01
剧本与分集
先确定集数、单集时长、每集结束在哪个动作上。竖屏短剧的剧本不是按场写，而是按拍点写：钩子、立事、加压、反转、兑现、悬念，一集六拍。
瓶颈：结构没定死就往下走。后面每改一次剧本，关键帧和视频片段全部作废。
S01PIPELINE
七道工序，以及每道工序真正卡人的地方
做一条AI短剧，不是写一段描述然后等画面出来。可用的流程基本固定在下面七步，顺序可以微调，但跳过哪一步，返工就会发生在哪一步之后。
02
分镜与提示词
把每一拍拆成具体镜头，写清景别、机位高度、角色朝向、光从哪边来、画面里有哪些可见物体。这一步的产物是一张镜头表，不是一段情绪描述。
瓶颈：描述写得像文案而不像摄影指令，生成结果就会每张都对、合起来不成一场戏。
03
关键帧生图
按镜头表逐镜生成静帧，一个镜头通常要首帧，必要时还要尾帧。角色、服装、场景的锚点在这一步固定下来，后面的视频生成只是让这张图动起来。
瓶颈：挑图比生图慢。一个镜头出八张挑一张是常态，废片不当场删就会在剪辑时拖垮进度。
04
图生视频
把关键帧变成几秒的动态片段，控制运动幅度、镜头推拉和角色动作。多数工具链在这一步给出的是三到五秒的素材，长镜头靠拼接或重生成。
瓶颈：全片最花时间的一块。镜头越长、动作越复杂，可用率越低，必须预留重抽的轮次。
05
配音与音效
台词配音、环境底噪、动作音效、情绪音乐各走一条轨。实操上建议先定配音，再按配音时长去剪画面，而不是让配音迁就已经剪好的画面。
瓶颈：同一角色跨集音色漂移。固定一套音色参数并留档，中途换了就全剧重来。
06
口型与对位
让角色的嘴形与台词对上。正面近景最难藏，侧脸、背身、手部特写、画外音都是成本低得多的替代写法，应该在分镜阶段就安排好。
瓶颈：音节对上了、重音没对上。观众说不出哪里怪，但会在这一秒划走。
07
剪辑、调色与导出
按拍点时间码组装，统一色温与明暗，补转场和字幕，最后按竖屏安全区检查一遍关键信息有没有被界面遮住。
瓶颈：不同批次生成的素材色调会飘。统一调色是让成片不像素材拼接的关键一步。
08
回看与重做
成片出来先用手机竖屏实机看，耳机一遍外放一遍，再对照穿帮清单逐项过。真正决定成片观感的，往往是这一轮里被揪出来的七八个小问题。
瓶颈：在电脑大屏上看不出来的口型和手部问题，在手机上一眼就能看见。
S02TOOL 01
分集结构规划器
填题材、集数、单集时长、冲突引擎和剪辑节奏，这个工具会按内置的短剧叙事结构模型，排出每一集的拍点位置、本集任务和结尾悬念，并标出哪几集是必须做强的关键集。
它是规则化工具，不是实时生成：输出由本页内置的结构模型、题材素材库和冲突模板组合而成，相同参数每次结果一致。给出的是结构骨架与时间码，人名、地点和具体事件需要你自己替换，直接拿去当成稿剧本用是不行的。
关键集位置按集数比例自动计算：开篇、四分之一处翻盘、中点反转、八成处至暗、末集兑现。
剪辑节奏
S03TOOL 02
工序工作量估算器
同样是十二集，写实人像加口型同步和插画风不开口型，工作量结构完全不同。填好规格，这个工具会算出七道工序各占多少比重、哪一道最吃时间、按这套配置要盯住哪几个返工点。
输出的是相对工作量占比与指数，不是工时也不是报价。绝对耗时取决于你用的工具、机器和熟练度，这里给不出、也不该给一个数字。镜头数按所选节奏的平均单镜时长推算，关键帧按每镜1.8张、视频生成按每镜2.2次估算，这两个系数是本模型的内置假设，含挑片与重抽，供横向比较用。
越接近真人，观众对脸和手的容错越低，生图与视频两道工序的权重随之上升。
附加要求
S04METHOD
角色一致性：四条可行路线，和一条谁都该先用的捷径
同一个主角在第1集和第9集看着不像同一个人，是AI短剧最常见的硬伤。目前通行的解决思路有四类，它们可以叠加使用，成本和稳定度差别很大。
定妆图加固定描述锚点
先把主角的正面、四分之三侧、侧面三张定妆图做死，存成参照组。之后每个镜头都带同一张参考图和同一段描述，描述里的发型、脸型、年龄段、服装用词一个字都不改。
适合：集数不多、换装少的项目。成本最低，稳定度中等，脸在大角度转动时仍会飘。
为角色训练一套轻量适配模型
用一组同一形象的图去训一个轻量的形象适配模块，之后调用它来生成这个角色。稳定度明显高于只靠参考图，代价是前期要准备素材并训练，角色一旦定稿就不好再改。
适合：集数多、主角戏份重的长线项目。前期投入换后期省心。
多角度转绘再入库
以一张定稿形象为基准，生成多个角度与表情的衍生图，人工挑出一致的那些，反过来作为后续生成的参考池。相当于自己攒一个小型角色素材库。
适合：介于前两条之间，不想训练模型但需要跨集稳定的情况。费的是挑图的工夫。
用分镜绕开难题
这是最该先用的一条。减少正脸特写和大角度转头，多用侧脸、背身、手部、过肩和环境镜头；把一个长镜头拆成同机位的两三个短镜头，角色在每个镜头内只需要保持一两秒。
适合：所有项目。它不解决一致性问题，但能让一致性问题不进入画面，性价比高于前三条。
验收方法：把每一集主角的正面截图并排放在一起，整体缩到拇指大小再看。缩略图会抹掉细节，只留下轮廓、发型和色块，差异在这个尺度上最刺眼。原图上看着还行、缩略图里认不出是同一个人，就是没过。
S05RHYTHM
竖屏短剧的节奏，和传统影视差在哪
很多人做AI短剧时套的还是横屏影视的习惯：先铺背景，再进冲突，镜头留白给情绪。在竖屏加滑动的环境里，这套做法会在前三秒就被划走。差别主要在六处。
| 维度 | 传统影视 | 竖屏短剧 |
|---|---|---|
| 开场 | 用环境与人物关系铺垫，冲突可以在几分钟后出现 | 前3秒必须出现问题本身，背景放到冲突之后再补 |
| 构图 | 横向构图，主体可以小，靠景深和调度分层 | 主体居中且占高度一半以上，上下留出界面遮挡区 |
| 单镜时长 | 常见4至8秒，长镜头承担情绪 | 常见2至4秒，情绪靠连续反应镜头累加 |
| 信息密度 | 画面、调度、台词分工承担叙事 | 台词承担大部分叙事，画面负责给出状态和反应 |
| 声音 | 画面先行，声音补足氛围 | 声音先行，很多观众是先听到再决定看不看 |
| 单集结构 | 一集包含多条线的推进 | 一集只完成一个情绪事件，结尾必须欠着一样东西 |
前3秒给的是问题，不是人物
有效的开场是「他被当众否了」，不是「他是一个努力的年轻人」。身份和背景可以在第二拍用一句台词补，顺序反过来就留不住人。
结尾停在动作上，不停在情绪上
把最后五秒单独播一遍，如果听上去像一个句号，就是停晚了。该停的位置是门刚被推开、话说了一半、手伸出去还没碰到。
每集只欠一样东西
一集抛三个悬念，观众一个也记不住。确定这一集要让人惦记的是哪一样，其余线索压到后面，不要在同一集里同时打开。
S06TOOL 03
导出前的十二项穿帮自检
每一项都附了具体的排查方法，照着做一遍大约二十分钟。勾选只保存在当前页面，刷新即清空，不会上传也不会留存。
角色与形象
画面与物理
声音与口型
节奏与成片
自检进度0 / 12
S07Q & A
现在能做到什么程度，自己能不能做
哪些画面现在已经比较稳
以通行工具链的普遍情况看，相对好控制的是：固定机位的短镜头、情绪特写、走路和转身这类幅度不大的动作、空镜与氛围镜头、以及靠剪辑完成的转场。这些镜头单镜控制在三秒上下，一般不需要反复重抽。
哪些仍然很难
连续的长对话、复杂的手部动作和持物、多人同框的互动、物体之间的精确接触、液体与碰撞这类物理过程，以及跨镜头的严格一致性，目前都还需要靠分镜设计去回避，而不是靠多生成几次解决。遇到这些内容，改写镜头比重抽素材省时间。
一个人能不能做完一部
能，但要把规模定小。先做三到六集、单集六十秒的短篇，一个主角加一个对手，场景不超过三个。等整条工序跑通一遍，再去考虑十几二十集的体量。开头就上二十集，多数人卡在第四五集的素材管理上。
最该先练哪一步
分镜。生图和生视频的工具会换，分镜能力不会过时。把一段戏拆成能被执行的镜头表，是决定成片是否像一部剧的分水岭；描述写得越像摄影指令，工具给出的结果越可控。
本页的工具会把我填的内容传到哪里
哪里都不传。三个工具都是浏览器里的本地计算，没有后端、没有接口请求，页面关掉就什么都不剩。导出的txt文件由浏览器在本地生成，也不经过服务器。