企业官网建设流程全解析

1. 先搞清楚AI短剧到底在做什么

我最近半年基本把精力都压在AI短剧这条线上，从最开始用AI短剧创作工具AniShort做第一条15秒测试片，到后面能稳定周更两三条完整剧情，中间踩的坑足够写一本小册子。很多人以为这类工具就是"输入一句话、吐出一部剧"，真上手才发现完全不是那么回事——它更像一个把编剧、摄影、美术、配音、剪辑几条流水线压缩进一个界面的工作台，工具解决的是"产能"，但"产能"往哪个方向使，还是得靠人。AniShort在这个环节里扮演的角色，说白了就是把过去需要一整个小组协作的工序，收敛到一个人可以独立跑完的闭环。

所以这篇东西我打算按真实的生产顺序拆，讲清楚每一段该干什么、为什么要这么干、哪些参数不能拍脑袋定。适合两类人看：一类是完全没接触过AI短剧、想先摸清整个链条再决定要不要投入的新手；另一类是已经能生成单条画面、但拼不成一部完整剧、卡在角色一致性和节奏上的半熟手。我不打算把它写成产品说明书，更多是我自己跑项目时记下来的工序笔记。

1.1 从"一个人拍一部剧"说起：这类工具真正解决的三个痛点

第一个痛点是角色稳定性。早期我用通用生图模型做连续剧情，同一个角色第二镜就换了一张脸，观众三秒出戏。AniShort这类工具把角色资产单独拎出来做成可复用的"角色卡"，本质是把"这张脸"从一次性提示词里剥离出来，变成一个可被反复引用的实体。这个设计改变的是工作流，不是画质——画质再好，脸一直在变，剧就不成立。

第二个痛点是分镜与画面的耦合。传统做法是先用表格写分镜，再一条条去生成，生成结果和分镜对不上就反复改。工具把分镜表做成了结构化输入，镜号、景别、台词、时长、参考图绑在一起，生成失败可以直接定位到某一镜重跑，不用整条推倒重来。这是产能上的关键改进，因为短剧最耗时间的地方从来不是"生成"，而是"改了之后全部重来"。

第三个痛点是音画同步。短剧台词密、镜头碎，口型对不上会立刻让人觉得"假"。工具把配音和口型驱动接在同一条时间线上，改一句台词只需要重跑那一小段，而不是重新导出一整条。我实测下来，这一块节省的时间能占到整个后期的一半以上。

1.2 全流程拆成六段：一张能贴在墙上的工序表

我把整个流程压成六段，每段有明确的产出物。没有产出物的步骤都是自我感动，做完自己都不知道进度到哪了。

这张表我贴在显示器边上，每次开工先看一眼哪一段最容易拖。实际跑下来，第四段永远是时间黑洞，因为生成有随机性，废片率控制不住整条线就会崩。后面我会专门讲怎么把废片率从50%压到20%左右。

提示：新手最容易犯的错是从第三段开始干——先捏角色、先生成好看的画面，最后才想故事。结果就是画面很漂亮但拼不成剧，几十条素材全部作废。顺序不能反。

2. 开工前的准备：把"想法"变成"可执行资产"

这一段是我认为最值钱的部分，因为它决定了后面所有生成工作的上限。很多人把时间全砸在生成上，结果生成出来的东西方向就是错的，返工成本极高。前期多花两小时，后期能省两天。

2.1 选题与钩子设计：前三秒决定生死

短剧的残酷之处在于，观众划走你的成本是零。所以第一镜不是"交代背景"，而是"制造异常"。我自己总结了三类比较稳的钩子：异常状态开场（人物一出场就在一个不合理的情境里）、身份反差（外表和身份严重不匹配）、悬念前置（先给结果，再倒回去讲原因）。这三类不需要复杂设定，单镜就能成立，非常适合AI生成——因为AI最擅长的就是"一张有信息量的画面"，最不擅长的就是"细腻的表演过渡"。

具体到执行，我会先写一张钩子清单，每条不超过20字，然后问自己三个问题：这条钩子能不能用一个静态画面表达？观众看到这个画面会不会产生"为什么"的疑问？这个疑问能不能在30秒内给出第一次回应？三个都是"是"，才进入下一段。这里有个很实用的判断标准：如果你的开场需要旁白解释三句话观众才懂，那这个开场基本废了。

时长上我建议新手从60到90秒起步。这个长度够放一个完整的"起—转—合"，又不需要处理复杂的人物关系。中文台词语速大约每秒4到5个字，60秒的剧台词总量控制在240到300字之间比较舒服，超过350字就会变成赶场，画面跟不上嘴。

注意：不要一上来就做多集连续剧。第一集就设悬念、留钩子，但一定要做成"单集可独立看懂"。我见过太多人第一集铺垫了90秒世界观，数据直接躺平。

2.2 剧本结构化：把文字转成"可生成"的分镜表

写剧本和写分镜是两件事。剧本是给人看的，分镜是给机器看的。我在AniShort里的做法是：先写纯文本剧本，只保留台词和动作提示，然后逐句拆成镜头。拆的原则是一个镜头只讲一件事——一个动作、一句台词、一个情绪变化，三选一，不要叠加。

分镜表的字段我是这么定的，这套字段跑下来最省事：

一个60秒的短剧，拆下来大概12到18个镜头，平均每镜3到4秒。超过20镜就会显得碎，低于10镜又会显得闷。这个区间是我试了十几条片子后比较有把握的经验值。

2.3 角色设定与一致性资产库

角色卡是整个流程的地基。我的角色卡包含四块内容：文字锚点（年龄、脸型、发型、眉眼特征、体型、标志性服饰，每条不超过8个字，越短越稳定）、参考图组（正面、侧面、背面、三个表情，共6张）、色彩锚点（主色调两个，避免画面配色漂移）、禁忌清单（这个角色绝对不能出现什么，比如不能戴眼镜、不能换外套）。

文字锚点为什么要短？因为提示词里的每个词都在抢权重，写"一个大约二十五岁、长相清秀、眼神略带忧郁的年轻女性"这种长句，模型会抓住其中一两个词自由发挥。改成"短发、杏眼、灰外套、瘦"四个词，稳定性明显提升。这是我反复对比过几十组结果后确认的。

场景库同理，我会提前把三到五个常用场景做出来存好——室内客厅、走廊、天台、街道夜景。同一部剧里场景复用率高，提前做好能省掉大量重复生成，也让整部剧的色调统一。

3. 画面生成的核心工程：一致性、镜头语言与批量控制

到了这一段，工具的能力边界就显出来了。我的态度是：不要试图让AI理解你的意图，要把意图翻译成它能执行的参数。所有"它怎么不懂我"的抱怨，本质上都是翻译没做好。

3.1 角色一致性的四层保障

角色一致性是AI短剧里最硬的技术门槛，没有之一。我总结成四层，从强到弱逐层兜底：

第一层是最关键的，第二层是补救。实际操作中，我会先给每个角色生成一张"标准首帧"——正面、平光、纯色背景、表情中性，然后所有这个角色的镜头都从这张图出发做动作和场景变化。这样即使服装有细微变化，观众认脸是没问题的。

第三层的种子固定有个误区：很多人以为固定种子就能保证一致，其实种子只控制噪声初始状态，提示词一变结果还是会变。所以我的做法是"同场景同种子"——同一个场景内的连续几个镜头用同一个种子，跨场景就换，这样既控制了漂移，又避免画面过度雷同。

心得：角色一致性做到80分就够了，剩下的20分靠剪辑节奏盖过去。观众在快速切换的镜头里根本看不清细节差异，但如果你为了追求100%一致反复重跑，产能会被彻底拖死。

3.2 提示词写法：从"描述画面"升级到"描述机位"

新手写提示词是"一个女孩站在窗边，阳光照进来"，这是绘画思维。短剧需要的是摄影思维。我的模板固定成七段式：

[主体+角色卡引用] [外观锚点四词] [单一动作] [表情/情绪] [场景+时间] [光线方向] [景别+机位+镜头焦段] [风格与画质] [负面词]

举个实际用的例子：

主角A，短发、杏眼、灰外套、瘦，右手推开窗，眉头微皱，老式公寓室内、傍晚，侧逆光从窗外打入，近景、过肩机位、35mm，写实电影质感、浅景深，多余手指、变形、五官模糊、水印

七段式的好处是每段职责明确，出问题能定位。脸不对就改第一二段，动作怪就改第三段，光线平就改第六段。最怕的是一大段散文式描述，出了问题完全不知道该动哪个词。

镜头焦段这个词很多人忽略，但它直接决定画面的"电影感"。24mm偏广、有空间压迫感，适合环境交代；35mm接近人眼，适合对话；50mm到85mm适合人物特写，背景虚化自然。我在分镜表里会直接标焦段，生成时照抄，整部剧的镜头语言就统一了。

3.3 批量生成的参数与成本控制

批量生成最怕两件事：一次跑太多导致排队超时，跑完了发现方向错了全部作废。我的做法是分批跑，每批不超过8镜，跑完立刻抽查，抽查通过再跑下一批。

单镜时长我固定控制在3到5秒。原因有两个：一是超过6秒的画面，人物动作和背景的漂移会明显加剧，尤其是手部和背景中的路人；二是短剧镜头本来就碎，长镜头反而拖节奏。3秒的镜头大概需要2到3次生成才能挑出一条可用的，5秒的镜头可能要4到5次。所以"缩短单镜时长"是最直接的降本手段。

分辨率上，我建议按最终发布规格的1.5倍生成，留出剪辑时的裁切和推拉空间。帧率跟最终输出保持一致，中途改帧率会导致口型对不齐，这个坑我踩过一次，整条片子重做了。

废片率这块，我的实测数据是：第一天做的时候废片率50%以上，做到第十条片子的时候能压到20%左右。下降的原因不是模型变强了，是分镜写得更细了，每一镜的动作都拆到不能再拆，模型能执行的确定性就高了。

4. 声音、口型与剪辑节奏

画面出来只是半成品，声音才是让短剧"活"过来的东西。我见过不少画面做得相当不错的片子，败在配音上——要么情绪平，要么断句怪，要么口型对不上。这一段讲三个关键环节。

4.1 配音选型与情绪标注

配音的第一原则是音色服从人设，不是服从好听。一个压迫感强的反派，声音要有低频，语速偏慢；一个活泼的角色，语速快、音调高。我在角色卡里会额外加一行"声音设定"：音色倾向、语速、情绪基调，配音时直接按这个选。

第二原则是按镜头分段配音，不要整段配。整段配的问题是，一旦中间某个词的重音不对，整段都要重来。按镜头分段，一句一配，出问题只改那一句，效率高得多。分段配的代价是句子之间的连贯性会差一点，需要靠后期加极短的停顿来弥合，一般留0.15到0.3秒就够。

情绪标注这块，我习惯在台词后面加括号标注，比如"（压低声音、带质问）"。如果不标，配音默认会用中性偏平的语调，听起来像念稿。这个细节对成片质感的影响比想象中大。

4.2 口型对齐与音画同步

口型驱动我踩过的坑最多，说三个最实用的：

坑一：先画面后配音导致重跑。正确顺序是先定配音，再驱动口型。反过来的话，只要台词改一个字，整个镜头都要重生成。

坑二：镜头内有转头动作时口型会崩。侧脸、背身、低头这几个姿态下口型驱动效果最差。我的处理办法是把带台词的部分单独切一个正脸镜头，转头动作放在无台词的过渡镜里，剪辑时接起来完全看不出。

坑三：语速过快导致口型跟不上。中文超过每秒6个字，口型驱动基本就糊了。所以写台词时我会刻意控制节奏，长句拆成两个短句，中间留呼吸点。这既是技术限制，其实也符合短剧的表达习惯。

音效是加分项。脚步声、开门声、环境底噪、心跳声，这些不需要精确对位，但能极大提升"真实感"。我的习惯是每个场景铺一层低音量的环境音，音量控制在人声响度的15%到20%，观众不会注意，但去掉之后立刻觉得空。

4.3 剪辑节奏：短剧的"呼吸感"

短剧的节奏不是"越快越好"，而是"有张有弛"。我的经验是把整条片子切成若干个小单元，每个单元8到12秒，单元内节奏紧，单元之间留一个0.3到0.5秒的"气口"——可以是一个空镜、一个特写停顿、一次转场。

卡点这件事，我一般只在大情绪转折处卡，比如反转揭晓的那一镜对齐一个音效重音。全程卡点会让片子显得像MV，反而削弱叙事。

字幕建议全程硬字幕，字号占画面高度的5%左右，位置放在下方安全区内，避开平台的界面元素。字幕出现的时机要比声音提前0.1秒左右，观感上会更同步。

5. 发布前的质检与常见问题排查

这一步是很多人跳过的，但它是"能发"和"能看"的分界线。我有一套固定质检清单，逐条过，五分钟能过完，能挡掉大部分低级问题。

5.1 质检清单：发布前必过的九道关

1. 角色脸有没有换：每个角色抽查三个镜头的面部，重点看鼻型、眼距、下颌线。
2. 服装有没有跳变：同场景内应该保持一致，跨场景允许换装但要有交代。
3. 手部有没有畸形：手是重灾区，凡是露手的镜头逐个看，六指、断指、手指融合都要重跑。
4. 口型是否同步：正脸台词镜头逐一对着听一遍。
5. 台词有没有吃字：快速播放一遍，有没有听不清的字。
6. 画面前后色温是否统一：整条片子连起来看，不能一会儿偏黄一会儿偏青。
7. 字幕有没有错别字和溢出：长句在窄画面上容易顶到边缘。
8. 结尾钩子有没有落地：最后一镜必须留悬念或者情绪落点，不能断在半路上。
9. 首帧封面有没有信息量：封面是唯一的流量入口，必须单独设计，不能用随机截帧。

5.2 常见问题速查表

这张表我基本是当工具书用的，遇到问题先查表，八成的毛病能直接定位。

注意：不要在同一天连续改同一个镜头的提示词超过五次。人会陷入"越改越偏"的状态，越改越觉得最初那版其实还行。我的规矩是改三次不成，就换分镜方案，把这一镜拆成两镜或者改成空镜过渡。

6. 成本、产能与持续产出的经验

最后说点更现实的：能不能长期做下去，取决于成本和产能能不能算平。短期靠热情，长期靠模型。

6.1 单集成本拆解与压缩路径

我把成本分成四块：算力消耗、配音、素材与音效、人力时间。前两块是硬成本，后两块是软成本。

压缩路径里最有效的是废片率。废片率从50%降到25%，算力成本基本砍半。而废片率下降的核心，是我前面反复强调的：分镜拆细、一镜一事、锚点简短、场景复用。

另一个容易被忽略的是场景复用。一部剧里如果有四个场景反复出现，把场景资产做好之后，后续镜头的生成成功率会明显提高，因为模型在熟悉的场景描述下输出更稳定。

6.2 稳定周更的产能模型

我的产能模型是这样的：一周产出三条60到90秒的短剧，每条12到18镜。排期上，周一集中做选题和分镜（三条一起做），周二周三做角色和场景资产，周四批量生成画面，周五配音和剪辑，周末做质检和备用片。

这个模型能成立的关键是批处理——同类工作集中做，不要一条一条从头到尾做。因为生成需要排队等待，等待期间正好可以做另一条的配音。串行做效率极低，这是我的血泪教训。

另外一定要留备用片。生成有随机性，某一条片子可能会卡在某一镜上反复出不来，这时候如果没备用片，更新就断了。我一般会多存一条"半成品"，关键时刻能顶上去。

6.3 一些踩坑心得

说几个我认为最值钱的经验。

第一，先做减法再做加法。新手总想在一条片子里塞很多元素——多角色、多场景、多特效、复杂运镜。结果每一样都做不精。我现在的规矩是单条片子最多两个角色、三个场景、不用复杂运镜。把有限的技术能力集中在"讲清楚一个转折"上，成片质量立刻上一个台阶。

第二，把AI当摄影棚，别当导演。它能执行"近景、过肩、侧逆光、35mm"这种明确指令，但没法替你决定"这场戏该不该在这里结束"。叙事判断永远在人这边，这也是为什么同样用AniShort，有人做出来像正片，有人做出来像素材拼接。

第三，检查清单要写成文字。别指望靠记忆，每一条片子按清单过一遍，能挡掉九成的低级错误。我现在手机备忘录里就存着那份九道关的清单，发布前必看。

第四，宁可改分镜也不改提示词。提示词改三次不成，说明这个镜头本身就不该存在。拆成两镜、改成空镜、或者干脆删掉，往往比死磕更省时间。这个判断我吃了很多亏才学会。

第五，保留所有废片。现在看着没用的镜头，剪下一集的时候可能就是最好的过渡素材。我有一个文件叫"废片库"，按场景分好，用起来比重新生成快得多。