ai-short-drama

name ai-short-drama description AI 短剧分镜脚本生产管线。从剧情头脑风暴 → 画风与人设建议 → 人物生图提示词（GPT Image / Nano Banana）→ 分镜拆解 → 中英双语台词 → 转场与运镜指导 → 产物归档。专为 AI 视频工具（Seedance、Runway、Kling 等）优化，规避真人版权、保证多镜头一致性、降低 AI 生成不确定性。触发词：「生成 AI 短剧脚本」「写个短剧」「做短剧分镜」「短剧角色画像」「打磨剧本」。 AI 短剧分镜管线 (AI Short Drama Pipeline) 把一个剧情创意，沉淀为可直接交付给 AI 视频工具与剪辑后期使用的工业级分镜台本。 核心目标： 降低 AI 视频生成的不确定性 （角色崩坏、布景漂移、嘴型不同步、字幕乱码、版权拦截），让分镜稿"开箱即用"。 触发词 触发词 行为 生成 AI 短剧脚本 / 写个短剧 启动完整流程：头脑风暴 → 画风人设 → 生图提示词 → 分镜 打磨剧本 与用户多轮迭代剧本（节奏、反转、人设、梗） 做短剧分镜 已有剧本，直接进入分镜拆解 短剧角色画像 生成可投喂 GPT Image / Nano Banana 的人物生图提示词 确定配音语言 根据剧情文化背景确定主配音语言与字幕语言 翻译台词 在主语言与字幕语言之间互译 + 标注情绪 Tone 存储规范 短剧产物独立于 content/ ，存放在 dramas/[slug]/ ： dramas/[slug]/ ├── brief.md # 创意 brief（题材、基调、目标平台、关键事实） ├── script.md # 文字剧本（多轮打磨的最终版） ├── art-direction.md # 整体画风建议 + 配色 + 参考锚点 ├── characters.md # 角色人设卡 + 生图提示词（GPT Image / Nano Banana） ├── storyboard.md # 分镜台本（最终交付物） ├── background.md # 背景一致性方案（坐标锁定 / Seed / 绿幕底图） ├── prompts/ # 各分镜的 AI 视频提示词（按镜号） │ ├── shot-01.txt │ └── ... ├── assets/ # 用户生成回传的角色基准图 / 背景底图 ├── footage/ # AI 生成回传的单镜视频素材（shot-NN.mp4） └── final/ # 剪映整合后的最终成片 slug = 短剧主题英文短横线命名。 工作流（六步法） 📌 各步骤推荐模型 / 工具速查 步骤 推荐模型 / 工具 用途 Step 1 头脑风暴 + 剧本打磨 Gemini 3.1 Pro 长上下文 + 强创意推理，多轮共创 Step 2 画风 + 人设建议 Gemini 3.1 Pro / Claude 美学判断 + 角色设计推理 Step 3 人物生图 GPT Image / Nano Banana （Gemini 2.5 Flash Image） 角色基准图生成 Step 4 分镜脚本 Claude / GPT-5 结构化输出、严谨字段 Step 5 视频生成 Seedance / Runway / Kling Image-to-Video 垫图 Step 6 后期整合 剪映 / CapCut 拼接、字幕、音效、调色、成片 Step 1：剧情头脑风暴与剧本打磨（与用户共创） 🤖 推荐模型 ：这一步的剧情发散、人物冲突设计、节奏打磨推荐使用 Gemini 3.1 Pro （长上下文 + 强创意推理 + 丰富的世界知识 + 强语言能力，多轮共创）。若当前对话不在 Gemini 3.1 Pro 上，建议提示用户切换模型后再进入此步。 这一步必须是对话式的，不要一次性出完整剧本。 第一轮：发散收集 向用户主动提问，收集以下要素（每次问 2-4 个，避免一次轰炸）： 题材方向 ：喜剧 / 悬疑 / 治愈 / 反转 / 黑色幽默 / 致敬向 / 科幻短篇 …… 核心冲突 ：故事的"钩子"是什么？一句话能不能说清？ 人物设定 ：几个角色？关系是什么？谁是主视角？ 场景设定 ：发生在哪？室内 / 室外？时代背景？ 基调 ：纯搞笑 / 笑中带泪 / 反转惊喜 / 高密度梗 目标平台与时长 ：短视频（30-60s）/ 中视频（2-3min）/ 系列短剧 关键事实锚点 ：剧情依赖的硬事实（时事 / 行业梗 / 文化引用） 文化背景 / 语言基调 ：决定主配音语言与字幕语言（详见 Step 5 的语言决策矩阵） 第二轮：方向收敛 给出 2-3 个 剧情走向方案 让用户选，或在用户已有想法上提出几个"分叉口"。 第三轮：节奏打磨 确定方向后，按下面的结构推进剧本： 钩子 (0-5s)：抓住注意力的冲突 / 反差 / 悬念 铺垫 (5-30%)：人物登场 + 设定建立 冲突升级 (30-70%)：矛盾激化 / 误会加深 反转 / 高潮 (70-90%)：核心情绪释放点 余味 (90-100%)：留白 / 彩蛋 / 破功 打磨原则 ： 每个主角至少绑定 2-3 个高辨识度的梗 （视觉梗 + 语言梗） 走心段落紧跟喜剧反差，避免说教 台词尽量短，给 AI 配音和口型留余地 每一场戏要能回答：" 这场戏为什么必须存在？ " → 输出 brief.md 与 script.md 。 Step 2：整体画风建议 + 人物塑造建议 剧本定稿后， 基于剧情基调 给出风格方案（不要先入为主，先读剧本再推荐）。 画风建议要包含 ： 维度 说明 风格大类 3D 卡通 / 2D 厚涂 / 赛博朋克 / 吉卜力水彩 / 黏土定格 / 像素艺术 / 写实电影感 …… 参考锚点 2-3 个公开作品风格类比（Pixar / Spider-Verse / Arcane / Studio Ghibli / Love Death + Robots ……） 配色基调 主色 + 辅色 + 强调色（暖色温情 / 冷色悬疑 / 高饱和喜剧 / 低饱和忧郁） 光影氛围 黄金时刻 / 霓虹夜景 / 顶光戏剧化 / 柔光日常 画幅与构图 9:16 竖屏 / 16:9 横屏 / 2.39:1 宽银幕；构图密度建议 细节密度 极简留白 / 中等细节 / 超精细纹理 → 输出 art-direction.md 。 🎨 强制产出：全局画风底词（Style Anchor Prompt） art-direction.md 末尾必须固化一段 30-60 词的英文画风底词 ，作为后续所有生图 / 生视频 prompt 的 强制前缀 。这是防止跨镜风格漂移的"锚"。 底词结构 ： [Style Tag], [Medium / Rendering], [Color Palette], [Lighting Mood], [Detail Density], [Aspect Ratio] 示例 ： Pixar-style 3D animation, soft cinematic rendering, warm amber and teal palette, golden-hour lighting, medium detail with painterly textures, 9:16 vertical composition, consistent stylized look. 使用约定 ： 一旦写定， 全剧不可改 （改了就会跨镜漂移） Step 3 每个角色的生图提示词以此为首行 Step 4 每条 shot-NN.txt 也必须以此为首行（详见 Step 4） 用户若中途想换风格 → 必须 整剧重生 ，不允许局部替换 人物塑造建议要包含 （每个角色一段）： 核心人设关键词 （3-5 个标签） 外形辨识度设计 ：体型 / 五官夸张化方向 / 标志性特征 服装与道具 ：日常穿搭 + 至少一个标志道具（贯穿全剧） 配色暗示 ：用颜色强化身份（主角暖色 / 反派冷色等） 微表情默认态 ：常态情绪（自信 / 蔫坏 / 阳光 / 高冷） 梗资产 ：视觉梗 + 语言梗 + 人设反差梗 ⚠️ 规避版权三原则 ： 不写真实姓名 / 品牌 / 作品名（用"特征 + 配色"暗示） 放大单一辨识度特征（让形象"动画化但可辨认"） 所有画面内文字（书名、UI、字幕）一律 后期合成 ，不让 AI 画字 Step 3：人物生图提示词（投喂 GPT Image / Nano Banana） 基于 Step 2 的人设建议，为 每个角色 生成一份 可直接复制粘贴的生图提示词 ，并明确告诉用户去哪里使用： 💡 使用方式 ：把下面每个角色的提示词复制到 GPT Image（ChatGPT 内置图像生成） 或 Nano Banana（Google Gemini 2.5 Flash Image） 上生成 4-6 张候选基准图，挑一张满意的保存到 dramas/[slug]/assets/character-[代号].png ，后续所有视频镜头都用 Image-to-Video 模式垫这张图。 生图提示词结构 （每个角色一份）： [全局画风底词，与 art-direction.md 一致], a [体型] [年龄] [性别] character with [核心辨识特征], [五官夸张化描述], wearing [服装 + 配色], holding / accompanied by [标志道具], [默认表情], [姿势], [构图：full body portrait / half body / close-up], neutral background, studio lighting, character sheet style, high detail, 8k, consistent character design. 生图提示词检查清单 ： 全局画风底词与其他角色一致（保证全剧风格统一） 五官特征唯一化（"a thick mustache" 比 "handsome face" 有用 100 倍） 服装颜色明确（用色卡词，不用模糊词） 不出现真人姓名、品牌名、版权 IP 标注 character sheet style / neutral background 便于后续抠图 同一角色生成多视角时复用同一提示词，只改 pose 与 angle → 输出 characters.md （含每个角色的生图提示词块 + 使用说明）。 告知用户的下一步操作 ： 把每个角色的提示词复制到 GPT Image / Nano Banana 每个角色生成 4-6 张候选 挑选并保存为 assets/character-[代号].png 回到对话告知"角色图已准备好"，进入 Step 4 Step 4：分镜脚本生成 ⚠️ 单镜头物理限制与拆镜红线 目前主流 AI 视频生成工具（Kling, Runway Gen-3, Sora 等）的最大物理生成时长上限为 15 秒，但超过 8~10 秒后人物一致性与画面的稳定性会有较大崩溃风险。 强制规则 ： 单个 Shot 时长 物理绝对不可超过 15 秒 （强烈推荐保持在 4~8 秒的最佳稳定区间）。 当遇到人物长篇台词或复杂动作时，必须通过以下手法进行“拆镜（Split Shots）”： 正反打 (Shot Reverse Shot) ：镜头切向对话另一方的反应。 特写切入 (Cut-in) ：如“震惊时近景推成脸部大特写”、“拍桌子时手部震动特写”。 动作匹配 (Match on Action) ：换角度接续同一连续动作。 J-Cut / L-Cut（声音引导） ：声音先于画面切入下一镜。 在计算每个镜头的总时长 ( 🕘 总时长 ) 时，必须根据台词语速或动作物理耗时逆推，超出 15s 必须 强制打碎成 a/b 两个 shot（超过 10s 也 强烈建议 打碎）。 基于 Step 1 的剧本 + Step 2 的画风 + Step 3 的人设，输出工业级分镜。 分镜节奏 ： 单镜基础时长 4-8 秒 （AI 视频甜区） 优先 多人同框（2-Shot / 3-Shot） ，少切碎镜 关键情绪点用单人特写（推镜头 + 静音留白） ⚠️ 时长必须由台词时长反推（关键原则） ： 分镜时长不是"先定 5 秒再塞台词"，而是**"先算台词需要几秒，再加缓冲定分镜时长"**。否则 AI 配音会把台词压成机关枪语速，毁掉表演节奏。 台词时长估算公式 （基于自然口语语速）： ⚠️ 语速不是常量，必须由"剧情场景 + 人物特点 + 当下语气"三要素决定 。同一个角色在追问时可能 6 字/秒，在告白时可能 2 字/秒。下表是基准档位，每句台词都要 先判档再估算 。 语速三要素决策 ： 维度 偏快（连珠炮档） 常态 偏慢（情绪化档） 剧情场景 吵架 / 吐槽 / 解释 / 追问 / 喜剧爆梗 / 紧急情况 日常对白 / 信息陈述 告白 / 悼念 / 威胁 / 思考 / 顿悟 / 临终 人物特点 急性子 / 话痨 / 推销员 / 程序员吐槽 / 北方话密 正常人设 老人 / 高冷 / 大佬 / 文艺青年 / 喝醉 当下语气 兴奋 / 慌张 / 不耐烦 / 阴阳怪气 平静叙述 沉重 / 哽咽 / 故作神秘 / 居高临下 判档规则 ：三要素若有 ≥2 个偏快 → 喜剧档；≥2 个偏慢 → 情绪化档；其余 → 常态。 语言 自然语速 估算方法 中文（常态） 4-5 字/秒 字数 ÷ 4.5，再 +0.3s 起停缓冲 中文（情绪化 / 慢） 2-3 字/秒 字数 ÷ 2.5（适用煽情、思考、威胁） 中文（喜剧 / 快） 5-6 字/秒 字数 ÷ 5.5（适用吐槽、连珠炮） 英文（常态） 2.5-3 词/秒 词数 ÷ 2.8，再 +0.3s 起停缓冲 英文（情绪化 / 慢） 1.5-2 词/秒 词数 ÷ 1.8 英文（喜剧 / 快） 3.5-4 词/秒 词数 ÷ 3.8 🎙️ Tone 字段必须显式标注语速档 （如 语速：慢 / 哽咽 、 语速：快 / 不耐烦 ），TTS 配音或真人录音才能据此执行；不要假设配音演员能"猜到"节奏。 分镜总时长 = Σ(每句台词时长) + 句间停顿 + 表演留白 + 进/出场缓冲 句间停顿：常态 0.3-0.5s，反应停顿 0.8-1.5s 表演留白：标志性表情、视线转移、动作铺垫各预留 0.5-1s 进出场缓冲：分镜首尾各 0.3s（也用于后期裁掉畸变帧） 示例 ： 台词："你以为我没看见？"（8 字，常态语速）→ 8 ÷ 4.5 ≈ 1.8s 接一个反应停顿（瞪对方）1.0s + 句间停顿 0.4s + 首尾缓冲 0.6s ≈ 3.8s 若想让"看见"二字加重处理（慢语速）→ 估算应 +0.5s，分镜定 4.5-5s 避坑要点 ： 严禁过度抽象/总结剧情 ：分镜台本必须 100% 像素级对齐原剧本的台词、动作说明与情绪细节 。不要在转化分镜时为了追求结构化和简短，而丢掉原剧本中嘲讽、压迫等关键文本颗粒度。 单镜台词超过 12 字（中）/ 8 词（英）应考虑 拆分到两个镜头 或加镜内停顿 多人对话镜：每个角色台词时长 分别估算后相加 ，再加 0.5-1s 接话间隙 情绪转折点（停顿、叹气、苦笑）必须显式标注秒数，不要默认 AI 会留白 若分镜时长被迫超过 8s（AI 生成质量下降区），优先拆镜而非压缩台词 字段 ⏱️ 时序必须 显式写明每句台词起止秒数 ，例如 00:00.3-00:02.1 角色 A: "..." 无台词分镜（空镜 / 默剧 / 反应镜）的时长设计 ： 不是所有分镜都有台词。 无台词镜的时长由"画面要传达的信息密度 + 情绪节拍"决定 ，不要默认 4-8s。 镜头类型 推荐时长 设计要点 建立镜（Establishing Shot） 3-5s 让观众看清环境、时间、空间关系；广角缓推 空镜 / 转场镜 1.5-3s 一物一意，过长会拖；用于章节切换或情绪过渡 反应镜（Reaction Shot） 1.5-3s 单一表情变化（瞪眼 / 嘴角抽搐 / 苦笑）；过长会僵 情绪特写 / 默剧高潮 4-8s 微表情递进（震惊→泪盈→破涕为笑）；配 BGM 撑住 动作镜（无对白打斗 / 追逐） 4-6s 一个完整动作单元（一次出招 / 一次回头） 氛围长镜 / 蒙太奇单格 2-4s 节奏感优先，与 BGM 鼓点同步 结尾留白镜 3-6s 给观众回味；过短显得仓促，过长显得拖沓 无台词镜的时长估算公式 ： 时长 = 主体动作时长 + 镜头运动时长 + 情绪留白 + 首尾缓冲 主体动作时长 ：实际动作需要多久（开门 1s、转身 0.8s、拿起杯子 1.5s） 镜头运动时长 ：推/拉/摇/移镜本身的时长（缓推 2-3s、急推 0.5s、横摇 2s） 情绪留白 ：动作完成后保留几秒让观众消化（关键情绪 1-2s、普通过渡 0.3-0.5s） 首尾缓冲 ：仍各预留 0.3s 用于裁畸变帧 示例 ： 一个无台词反应镜——角色看到信息后表情从平静到崩溃： 微表情递进 2.5s + 缓推近景 1s + 崩溃后定格 1s + 首尾缓冲 0.6s ≈ 5s 无台词镜避坑 ： 不要为了"凑够 5 秒"硬塞内容， 短而精 比长而空更有力 节奏型蒙太奇（多个 2-3s 短镜连切）要在 storyboard 标注 与 BGM 鼓点对齐 默剧表演镜务必配 BGM / 环境音， 纯静音 > 3s 会让观众以为视频卡了 ⏱️ 字段写作 00:00-00:03 (无台词) 动作描述 + 镜头运动 形式 每个分镜必须包含的 8 个字段 （格式参考下方示例）： 🕘 总时长 📍 布景 （引用 background.md 的某个坐标方案） 👔 服装 （每个出场角色，每镜复述一次防 AI 遗忘） 🎬 动作与表情 （微表情 + 肢体语言。 必须 100% 还原剧本中的细节描写，严禁概括缩写 ） ⏱️ 说话顺序与时序 （精确到秒，标注谁先说、谁静音） 🎙️ 台词，声调与字幕 （ 必须一字不落地搬运原剧本所有台词文本 ；含语气指导 Tone；语言选择见 Step 5） 🎥 运镜 （机位、景别、推拉摇移） 🔄 转场 （向下一镜的衔接方式） 💡 分镜输出格式示例（单镜） ： ### Shot 01 (00:00 - 00:05) **🕘 总时长** : 5s **📍 布景** : 赛博朋克面馆，霓虹灯牌闪烁 (坐标方案 A) **👔 服装** : 主角A (黑色夹克)，配角B (红色围裙) **🎬 动作与表情** : A 猛地拍桌子，面汤溅出；B 吓得战术后仰。 **⏱️ 时序** : `00:00.0-00:01.5` B 放下面碗 (无台词)； `00:01.5-00:04.5` A 说话； `00:04.5-00:05.0` A 怒视定格。 **🎙️ 台词** : - 主角A: "老板，这面里怎么有螺丝？" (语速: 偏快 / 愤怒质问) - [字幕]: Boss, why is there a screw in my noodles? **🎥 运镜** : 中景 (Medium Shot)，机位随 A 拍桌子动作轻微震颤。 **🔄 转场** : 硬切 (Smash Cut) ⚠️ 强烈警告：不可删减原案！ 以上示例仅为版式演示。实际生成分镜时， 🎬 动作与表情 与 🎙️ 台词 字段中， 绝对不允许为了保持版面清爽或“结构化”而私自压缩、概括原 script.md 中大段的长对白、脏话梗和极致的情绪描写！ 原剧本怎么写，这部分必须一字不落地吃进分镜里。