声音情绪价值被严重低估

这一步在干什么：给台词和旁白配音。漫剧的情绪张力至少一半来自声音 —— 同样画面配平淡朗读和有情绪起伏的配音，完播率能差一倍。

配音 3 条铁律
1. 对话用不同角色音，旁白用沉稳解说音（总裁音/御姐音/少年音/甜美女声按角色分配）。
2. 语速调至 1.1-1.2 倍（见下方冲突表，各教程说法不一）。
3. 不同情绪段落切换语调，关键台词加重语气，不要全程平铺。

音色速配表（剪映AI配音）：

这一步最容易踩的坑：配音敷衍 —— 全程 AI 平铺朗读。宁可画面简一点，配音不能平。

出处：素材 B、H、K；补充素材 1（Fish Audio/ElevenLabs 批量 API）、补充素材 2（GPT-SoVITS/CosyVoice）、补充素材 3（剪映/讯飞/微软/MINIMAX 音色推荐）、补充素材 5（ElevenLabs/HeyGen/火山引擎）

步骤 8｜配乐音效：别只用 BGM

这一步在干什么：铺 BGM + 叠加细节音效。只用 BGM 不加音效，是新手最常见的”廉价感”来源。

配乐风格速查

音效三层法：① AI 精配人声 → ② 适配 BGM（压制在人声音量之下）→ ③ 叠加细节音效（脚步、开关门、风、心跳）。悬疑加心跳声、爽文加打脸声、甜宠加轻音乐。

这一步最容易踩的坑：BGM 音量盖过人声，观众直接划走（音量档位见下方冲突表）；以及只用 BGM 不加音效，缺乏沉浸感。

出处：素材 H、B、C、G；补充素材 2（音频三步）、补充素材 5（MiniMax Music3/Suno/网易天音）

步骤 9｜字幕：一键识别 + 手动润色

这一步在干什么：给成片加字幕。要求：关键词标红加粗、字号调至最大、旁白与字幕严格对齐。

实操要点
– 字幕字体：2D 用书法字体，3D 用简约黑体，字号适中加描边。
– 手动润色 AI 识别结果，旁白与字幕严格对齐。
– 关键词标红加粗。

这一步最容易踩的坑：旁白与字幕不对齐 → 观感割裂。

出处：素材 C、H；补充素材 2（Whisper/FunASR）、补充素材 3（剪映/快影/必剪）

步骤 10｜剪辑合成：把所有素材拼成片

这一步在干什么：按分镜顺序导入素材 → 音画对齐 → 加转场 → 调色 → 导出。

剪映操作清单：① 新建 9:16 竖屏项目按分镜顺序导入 → ② 音画精准对齐、台词音效画面卡点匹配 → ③ 一键 AI 居中字幕加粗放大 → ④ 微调色调锐化画质统一风格 → ⑤ 片尾留悬念钩子。

导出参数：1080P、9:16、30 帧、无水印。

这一步最容易踩的坑：转场处理（硬切 vs 溶解，见冲突表）；以及不做统一调色 → 各镜头色调不一放大”变脸感”。

出处：素材 B、C、F、H、G；补充素材 1（剪映自动字幕/智能转场/AI配乐）、补充素材 2（FFmpeg/Remotion）、补充素材 5（Premiere/DaVinci/Runway）

步骤 11｜封面标题：决定点击率

这一步在干什么：出封面图 + 写爆款标题。封面 = 大字标题 + 人物特写。

实操要点：封面用大字标题 + 人物特写；标题做 SEO 优化（关键词前置）；前三秒放大冲突画面 + 醒目大字标题。

出处：素材 A（封面设计）；补充素材 1（封面/标题 SEO）、补充素材 3（豆包/醒图/稿定设计）

步骤 12｜发布分发：一稿多投

这一步在干什么：把成片分发到各平台。冷启动前 5 条坚持日更。

发布节奏：抖音/快手/视频号三端同步；最佳时间早 7-9 点、午 12-14 点、晚 18-22 点；打标签 #AI漫剧 #短剧 #AI创作。

出海：ReelShort / DramaBox 等平台；2026 年全球微短剧市场预计 140 亿美元，AI 译制成本仅为真人短剧的 1/10、周期 3 天 vs 传统的 1-2 周。

出处：素材 F、G、H、J；补充素材 3（发布节奏/出海数据）

步骤 13｜投流：花小钱打标签

这一步在干什么：冷启动阶段付费买量，快速给账号打标签。

关键指标：投流核心指标 ROI ≥ 1.1（低于 1.1 不健康，要及时止损）。

大盘参考：字节 AI 短剧赛道日消耗突破 7000 万元（首次超过真人短剧）；腾讯广告 AI 短剧大盘日消耗 400 万元；付费 AI 短剧播放量占比约 86%。

这一步最容易踩的坑：不设 ROI 红线盲投。ROI < 1.1 立即停投调素材。

出处：补充素材 3（DOU+/ROI/大盘数据）

步骤 14｜数据复盘：看三个数就知道哪出问题

这一步在干什么：看后台数据，定位下一集要改什么。

数据复盘三指标

跳出点：观众在第几秒划走，就是下一集要改的地方。评论区是金矿 —— 观众在猜什么剧情、喜欢哪个角色，都是下一集的方向。

出处：素材 H、F；补充素材 4（数据复盘三指标）

步骤 15｜变现：钱从哪来

这一步在干什么：把流量换成收入。

趋势提醒：万播收益在跌（早期百万播放收益几百块，现在同样播放量可能只有几十块）；但头部创作者月入十万的例子仍在，关键在内容质量。

出处：素材 F、G、H；补充素材 3（变现数据）

三、三档配置方案：按预算选一套

三档都是完整可跑通的工具组合，区别只在质量与效率。

档位一｜零成本起号版（¥0 / 月）

来源：补充素材 1″极省钱方案 ¥0/月”、补充素材 3″18 个免费工具跑通全流程”。新手最稳方案其实是”图文轮播 + AI 配音” —— 比纯生视频稳定 10 倍、出片速度快 3 倍、爆款率反而更高。

档位二｜高效推荐版（¥200-300 / 月）

来源：补充素材 1″高效方案 ¥200-300/月”。

档位三｜专业量产版（¥800-1000 / 月）

来源：补充素材 1″专业方案 ¥800-1000/月”。
另注：素材 K 给出”工具链总成本约 2000~5000 元/月”，与上述三档不同 —— 该数字偏”一人公司全口径运营成本”，含算力与多工具叠加。

四、一站式平台 vs 单点工具组合：什么时候用哪个

选择建议
– 第一次做 / 只想验证能不能行 → 一站式平台，先用 huobao-drama 这类全自动工具跑通一遍，再逐环节优化。
– 已经跑通、要提质 → 切到单点组合（即梦出图 + 可灵出特效 + 剪映剪片）。
– 量产 / 有团队 → 一站式为主 + 单点补强（如用 Runway 单独做特效镜头）。
– 原则：同一条视频尽量用同一个工具完成，混用容易风格割裂。

一站式平台速查

出处：素材 A、H、J；补充素材 2（Xyva/AniShort/有戏AI/万兴剧厂/VIVAShort/幻舟AI）

五、开源自建方案（给技术型用户）

如果你有技术团队、要长期运营固定 IP，或在意数据隐私与成本可控，下面这套开源栈可以完全自建。

分层架构

开源工具清单（含 GitHub Star 参考）

硬件门槛：本地跑模型最低 8GB 显存（RTX3070/3060/4050）+ 16GB 内存；不够用 Google Colab / RunPod（约 0.2 美元/小时）/ AutoDL / Colab Pro V100（约 10 美元/月）。8G 显存跑 ComfyUI 用 --lowvram、选 SD 1.5 而非 SDXL、batch_size=1。

SaaS 全链路替代（不想自建）

出处：补充素材 2（开源方案）

六、工具之外的必需品（工具解决不了的部分）

这几样东西不用花钱买，但不做就会翻车。

七、避坑与合规

7.1 合规必做（三件事）

1. AI 内容标注：根据《人工智能生成合成内容标识办法》，全片需添加 AI 创作显性标注。各平台 AI 内容识别准确率已很高，别心存侥幸。
2. 版权授权：优先走官方授权渠道（抖音创作者中心→短剧版权中心；番茄百万网文 IP 免费申请改编）。无授权小说禁止商用发布。BGM、字体、素材全部用可商用版本。
3. 原创性：角色原创、背景不用真实地标。

7.2 四个高频坑（来自补充素材 4）

7.3 终极避坑 10 条

1. 无版权网文不要商用发布
2. 角色不锁定直接生成，90% 概率变脸
3. 单集超 2 分钟，完播率大幅下跌
4. 提示词只写人物不写光影运镜，画面质感廉价
5. BGM 音量盖过人声，观众直接划走
6. 3D 仿真人不调灯光，画面扁平
7. 一次性生成全部分镜不单独校验，后期返工量大
8. 忽略结尾悬念，追更率暴跌
9. 大量静态 PPT 式图片无动态运镜，平台限流
10. 画面比例选错，横屏素材直接发短视频流量减半

八、冲突数据对照表（不同教程说法不一，不替我统一）

以下参数在 5 份素材里各说各话，全部并列呈现，并给出取舍建议。

附录 A：工具速查总表（一页纸版）

附录 B：行业黑话小词典

附：全文素材来源清单

A. 教程库（11 篇）

B. 补充检索素材（5 份）