企业官网建设流程全解析

AI 视频创作最近确实被讨论得很多，尤其是 AI 短剧这种形态，从剧本、分镜、画面生成到剪辑，基本上一个人就能走完整条制作链路。这次我们不空谈概念，直接拆一套完整的 AI 短剧制作流程：提示词怎么写、AI 绘画怎么出分镜图、图生视频怎么让画面动起来、最后怎么剪辑成片。整个过程面向零基础新手，也适合想批量产出短剧内容的运营人员。

这套流程用到的工具，本地部署和在线平台都能覆盖。文本提示词、图像生成、视频生成、剪辑成片，每个环节都有对应的落地方法。相比动辄上万的付费课程，核心操作其实就那几步，真正拉开差距的是提示词设计、分镜节奏和后期剪辑，而不是工具本身。

这篇文章会分为几个部分：核心能力速览、工作流全景、提示词设计、AI 绘画出图、图生视频、剪辑成片、批量任务、API 接入、性能观察和问题排查。每一步都给出模板、命令和验证方法，你可以直接照着跑。

1. 核心能力速览

先给一张速览表，方便判断这套流程适不适合你现在的情况。

接着明确一下：这套流程不是某个单一软件，而是一条“组合管线”。它的价值在于，把原来需要一个团队完成的工作拆成单人可以执行的步骤。你不用等编剧、不用等演员、不用等摄影，所有画面素材都可以通过工具生成，再进剪辑软件合成。

2. 适用场景与使用边界

AI 短剧不是万能的。它有非常值得做的场景，也有明显不适合的领域。

适合的场景包括：概念短剧，用于快速验证剧情、测试平台数据；小说推文视频，把文案内容视觉化，生产节奏快；账号批量运营，不同剧情方向并行测试，先跑通再优化；短视频广告和背景片段，作为素材补充，节省实拍成本。

不太适合的场景包括：一致性要求极高的长剧情剧集，纯 AI 生成很难保证主角每一帧都长一样，出片后需要大量修正；需要精准表演的镜头，AI 生成的动作往往是概率采样，无法像真人演员那样精确走位；商业级品牌广告，涉及产品外观、人物肖像、场景还原等，容错率很低。

使用边界要重点说，因为 AI 绘画和图生视频涉及素材生成。创作短剧时，如果使用了现实人物的照片做垫图、使用了他人版权作品做风格参考、或者使用了未经授权的音色和音乐，都可能引发法律风险。平台审核同样敏感，人物肖像、暴力、低俗、侵权内容都会导致限流甚至封号。正确的做法是：使用自己拍摄的素材、可商用素材库、或完全由 AI 生成且不模仿特定真人面部特征的内容，并保留创作记录。

3. 完整工作流全景

整个 AI 短剧流程可以拆成六个步骤。每一步的输出都会作为下一步的输入，任何一个环节做不好，都会影响最终成片。

3.1 剧本拆解

剧本不能直接丢给视频生成工具。你需要把每一段剧情拆成“镜头”，也就是分镜。分镜表里应该包含：镜头号、景别、画面内容、人物动作、台词、预计时长。建议第一版分镜不要追求文学性，用最直白的“谁在哪里做什么”来描述，越具体越好。

示例分镜表结构：

分镜拆到这一步，后面所有提示词都有了依据。

3.2 分镜设计

分镜设计阶段要确定画面描述。你需要把每个镜头翻译成 AI 绘画能理解的视觉语言，包括场景环境、人物外貌、服装、光影、镜头角度。同一角色在不同镜头中的外貌描述必须保持一致，否则人物会“变脸”。

3.3 AI 绘画出图

把分镜文字转换成图像。这一步是所有动态画面的基础，图像质量直接决定视频质量。建议先批量生成所有镜头的关键帧，检查人物一致性和画面风格，有问题在这一步就重画，不要拖到视频生成阶段。

3.4 图生视频

把静态图变成动态视频。上传关键帧图片、输入动作描述提示词，让模型生成合理的动态效果。图生视频通常比直接文生视频更容易控制构图，因为画面主体和背景已经被确定下来了。

3.5 剪辑成片

把所有动态镜头导入剪辑软件，按分镜顺序排列，添加配音、背景音乐、字幕、转场和音效。这是最终品质把关环节，AI 生成镜头的抖动、抽帧、跳变都可以在这里做二次修正或重新生成。

3.6 审核与发布

成片导出前，检查素材版权、平台审核规则、音频授权和画面比例。短剧内容通常以 9:16 竖屏格式呈现，导出分辨率建议不低于 1080x1920。

4. AI 视频提示词设计

提示词是整个流程里投资回报率最高的技能。模型能力在短时间内不会有质变，但提示词写得好不好，效果差距非常明显。

4.1 提示词的基本结构

一个稳定输出的 AI 视频/图像提示词，通常包含几个模块：主体、动作、环境、景别与镜头、光影与氛围、风格词、画质词。这几个模块可以按固定顺序排列，方便批量修改和复用。

正向提示词模板示例：

一位年轻女性，黑色长直发，穿着白色衬衫，坐在现代风格办公室工位前 动作：抬头看向门口，表情从惊讶转为微笑 景别与镜头：中景，缓慢推近，浅景深 环境：明亮的办公室，落地窗外可见城市天际线，午后自然光 风格：写实电影质感，柔和色调，细节丰富 画质：4k，高清，高质量，电影级光影

负面提示词模板示例：

模糊，低分辨率，变形，多余手指，面部扭曲，肢体不自然，画面闪烁，文字水印，logo，过度锐化

负面提示词在 AI 绘画和视频生成里非常重要。如果不写负面提示词，模型很容易在手指、眼睛、边缘轮廓这些位置产生明显瑕疵。

4.2 镜头语言在提示词中的表达

短剧需要镜头感。提示词里可以通过景别词和镜头运动词来控制画面观感：特写适合情绪表达，近景适合对话，中景适合动作，全景适合交代环境。镜头运动方面，可以使用“缓慢推近”“镜头环绕”“手持轻微晃动”“俯拍视角”等描述。不是所有模型都能精确执行这些指令，但写上去比不写强，生成的随机性会往可控方向偏移。

4.3 不同题材短剧提示词参考

以古风短剧为例：

古装年轻男子，束发，身穿深蓝色长袍，站在落满雪的庭院中 动作：缓缓转身，望向镜头，眼神哀伤 环境：冬夜古庭院，飞雪，屋檐积雪，暖色宫灯 镜头：中景到近景，缓慢推进，镜头略带微光 风格：中国风写实，国风海报质感，高细节 画质：超清，电影感

以都市情感短剧为例：

年轻男女在深夜便利店门口相对而立，男生拿着伞，女生背对镜头 动作：男生伸出手，女生侧头，边缘霓虹灯闪烁 环境：雨夜，街道湿润，便利店灯光透出，霓虹反射 镜头：远景到近景，慢速推近，电影感 画质：4k，高分辨率，细节清晰

提示词并不是越长越好，更重要的是信息密度。场景、动作、光影这些核心描述要具体，形容词要服务于画面，而不是堆砌。

4.4 提示词的批量复用思路

写提示词时要考虑复用性。一个分镜表可能有几十个镜头，每个镜头逐字手写会消耗大量时间。建议维护三个清单：角色清单（固定的人物外貌描述）、场景清单（固定的环境描述）、镜头模板清单（可替换的镜头语言描述）。每次生成新镜头时，从清单里拼出提示词，而不是从零写起。

5. AI 绘画出图环节

提示词设计完成之后，进入 AI 绘画环节。这一步的目标是生成高质量的关键帧，而不是直接出最终画面。关键帧的质量越高，后续图生视频阶段的可控性越好。

5.1 文生图与图生图的选择

在生成第一批分镜时，通常优先使用文生图：输入完整的提示词，生成单张或多张候选图。如果某些镜头已经有一张不错的图，但构图、角度、色调需要微调，就使用图生图，把原图作为输入，配合局部重绘或重绘幅度调整。

图生图的优势在于稳定。人物姿势、场景结构、色彩基调已经固定，模型只负责在已有基础上做变化，生成结果不容易跑偏。

5.2 角色一致性方案

角色一致性是 AI 短剧制作中最大的痛点。同一角色在不同镜头里出现，理论上应该长得一样，但因为每次生成都是独立采样，很容易出现“千人千面”。常见的处理方案有三种：

第一种是固定角色描述词。把角色的外貌描述写成一个固定字符串，在全部镜头中复用：

短发年轻女性，丹凤眼，肤色偏白，穿着红色风衣

这种方法实现成本最低，但一致性有限，适合角色特征足够鲜明的情况。

第二种是垫图方案。每次生成新镜头时，把一张确定好的角色正面图作为参考图一起输入，让模型参考人物长相。许多支持图生图的工具都支持参考图功能，本质上是用“图生图+提示词”的方式完成角色迁移。

第三种是同一底图重绘方案。对一个固定的角色全身图反复局部重绘，保持整体构图和人物结构不变，只修改局部动作、表情和环境。这种方式一致性最好，但灵活性最低。

对于零基础新手，建议先用固定角色描述词跑通全流程，后续再逐步加入垫图和局部重绘优化。

5.3 分辨率与输出格式

短剧通常以竖屏为主。生成关键帧时，建议分辨率接近 9:16 比例，比如常见的高宽比 1080x1920 或 720x1280。不建议直接生成超过模型能力范围的高分辨率，容易导致构图崩坏。更稳妥的方式是先生成较低分辨率，再通过超分工具放大。

输出格式建议使用 PNG 无损压缩格式，保留更多细节用于后续图生视频。生成批次建议每次至少出 2 到 4 张候选图，从中挑选构图和人物表情最自然的一张。

5.4 批量出图与目录管理

当镜头数量很多时，手动一张张生成会非常低效。建议搭建一个分镜目录结构，按“场景-镜头号-版本”组织图像文件。比如：

./project/dajiangtang/scene01/shot01_v1.png ./project/dajiangtang/scene01/shot01_v2.png

目录名和文件名的命名规则要统一，后面做批量图生视频和剪辑导入时能省大量时间。如果使用的是支持批处理功能的工具，可以直接指定输入目录和输出目录，一次性处理多个分镜。

6. 图生视频环节

图生视频是整条流程中从静态转向动态的关键步骤。核心思路是：上传一张关键帧图片，再输入动作提示词，让模型补全画面中的运动过程。

6.1 图生视频的输入要素

一次典型的图生视频生成，通常需要四个输入：起始图片、动作描述提示词、运动强度、生成时长。起始图片就是 AI 绘画阶段生成的关键帧；动作描述要写清楚“谁在做什么动作”，比如“女主角低头看手机，然后抬头微笑”；运动强度控制画面变化的剧烈程度，值太高会导致人物形变，值太低会导致画面几乎不动；生成时长通常以秒为单位，单次生成时长越长约容易崩。

6.2 动作幅度与稳定性

图生视频最常遇到的问题是“一动不动”和“乱动”两个极端。如果你发现画面基本静止，优先检查动作提示词是否过于简略，或者运动强度参数设置过低。如果你发现人物肢体变形严重、背景扭曲，说明模型在有限步数内塞入了太多变化，此时应该减小动作跨度，把一个大动作拆成几个小动作，通过多个镜头拼接完成。

6.3 多镜头批量处理

短剧不可能只生成一个镜头。当分镜数量在二十个以上时，建议按“一个镜头一个任务”的方式批量提交。因为单次生成的时长有限，几乎每个镜头都要单独处理。先把所有分镜的关键帧准备好，统一命名，再逐个提交图生视频任务。此时命名的规范性直接影响效率。

6.4 首尾帧与连续动作

除了单张图片输入，不少图生视频工具还支持首尾帧模式：输入起始帧和结束帧，模型自动补全两帧之间的过渡动作。这在处理“进门走向座位”这类连续动作时很好用。首尾帧模式需要注意两点：一是起始帧和结束帧的画面结构不能差异过大，否则中间过渡会非常生硬；二是中间过程无法精确控制，接受范围内的自然运动即可，不必追求每一帧都完美。

6.5 图生视频与文生视频的取舍

文生视频适合没有明确画面基础、想从文字直接生成动态视觉的场景；图生视频适合已经有确定关键帧、需要让画面动起来的场景。在短剧制作中，图生视频的优先级更高，因为短剧首先要求角色和场景统一，直接用文生视频容易每段镜头都长得不一样，后期拼接很痛苦。更稳妥的做法是以 AI 绘画确定静态画面，再以图生视频补全运动。

7. 剪辑成片与视听语言

AI 工具负责生成素材，最终成片还是要进剪辑软件。这一步拼的是基础剪辑能力和视听语言素养。

7.1 剪辑软件选择

对零基础新手，推荐从剪映入手。它有自动字幕、背景音乐、转场模板和语音合成，学习和产出成本最低。需要更精细控制时，可以使用 Adobe Premiere 或 DaVinci Resolve。关键点不在于软件本身，而在于你是否把分镜表的顺序、时长、台词对齐到时间线上。

7.2 镜头组接原则

AI 生成的单镜头通常很短，多则几秒、少则一两秒。剪辑时要按“景别变化”的思路来组接，不要连续几个镜头都是同一个景别，否则视觉上会非常单调。可以按“全景交代环境、中景展示动作、近景表达情绪”的顺序编排，形成节奏感。镜头与镜头之间的切换可以加少量转场，但不要过度使用，AI 视频本身已经有较强的画面连续性，硬切往往比花哨转场更自然。

7.3 配音、字幕与音效

AI 短剧通常使用 AI 配音。配音文本要和台词严格对应，语速建议偏慢，给观众留出阅读字幕的时间。字幕建议使用剪映自动识别或手动输入，统一字体、颜色和位置，避免每段字幕风格不一致。背景音乐优先选择可商用曲库，音量不要超过人声。音效方面，脚步声、门声、环境声这类细节能明显提升成片质感，值得花时间加上。

7.4 画面比例与导出参数

竖屏短剧导出时，分辨率设置为 1080x1920、帧率 30fps、码率选择中等以上即可。如果工具支持“智能防抖”或“画面稳定”，可以对 AI 生成的轻微抖动镜头做一次处理。导出前完整播放一遍，重点检查字幕错别字、画面跳变、音画不同步和角色形象突变。

8. 接口 API 与批量任务

如果你的目标不只是手工做几条视频，而是想批量产出，或者把 AI 短剧流程接入到自己的内容生产工具中，就需要考虑接口调用和批量任务设计。

8.1 API 服务的通用接入思路

不同工具和模型平台提供的 API 差异较大，但基本结构类似：新建任务、提交参数、轮询任务状态、获取结果。建议先阅读目标平台的官方 API 文档，确认鉴权方式、请求地址、参数格式和回调机制。

下面给出一个通用版 Python 调用示例，实际使用时需要按项目 API 文档调整端点地址、请求头和字段名：

import requests import time API_URL = "https://your-api-endpoint.com/api/generate" API_KEY = "your-api-key" headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "prompt": "年轻女性，黑色直发，白色衬衫，现代办公室，中景，电影感", "image_path": "./scene01_shot01.png", "negative_prompt": "模糊，变形，多余手指，水印", "duration": 4, "motion_strength": 0.6 } response = requests.post(API_URL, json=payload, headers=headers, timeout=120) task_id = response.json().get("task_id") print("任务ID:", task_id)

提交任务后，用轮询方式查询状态：

status_url = f"{API_URL}/{task_id}" for _ in range(60): resp = requests.get(status_url, headers=headers, timeout=30) data = resp.json() state = data.get("status") if state == "SUCCESS": print("生成结果:", data.get("video_url")) break elif state == "FAILED": print("任务失败:", data.get("error")) break time.sleep(5)

这个模板的价值在于演示了异步任务的基本交互模式：先创建任务拿到任务 ID，再轮询查询状态，最后在成功状态下获取产物地址。批量场景可以在这个基础上加一个任务队列。

8.2 批量任务队列设计

批量任务可以简单分为“串行处理”和“并发处理”。串行适合免费额度和限流较多的情况，一次只跑一个任务，不够高效但稳定。并发适合付费接口或本地部署资源充足的情况，可以同时跑多个任务，对程序稳定性要求更高。

一个稳妥的批量处理策略是：将全部分镜写入一个任务清单，程序逐个读取，先调用 API 判断输入文件是否存在、参数是否合法，再提交任务；任务状态变为失败时，自动记录错误信息并最多重试三次；全部完成后生成一个批次报告，列出每个镜头的状态、输出地址和失败原因。

{ "batch_name": "short_drama_ep01", "input_dir": "./frames", "output_dir": "./clips", "tasks": [ {"shot": "01", "image": "shot01.png", "action": "抬头看向门口"}, {"shot": "02", "image": "shot02.png", "action": "走进办公室"} ] }

8.3 失败重试与稳定性

接口调用失败通常有三种原因：网络抖动、服务端限流、参数不合法。前两种可以通过重试缓解，第三种需要修改程序逻辑。建议每个任务记录提交时间和重试次数，连续失败超过设定阈值时，将任务标记为需人工检查，而不是死循环重试。

9. 资源占用与性能观察

本地部署 AI 绘画和视频生成模型时，资源占用是绕不开的话题。但这里要提醒一句：显存占用数值高度依赖模型版本、分辨率、步数、生成时长和采样器类型，不同设备差异很大。建议不要照搬任何网上的“固定显存数字”，而是学习如何自己观察和分析。

9.1 显存占用观察方法

在本地运行推理任务时，可以通过任务管理器（Windows）或nvidia-smi命令实时查看 GPU 显存占用：

watch -n 1 nvidia-smi

启动服务后，先记录空闲显存占用，再提交一个最小测试任务，观察生成过程中显存峰值和生成结束后的回落情况。如果显存不够，优先降低分辨率、减少生成时长、降低运动强度参数，这是最有效的降显存手段。

9.2 CPU 推理与 GPU 推理

CPU 推理基本不需要显存，但速度会慢很多，只适合测试环节或极小规模任务。GPU 推理速度快，但显存不足时会直接报错或把任务卡死。如果使用的是在线平台，本地资源占用几乎可以忽略，主要关注网络请求效率和任务排队时间。

9.3 性能瓶颈观察建议

影响图生视频生成速度的关键因素通常包括：分辨率、单次生成时长、运动强度、模型复杂度。分辨率提高一倍，显存和计算量可能上升数倍；单次生成时长越长，越容易出现显存不足或生成失败。第一次使用时，建议使用最小参数组合跑通流程，再逐步加大参数，观察显存占用的变化。

10. 常见问题与排查方法

AI 短剧制作过程中会遇到大量问题。下面整理一份排查清单，按现象分类。

更复杂的排查，比如模型版本不兼容、依赖安装失败，需要先看服务的启动日志。日志里没有明显报错，再检查模型文件是否放置正确、依赖版本是否对应、端口是否被占用。启动失败时，优先检查端口的占用情况：

# Linux / macOS lsof -i :7860 # Windows netstat -ano | findstr 7860

如果端口被占用，可以换一个端口启动。服务启动成功但页面访问不了，通常是服务进程没有正常监听，要回到终端查看完整日志。

11. 最佳实践与使用建议

把整个流程跑通之后，可以按照下面的工程化思路持续优化。

11.1 建立最小可运行配置

第一次不要尝试制作完整短剧。先选一个镜头，从提示词设计、AI 绘画、图生视频到剪辑，完整走一遍。确认这条链路没有断点，再扩大到整段剧情。最小可运行配置是排错的基础，后续所有优化都基于它展开。

11.2 模型文件、输入素材与输出结果分目录管理

强烈建议把流程中的三类文件分开存放：模型与工具文件、输入素材（分镜表、提示词、参考图）、输出结果（关键帧、动态片段、成片）。目录命名使用日期和场景编号，例如20250120_ep01_scene01，避免后期找不到文件。

11.3 批量任务加日志和失败重试

批量生成时必须记录日志。日志里要包含任务 ID、输入文件名、状态、输出地址、失败原因和重试次数。没有日志的批量任务就是黑盒，失败后无法定位问题。建议复制原始输出目录后，再删除不需要的任务记录，避免操作失误。

11.4 涉及人脸、声音、版权素材必须确认授权

这个话题再强调一次也不为过。AI 绘画和视频生成中，使用真人照片做垫图、使用带商标的物品、使用受版权保护的台词和背景音乐，都可能构成侵权。商用短剧在发布前，要把所有素材的来源和授权情况过一遍。养成习惯：能自产就自产，能商用就商用，不明确的素材不采用。

11.5 发布和商用前要做效果复核

AI 生成的内容在导出前需要完整播放一遍，重点看字幕错别字、音画同步、角色一致性、镜头转场是否自然。平台审核规则也要考虑，发布前可以通过预览权限检查是否存在敏感画面。建议制作“同行评审”环节，找 2 到 3 个人提前看片，收集真实的观感反馈，再决定是否发布。

11.6 提示词库与分镜模板持续沉淀

完成几个短剧之后，你会积累一批常用的角色描述、场景描述、镜头语言模板。把这些内容整理成自己的提示词库，后续创作速度会明显提升。分镜模板也一样：冲突开场、反转结构、情感发展，都可以拆成可复用的模板，让批量生产短剧成为可能。

12. 总结与下一步

这套流程最值得尝试的点，是把短剧制作从“团队协作”压缩成“单人生产线”。你不需要会写复杂剧本，不需要有演员和场地，只要掌握提示词设计、AI 绘画、图生视频和剪辑四个核心环节，就能完成一条完整的 AI 视频短剧。

最先应该验证的功能是“单镜头全流程”：从一个分镜表条目出发，完成一张关键帧和一段视频片段。这一步跑通之后，再扩展到多镜头、批量任务和 API 接入。

最容易踩的坑有两个：一个是提示词写得太笼统，导致画面风格不可控；另一个是跳过了 AI 绘画直接依赖文生视频，导致角色一致性问题集中爆发。把这两个问题前置解决，后面的工作会顺利很多。后续可以继续扩展的方向很多：角色一致性工作流、视频超分与修复、自动化批量剪辑、多平台发布接口集成等。先用最小配置跑通，再逐步升级，才是零基础入门 AI 短剧的正确姿势。