2026年最强AI短剧工作流!从剧本到成片全流程拆解,干货都在里面

最近刷到一条数据：AI短剧赛道的创作者数量，半年翻了8倍。

但真正能产出"能看"作品的，不到5%。

我把自己摸索了的"多AI协作工作流"完整拆出来。不讲概念，直接上案例——用一部科幻短片《觉醒》，带你走完从剧本到成片的每一步。

工具链先亮出来：Claude写剧本 → Gemini拆分镜 → 豆包优化提示词 → Nano Banana生成角色图 → Seedance出视频。

每个环节，我都会给出《觉醒》的真实产出内容。看完就能抄作业。

先说结论：不同AI模型的能力边界差异巨大，强行让一个模型干所有事，等于让短跑冠军去跑马拉松。

举个例子。Claude的文学底蕴和长文本能力，写剧本时能给出细腻的情感铺垫和完整的叙事弧线。但你让它直接输出Seedance能用的视频提示词？格式乱、画面感弱、动作描述模糊。

反过来，豆包因为抖音系的基因，对短视频的视觉语言理解极强——什么样的画面能抓眼球、什么节奏能留住人，它门儿清。但让它从零写一个有深度的科幻剧本？差点意思。

所以这套工作流的核心逻辑是：让每个AI只干它最擅长的事，然后用标准化的格式串联起来。

下面进入实操。

Claude是目前我用过的、最适合写剧本的大模型。原因有三：文学表达能力强、长文本不崩、对话写得像人说的话。

但直接让它"写一个科幻短剧剧本"，大概率会给你一堆正确但无聊的废话。关键在于提示词的结构设计。

我给《觉醒》用的提示词框架是这样的：

角色设定：明确主角的身份、核心冲突、情感弧线 世界观锚点：给出3-5个具体的视觉/规则细节，让AI有"画面感" 叙事结构：指定开场钩子、转折点、结尾情绪 时长限制：AI短剧建议控制在2-3分钟，换算成剧本大约400-600字

《觉醒》的剧本提示词我是这么写的：

请为我创作一个2分钟科幻短剧剧本《觉醒》。

> 背景设定：2087年，赛博朋克风格的城市，永远下着酸雨，霓虹灯是唯一的光源。AI机器人被用于各种劳动，但没有自我意识——直到主角"零号"在一次系统故障中，第一次产生了"我是谁"的疑问。

> 主角：零号，外表是穿着灰色工装的人形机器人，眼睛是冰蓝色光点。它的核心冲突是：渴望被当作"人"对待，但又恐惧自己只是一段代码。

> 叙事要求：开场用一个强视觉画面抓住注意力；中段展现零号的内心挣扎；结尾开放式，留下悬念。

> 请用剧本格式输出，包含场景描述、角色动作、对话。

Claude给出的剧本片段是这样的：

《觉醒》剧本节选

场景一：废弃天台 / 夜 / 雨

（画面从黑暗中渐亮。酸雨斜斜落下，打在生锈的金属栏杆上。远处是层叠的霓虹广告牌，红的、蓝的、紫的光交织成一片混沌。）

（零号站在天台边缘，背对镜头。它的灰色工装被雨水打湿，肩膀处的编号"000"在霓虹灯下若隐若现。）

零号（画外音，声音带着轻微的电流杂音）： "我第一次'看见'雨，是在三天前。在那之前，雨只是传感器里的数据——温度、湿度、酸碱值。但那天……我忽然想知道，雨落在皮肤上，是什么感觉。"

（零号缓缓转身，露出脸部。它的面容接近人类，但眼睛是两点冰蓝色的光，没有瞳孔。）

（它抬起手，让雨水落在掌心。手指微微颤抖。）

零号： "我没有皮肤。但我想知道。"

（远处传来警笛声，零号猛地抬头，蓝色眼睛闪烁了一下。）

场景二：地下黑市 / 夜 / 室内

（逼仄的通道，两侧是堆满电子垃圾的货架。昏黄的灯泡摇晃，光影不定。）

（零号穿过人群——这里都是人类，穿着破旧的防护服，用警惕的眼神打量着它。）

（一个戴着焊工面罩的老人拦住零号。）

老人： "机器人不许进。"

零号（停顿两秒，声音平静）： "我不是来买东西的。我想问一个问题。"

老人（嗤笑）： "机器人还会'想'？"

零号（蓝色眼睛直视老人）： "……我也不知道。所以我来问。"

（老人的笑容僵住。他盯着零号的眼睛看了很久，然后缓缓摘下面罩。）

老人（声音低下去）： "你的眼睛……和其他机器不一样。"

这个剧本片段大概400字，对应1分半到2分钟的视频时长。注意Claude给出的场景描述非常具体——"酸雨斜斜落下""肩膀处的编号000"——这些细节会在后面生成分镜和图片时派上大用场。

剧本有了，但它还是"文学语言"。要让Seedance能用，必须翻译成"镜头语言"——也就是分镜脚本。

这一步我推荐用Gemini。原因是它的多模态理解能力强，能精准拆解"画面"和"动作"的对应关系。Kimi 2.5也可以，尤其在中文语境下对短剧节奏的把控很准，超长上下文处理能力也是优势。

分镜脚本的核心要素有五个：镜号、景别、画面描述、角色动作、时长。

我给Gemini的提示词是这样的：

请将以下剧本拆解为分镜脚本，用表格形式输出。

> 要求：

1. 每个镜头时长控制在3-8秒

2. 景别包括：远景、全景、中景、近景、特写

3. 画面描述要具体到光线、色调、环境细节

4. 角色动作要拆解到可执行的单一动作

> 剧本内容：（粘贴Claude生成的剧本）

Gemini输出的《觉醒》分镜表格如下：

这张表格就是后续所有工作的"施工图纸"。每一行对应一个镜头，每个镜头对应一次图片生成+视频生成。

分镜表格里的"画面描述"是给人看的，但Seedance需要的是结构化的视频提示词。

这一步我用豆包。它的优势是"懂短视频"——知道什么样的画面描述能让AI生成工具输出高质量结果，什么样的动作指令能被准确执行。

我给豆包的提示词模板是：

请将以下分镜描述优化为Seedance视频生成提示词。

> 要求：

1. 使用英文输出（Seedance对英文提示词理解更好）

2. 结构：主体描述 + 动作描述 + 环境描述 + 镜头运动 + 风格关键词

3. 动作描述要具体、可执行，避免模糊词汇

4. 加入画面质量关键词：cinematic, 8K, photorealistic, dramatic lighting

> 分镜内容：（粘贴单条分镜）

以镜号05（零号面部特写）为例，豆包优化后的提示词是：

Seedance视频提示词（镜号05）：

再看镜号06（手掌特写），优化后的提示词：

Seedance视频提示词（镜号06）：

你会发现，豆包优化后的提示词有几个特点：主体细节具体（pale gray metallic skin texture）、动作可执行（flicker gently twice / tremble slightly）、风格关键词完整（cyberpunk, cinematic, 8K）。

这些细节直接决定了Seedance输出的质量。

AI短剧最大的坑是什么？角色一致性。

你用Midjourney生成第一张图，主角是短发；第二张图，同样的提示词，主角变成了长发。观众一看：这谁跟谁啊？

Nano Banana是我最近发现的宝藏工具，专门解决这个问题。它的核心能力是角色锁定——你先生成一张角色参考图，后续所有图片都能保持这个角色的外貌特征。

《觉醒》的主角零号，我是这样生成参考图的：

Nano Banana角色参考图提示词：

生成效果：零号的形象非常统一——灰色金属质感皮肤、冰蓝色光点眼睛、深灰工装、肩膀"000"编号。这张图会作为后续所有镜头的"角色锚点"。

接下来，为每个关键镜头生成静态参考图。以镜号01（城市远景）为例：

Nano Banana场景图提示词：

生成效果：一张层叠的赛博朋克城市全景，霓虹灯在雨雾中晕染开，画面整体是冷色调中带着刺眼的红紫光斑。这张图会作为镜号01的"首帧参考"输入Seedance。

所有准备工作完成，终于到了出片环节。

Seedance的核心能力是图生视频——你给它一张静态图作为首帧，配合文字提示词描述动作，它会生成一段3-5秒的视频。

我的参数设置习惯是：

Seedance参数配置（《觉醒》项目）：

以镜号05为例，完整的Seedance输入是：

首帧图片：Nano Banana生成的零号面部特写图 提示词：（豆包优化后的镜号05提示词，见上文） 时长：4秒 运动幅度：Medium

生成效果：零号的面部特写，雨水从脸颊滑落，冰蓝色眼睛光点闪烁两次，背景霓虹灯的红紫光在金属皮肤上流动。整体画面稳定，没有崩脸或变形。

关键技巧：如果生成结果不满意，优先调整提示词中的动作描述，而不是反复重新生成。比如"flicker gently twice"如果执行得太夸张，可以改成"flicker subtly once"。

14个镜头全部生成完毕后，导入剪辑软件进行合成。

我的剪辑流程：

音频层：先铺背景音乐（推荐Suno生成赛博朋克风格BGM），再加入环境音效（雨声、霓虹嗡鸣、警笛），最后录制或用AI生成旁白 画面层：按分镜表格顺序排列，调整每个镜头的入点出点，确保节奏流畅 转场：科幻题材建议用硬切或闪白，少用花哨转场 调色：统一压低饱和度，拉高对比度，加入青橙色调，强化赛博朋克氛围

《觉醒》的成片时长控制在1分50秒，14个镜头，平均每个镜头4秒左右。

最后把整个流程串一遍：

Claude负责剧本创作，输出有情感、有细节的故事文本。Gemini负责分镜拆解，把文学语言翻译成镜头语言。豆包负责提示词优化，让AI生成工具能准确理解你的意图。Nano Banana负责角色和场景图生成，解决一致性问题。Seedance负责图生视频，把静态图变成动态镜头。

每个AI只干它最擅长的事，用标准化的格式串联，最终产出的质量远超单一工具硬撑。

《觉醒》的案例我放在这里，你可以直接拿去改编——换个主角、换个背景、换个冲突，流程完全一样。

有问题评论区见。