上一期和大家分享了我接触和尝试使用ai视频，深入了解ai短剧这一行业。我花了三个月，终于弄明白了怎么用AI短剧赚钱。
这段时间 AI 视频工具迭代得特别快，从单一生成平台到能跑通全流程的智能体平台，玩法一直在变。但核心逻辑其实没变：工具只是辅助，找对方法、少走弯路，普通人也能上手。
近期正好给甲方做一个玄幻穿越的西游记版本剧情片，两个人两天高强度生成画面，前后一共差不多花了1500元，分别使用了LibTV和Running hub两个平台。接下来我会无保留地和大家分享一下ai短片制作的完整流程，新手小白也可以上手尝试的那种。
文章包含以下几个部分：
1.目前一共有哪些智能体创作平台？选择哪个平台最好？用哪个大模型效果更好？
2.ai短片的完整操作流程是怎么样的？
3.ai生成视频的提示词怎么写？不满意的话如何调整？
4.需要注意的雷点和避坑小分享
1.主流 AI 智能体创作平台怎么选？
现在市面上能做全流程 AI 短片的智能体平台不少，主流的就是 LibTV、Running hub、TapNow、Shotlab 这四个。它们底层逻辑都是节点式画布创作，学会一个就能快速上手其他的，核心差异在价格、模型满血度、功能侧重，对应不同的预算和需求。
四个核心平台横向对比
LibTV：它是 LiblibAI 旗下的平台，性价比高，积分价格相对划算，对新手比较友好。自带3D导演台功能，可以在虚拟空间里调整人物站位和机位，能在一定程度上缓解人物比例失调、空间关系混乱的问题，用于多人物的对话和运动。平台里有不少创作者分享的现成工作流，适合刚入门、想低成本试水的朋友。
Running hub：有一定基础后，适合熟悉工作流、有定制需求的创作者或小团队。支持API调用，可以把自己调试好的工作流部署上去，按次消耗积分，不用一直挂机等。更新速度比较快，支持更高清的画质输出，也能对接 PS 等设计工具，做商业定制、高品质短片的时候效率会更高。像一些难以实现的镜头更擅长。
TapNow：业内比较早做节点式画布的平台，专门针对影视创作者设计，功能全、运行稳。对于角色人物和服饰道具上的选择丰富，社区里有很多现成的工作流模板，替换素材就能批量出片。缺点是会员和积分价格偏高，新手试水的话积分消耗会比较快。另外它对三维空间的感知弱一些，复杂的多人互动镜头，需要多调几次提示词。
Shotlab：新片场旗下推出的 AI 创作平台，它最大的优势是背靠新片场十几年的创作生态，一方面整合了 Seedance、可灵、Midjourney 等主流模型；另一方面平台社区里有大量成熟创作者公开的画布工作流，可以直接参考复用，新手入门很快。另外它支持多人在线协作，对小团队比较友好，创作完成后还能直接同步到新片场社区，有机会接触到商单资源。缺点是对真人出镜的内容有合规审核限制，纯写实真人题材的自由度会稍低一些。
大模型怎么选？
目前主流常用的视频生成模型各有侧重，没有全能的 “最优解”，根据镜头类型搭配着用，既能保证效果，也能控制成本。
- 即梦：剧情类镜头首选人物动作自然、面部表情细节表现较好，口型匹配度相对高，还能同步生成环境音效。做剧情类、人物对话多的片段，可用率会更高，是目前做剧情短片的主力模型。
- Veo3：高品质商单、电影质感首选谷歌 DeepMind 推出的模型，最大优势是接近广播级的画面质感、符合物理逻辑的专业光影色彩，原生音画同步能力很强，对话、环境音效可以一步生成，支持原生高分辨率输出。适合对画质、质感要求高的商业定制片、概念短片。缺点是生成成本偏高，单条消耗积分多，适合定稿的关键镜头使用，不适合批量试错。
- 可灵：写实题材、高一致性首选快手自研的国产模型，最突出的优势是主体一致性强，上传多角度参考图后，人物、场景在不同镜头间的稳定度很高，照片级写实质感也很出色。做真人风格、连续剧情的段落很适配，性价比也不错，是目前国产模型里实用性很强的选择。
- Happy Horse：空镜、大场景性价比之选环境氛围和光影渲染效果不错，写实质感强，适合做风景空镜、场景过渡镜头。缺点是人物细节表现一般，原生音效能力弱，用来做辅助镜头成本很低，性价比高。
具体规格怎么选择？
很多新手一上来就选 1080p，结果积分哗哗掉，效果还不一定好。目前对提示词响应最稳定、出错率最低的是 720p，画面色彩和人物轮廓都清晰，只是细节略有柔化；1080p 质感确实更好，但积分消耗是成倍增长的，而且很容易出现画面崩坏。更高效的做法是：先用 720p 批量生成镜头，选到满意的成片后，再用 Topaz 这类工具统一放大到 4K。另外尽量按「镜头组」生成，不要一镜一镜单独生成，既能减少人物前后不一致的问题，也能省下不少积分。
2.AI 短片完整制作流程：
很多新手做 AI 视频，上来就直接输文字生成视频，结果十有八九翻车。正确的流程是先定资产，再做视频，前期铺垫越细，后期返工越少。
01.灵感与故事构建
先把核心要素全部敲定：人物设定、场景风格、剧情走向、核心台词，一个都不能含糊。写的时候尽量按分镜头的逻辑去写，哪个场景发生什么事、出现什么人物、说什么台词，都梳理清楚。后面生成视频的时候，可以直接拆分使用，省掉二次整理的时间。（实在没有灵感也可以根据图片在平台上直接和ai助手沟通，让它帮忙编写剧情和细化内容，没准在沟通的过程当中可以激发出灵感）
AI创作的下限是工具，上限永远是故事本身。 别把精力全放在研究工具上，把剧情和逻辑捋顺，片子才会好看。
02.拆分分镜头脚本
如果写的是完整剧情稿，可以拆成「镜头组」。把同一个场景里发生的剧情归为一组，标注清楚每个镜头的景别、人物动作、台词内容。不用很精致，把信息列明白就行，这是后面生成视频的核心依据。很多人花大量时间做华丽的分镜故事板，带运镜曲线、带专业标注，最后丢进 AI 里反而错漏百出，完全没必要。
03.注意的雷点和避坑小分享场景图、分镜图
这是保证视频一致性最关键的一步，绝对不能省
文生图、图生图：可以通过喂参考图或提示词描述来不断优化，尽可能将生成的图片完善至最终要的效果
工具：Mj、nanobanara、image
- 人物角色图：尽可能完整地将人物的主体设定、样貌细节、服饰配饰、道具等描述明确。生成面部特写 + 正面 / 侧面 / 背面全身三视图。固定好人物形象，后续生成视频直接 @参考图，能最大程度避免人物变脸、服饰穿帮。顺便提一句，用这类智能体平台生成人物，可以绕开即梦、可灵等平台对真人人脸的限制，自由度更高。
2.场景四视图：重要场景最好生成四个角度的视图，再补几张局部细节图，固定好场景的整体风格和布局。如果需要人物站位，也可以生成一张带人物的场景示意图，提前定好人物和环境的比例，避免生成的人物忽大忽小。
3.分镜参考图：关键镜头可以先生成分镜静帧图，构图、光影、人物位置都调整到最佳状态，再拿去生成视频，成功率会高很多。
4.视频生成
素材准备就绪，就可以进入核心的视频生成环节了。提示词不用写长篇大论，核心抓五大要素，精准描述就够了：
- 主体：直接 @提前做好的角色图，不用再用文字重复描述长相；
- 场景：@对应的场景参考图，需要明确站位就用带人物的场景图；
- 镜头：写清楚景别（特写 / 中景 / 全景）、拍摄角度、运镜方式，以及画面里发生的具体动作、台词内容；
- 风格：明确视频整体风格（2D动漫/3D动画/定格动画/CG/真人写实电影），可以补充电影机型、光影风格、色调参考；
- 要求：务必加上「无背景音乐，仅保留音效」。AI 自带的 BGM 会严重干扰后期剪辑配乐，一定要提前规避。配音建议统一用同一款 AI 音色提前生成好，或者上传真人配音，避免前后声音不一致。
5.抽卡优化提示词
一次生成就完美的情况少之又少，不满意是常态。调整有三个实用技巧：
- 效果差一点的，直接复制节点，微调提示词（比如补充动作细节、调整运镜速度），重新生成；
- 完全不符合预期的，回头优化分镜参考图，用更精准的静帧图引导生成；
- 短剧情优先生成 15 秒的镜头组，给 AI 更大的发挥空间，连贯性反而比单镜头更好。
6.剪辑成片
把所有生成好的镜头素材导出，按剧情顺序剪辑拼接，配上统一的配音、BGM 和字幕，做简单的转场过渡，一条完整的 AI 短片就完成了。ai短片对于音乐和音效的要求会高一点，还有节奏上也是要做到有起伏。
3.注意的雷点和避坑小分享
不用做精致的分镜故事板
很多人花十几分钟做带运镜曲线、专业标注的华丽故事板，以为越详细 AI 生成得越好，结果恰恰相反。过度复杂的标注反而会干扰 AI 的判断，错漏百出。分镜只要把「场景、人物、动作、景别」四个信息说清楚就足够了，形式越简单，执行越高效。
提示词不是越长越好
别用 AI 生成一大段华丽的提示词，里面全是情绪渲染和冗余描述。既然已经上传了主体和场景参考图，就不用再用文字重复描述长相和环境，直接 @图片就行。提示词越精准、越聚焦动作和镜头，AI 的执行效果越好。少即是多，在 AI 提示词里永远成立。
不要频繁切换模型
同一个镜头，别换着模型反复试。不同模型的画风、色调差异很大，最后剪到一起会非常割裂。固定好搭配，保持整体风格统一，比追求单个镜头的惊艳更重要。
写在最后：
以前做一条短片，要写脚本、找演员、拍素材、做后期，动辄几周起步；现在两个人几天时间，就能输出完整的成片。工具在迭代，创作的门槛在降低，但真正决定内容好坏的，依然是想法和审美。
如果你也对 AI 短片感兴趣，找一个简单的小故事，照着流程试着做第一条。哪怕只有十几秒，也是从零到一的开始。