1. AI短剧的逻辑变了：从剧组到一个人的生产线

先聊个现象。短视频平台上那些情节紧凑、反转不断的短剧，以前要一个剧组、几十号人、几十万预算才能拍出来。现在你打开一个网页，敲几段描述文字，就能让AI直接把画面生成出来。这种变化不是“够用就好”的将就，而是真的把短剧制作的门槛从工业级拉到了个人级。

Wan3.0（通义万相3.0）就是这个趋势里比较有代表性的视频生成大模型。它最核心的能力是 文生视频 和 图生视频 ——你给一段文字描述，或者给一张参考图，它就能生成对应的动态画面片段。跟早两年那种只能生成几秒模糊画面的模型比，它现在能做到更长时长、更高分辨率、多镜头切换，甚至生成带声音的视频，这对于做短剧来说是质变。

这篇内容适合谁？一是短视频创作者，想用AI批量产出剧情内容的；二是编剧、分镜师，想快速把剧本“可视化”看效果的；三是纯小白，没接触过任何AI工具，但对短剧制作感兴趣的人。我会把整个流程从零讲起，包括账号注册、免费额度、提示词怎么写、参数怎么调、踩了哪些坑，以及怎么把这些片段串成一部能对外发布的短剧。

1.1 传统短剧制作的重资产困局

先给大家算一笔账，看看传统短剧为什么难做。

一部正经的竖屏短剧，哪怕是低成本的，也需要这几项硬支出：演员片酬（哪怕找素人，一天也要几百到上千）、场地租赁（公寓、办公室、餐厅，按小时算钱）、摄影设备（一台像样的微单加灯光，至少一两万）、后期团队（剪辑、调色、配音、字幕）。这还没算导演、编剧、场务这些人力成本。一个100集左右的竖屏短剧，保守估计拍摄周期15到30天，成本30万到50万起步。

这个成本结构决定了传统短剧只有在投流ROI能跑正的情况下才敢开机。创作者想试错？成本太高。想一天出三五个版本的剧情？不可能。

AI视频生成模型的出现，把成本结构彻底换了。硬件成本归零（用云端算力），拍摄成本归零（不需要实景和演员），后期成本大幅降低（AI直接生成视频画面，配音和字幕也有对应的AI工具）。剩下的核心投入是你自己的创意能力——写剧本、写提示词、做剪辑决策。

1.2 大模型把创作流程压缩成了几步

用Wan3.0这类模型做短剧，整个工作流被压缩到四步： 写剧本、拆镜头、生成画面、剪辑合成 。

传统拍摄里，剧本到成片之间隔着选角、定妆、勘景、布光、表演、NG、剪辑等一系列环节。但AI视频生成把这些环节全部抽象成了“提示词”这一个东西。你要做的只是把分镜脚本转换成模型能理解的语言，然后让模型帮你“拍”出来。

这里有一个很关键的认知转变：以前我们叫“拍”短剧，现在的准确说法是“生成”短剧。你不再需要指挥摄影师调整机位和光线，而是告诉模型“这里用低角度仰拍、侧逆光、赛博朋克色调”，模型会直接理解并渲染出来。这种抽象度的提升，本质上让创作者回归到了叙事本身——你不需要懂摄影、灯光、布景，但你必须懂故事、节奏和情绪。

这也是为什么我说零基础可以上手，但要做好心理准备：你的短板不再是“技术不会”，而是“创意够不够”——这其实是好事，创意练起来比技术快多了。

2. 上手准备：账号、工具与免费额度详解

工欲善其事，必先利其器。在使用Wan3.0之前，先把需要用到的工具和账号理清楚。做AI短剧不是只用一个大模型就完事，通常是“视频生成模型+辅助工具”的组合打法。

2.1 注册与免费体验入口

Wan3.0的体验入口在 通义APP 和 通义万相官网 上都可以找到。注册流程比较简单：用手机号或者阿里系账号登录即可，不需要额外的付费订阅才能进，通常新用户注册后会送一定额度的免费生成次数，日常也会不定期放出免费体验活动，契合“免费体验”这个卖点。

这里要提醒一个细节：免费额度通常以“积分”或“次数”计算，每次生成会消耗一定额度，不同功能消耗不同。比如文生视频消耗的额度会比图生视频高，长视频比短视频高。建议刚开始的时候先别一上来就生成最长时长，先用短片段测试提示词效果，确认画面风格对了再生成正式片段，这样最省额度。

另外一个选择是API调用，如果熟悉编程，可以通过API方式批量调用，但这个涉及到模型部署和计量计费，对新手不太友好，初期建议先用网页端把流程跑通。

2.2 辅助工具清单：文案、绘图、剪辑、配音

做一部AI短剧除了Wan3.0之外，还会用到几类辅助工具。我把它们整理成一张清单，方便大家按需准备。

工具类型	用途	推荐方案
AI文案辅助	写剧本、对白、旁白	各类大语言模型均可，比如通义千问、文心一言等
AI绘图	生成角色设定图、场景参考图	Midjourney、通义万相文生图、即梦
视频生成	核心画面生成	Wan3.0（通义万相）
视频剪辑	拼接片段、加字幕、转场	剪映、必剪、Premiere
配音	对白、旁白配音	剪映自带TTS、魔音工坊、ElevenLabs
音乐音效	背景音乐、氛围音效	剪映曲库、网易天音

这张表里，AI绘图这个环节比较关键，因为Wan3.0支持图生视频，如果你先用AI画出一张符合预期的角色或场景图，再让Wan3.0把它“动起来”，画面的可控性和一致性会高很多。后面我会专门讲这个用法。

剪辑工具方面，如果不想学复杂的专业软件，剪映就完全够用。它自带字幕识别、TTS配音和曲库，专为短视频场景优化过，学习成本很低。

2.3 第一次打开Wan3.0的界面认识

第一次打开Wan3.0的生成界面，可能会有一种“怎么这么简洁”的感觉。页面上通常就几个核心元素：输入框、功能选择（文生视频/图生视频）、参数设置（时长、分辨率、运动幅度等）、生成按钮。

不要小看这个简洁的界面，里面每个参数都影响出片效果。我建议第一次使用的人先做一次“裸跑”——不调任何参数，只输入一句简单的描述，看看模型默认输出是什么水平，再逐步调整。

这样做的好处有两个：一是快速建立对模型能力的直觉，知道它能做什么、不能做什么；二是后续调整参数时心里有底，不会因为一次效果不好就怀疑自己或者工具的稳定性。

3. 实操演示：从剧本到成片的完整流程

现在进入正题。我会用一个具体的例子，完整走一遍AI短剧的制作流程。这个例子我会选一个悬疑反转类的小短剧，因为这类内容在短视频平台上数据表现好，而且对画面要求不算太高，适合新手练手。

3.1 剧本与分镜设计（提示词工程的核心）

很多人做AI短剧最大的误区，是上来就写提示词生成画面，剧本环节完全跳过。这样做的结果就是生成了一堆零散的、没有叙事逻辑的画面，最后剪辑的时候才发现拼不成故事。

正确的顺序是： 先写一段足够短的脚本，再拆成镜头列表，最后给每个镜头写提示词。

以我要做的这部悬疑短剧为例，剧本我先压缩成一句话：一个女孩回到老宅，发现镜子里的人和自己动作不一致，最后镜子里的自己对她诡异一笑。

这个短剧本大概能撑15到20秒的时长，做AI短剧练手刚刚好。接下来拆镜头，我拆成4个：

镜号	画面内容	时长
1	女孩推开老宅木门走进来，光线昏暗	3秒
2	她走到梳妆台前，坐下，看向镜子	3秒
3	镜子里的倒影延迟半拍才动，动作不一致	5秒
4	倒影停止模仿，对女孩诡异一笑，画面黑场	4秒

拆完镜头之后，才是写提示词的环节。每个镜头的提示词，我会包含以下几个要素： 主体、环境、动作、镜头运动、光线色调、画幅比例、风格参考 。

这里直接给出我用在Wan3.0上的提示词示例（可以保存起来直接抄作业）：

镜头1提示词：

一位二十多岁的年轻女孩，穿着米色风衣，推开一扇老旧的双开木门，老宅内部昏暗，微弱的顶光照亮门厅，门轴发出吱呀声，镜头缓慢推进，电影感画面，实景拍摄风格，竖屏9:16，中景为主

镜头2提示词：

女孩坐在旧式梳妆台前，柔和的侧光打在她脸上，她缓缓抬头看向面前的镜子，眼神带着一丝不安，镜头从中景切换到近景，动作自然，竖屏9:16，电影感色调

镜头3提示词：

老旧镜子里的女孩倒影，正在做一个抬手摸头发的动作，但里面的倒影比现实世界慢了半拍，产生强烈的错位感，镜面反射泛着微光，氛围诡异，镜头固定位拍摄，竖屏9:16，写实风格

镜头4提示词：

镜子里的倒影停止模仿，嘴角缓缓上扬，露出一个僵硬的笑容，眼神直直盯着镜头，随后画面快速变黑，恐怖氛围拉满，竖屏9:16，特写镜头

这套提示词的写法，有几个底层逻辑可以拆解：

• 主体描述放在开头 。模型会对前后文的注意力有不同的权重分配，主体信息前置，它更容易抓住核心。
• 场景和光线细节要具体 。不要只写“昏暗”，要写“微弱的顶光”“柔和的侧光”，这直接影响画面质感。
• 镜头运动单独说明 。虽然模型不一定完全听指挥，但你写“缓慢推进”和“从近景切换到特写”，输出画面的动态感受会明显不同。
• 画幅比例一定写 。短剧需要竖屏，不写的话模型默认可能是横屏，后续还得裁切，白白损失质量。

3.2 文生视频实操与参数设置

提示词写好了，接下来进入Wan3.0的生成界面操作。

在文生视频模式下粘贴第一个镜头的提示词，然后设置参数。这里我详细说一下每个参数的作用：

• 时长 ：单次生成时长，可按秒选择。Wan3.0支持最长生成较长时长的视频，但我建议新手从短时长开始，因为提示词和画面效果匹配需要试错，长视频单次消耗额度高，试错成本大。
• 分辨率/画质 ：可选高清或更高。短剧建议直接选高清选项，因为最终要放到短视频平台，画质太差会影响完播率。
• 运动幅度 ：这个参数控制画面的动态程度。数值越大，画面中的运动越剧烈。做人物对话场景的时候，运动幅度不要拉满，否则人脸容易变形；做动作戏的时候可以拉高一些。

我建议第一次跑的时候，全部参数用默认值，只填提示词，先看一次“标准答案”。然后根据输出效果微调提示词，再调整其他参数。

生成完成后，Wan3.0会返回一段没有声音的纯视频片段。不要急着惊艳或失望，先用剪映把4个镜头的视频都导进来，按顺序排好。剪映的操作很简单： 媒体池导入 → 拖拽到时间线 → 调整顺序和长度 。4段素材分别对应4个镜头，每段大约在3到5秒之间，我先按剧本时长粗剪一版。

3.3 图生视频与人物一致性问题的破解

在实际制作AI短剧的时候，跨镜头的人物一致性是一个绕不开的痛点。文生视频模式下，每次生成的画面都是“独立创作”的，同一个人物可能第一次生成是瓜子脸，第二次就变成圆脸了。对于剧情连贯的短剧来说，这是致命的。

破解方法有两种：

方法一：先用AI绘图生成一张角色设定图。 比如我用AI绘图工具画一张“二十多岁女孩，米色风衣，长发，中式老宅复古风格”的角色立绘，然后用Wan3.0的图生视频功能，把这张图作为第一帧输入，再加上动作描述提示词。这样模型会在参考图的基础上做运动扩展，人物长相会被约束住。

方法二：在提示词里加入固定特征描述。 比如每次都写“女主角：瓜子脸，长发，米色风衣，眼神带有忧郁气质”作为统一前缀，后接该镜头不同的动作描述。虽然这个方法一致性没有图生视频强，但配合后期剪辑，基本够用。

我的实际建议是：如果角色在短剧里戏份较多， 用方法一 ，先定角色图再生成视频；如果只是背景人物或者单一场景， 用方法二 ，省事省额度。

图生视频的参数和文生视频类似，但多了一个输入框——你需要上传参考图。上传之后点上“锁定角色”，这样每次生成都会尽量保持第一帧人物的样貌。现场操作的顺序是：上传参考图 → 输入动作提示词 → 设置时长和运动幅度 → 生成。

3.4 剪辑配音合成：让片段变成一个“作品”

4个镜头的AI视频生成完毕后，进入剪映做后期。这一步决定了你的片子是“AI素材堆砌”还是“一部完整短剧”。

我习惯的剪辑顺序是：

1. 粗剪 ：把4段视频按顺序放在时间线上，每段掐掉头尾多余的部分，让节奏符合剧本设计。
2. 加转场 ：AI生成的视频片段之间，建议用“叠化”或“闪黑”这种比较轻的转场，不要用花哨的3D转场，会破坏电影感。
3. 配音与对白 ：这部悬疑短剧没有台词，只需要加一段环境音垫底。剪映的音频素材库里有“老宅环境音”“心跳声”“阴森氛围”等音效，拖拽到时间线对应位置即可。如果台词多，可以用剪映的“文本朗读”功能，选择一位声音合适的配音员，把对白粘贴进去生成音频。
4. BGM ：短剧成败的一半在音乐。悬疑类我建议选节奏缓慢、低频较多的氛围音乐，音量控制在比环境音低一点，避免抢戏。
5. 字幕 ：AI短剧尤其要重视字幕，因为画面本身的信息密度不一定够，观众需要字幕辅助理解剧情。可以直接用剪映的“识别字幕”功能，自动生成字幕，然后调整字体、大小、位置。

最后导出的时候，参数选择1080P、30帧、竖屏。如果平台对码率有要求，选择“更高画质”导出即可。导出后保存，一部15秒的AI短剧就完成了。

整个流程走下来，熟练以后大概15到20分钟能出一部。这个速度，传统剧组想都不敢想。

4. 我用Wan3.0踩过的坑：常见问题与排查思路

用了几个月Wan3.0，从最开始生成一堆废片，到后来能稳定产出可用的短剧片段，中间踩了不少坑。我把典型问题整理成下面的排查表，帮大家少走弯路。

现象	可能原因	解决方案
生成的画面混乱，人物多余	提示词信息量过大，模型抓不住重点	精简提示词，一个镜头只聚焦一个主体，必要信息前置
人脸扭曲变形	单镜头内运动幅度过大	降低运动幅度参数，或者缩短单镜头时长
跨镜头人物长相不一致	文生视频每次独立创作	改用图生视频输入角色参考图，锁定角色
生成速度慢、排队时间长	高峰期算力紧张	错峰生成，或者先本地把提示词都写好，集中半小时批量跑
画面有AI感的“塑料味”	提示词缺少光影和材质描述	增加细节：具体光源方向、胶片颗粒感、镜头焦段等
免费额度很快用完	频繁GPT式试错	用测试模式跑小片段，确认效果后再生成正式片段

4.1 提示词写不好，画面一片混乱

这个问题在AI视频模型里非常典型。新手写提示词，容易像写作文一样，恨不得把整个故事背景都写进去。比如“一个女孩在雨夜走进一家便利店，她看起来很伤心，因为刚刚和男朋友分手了，便利店老板是一个慈祥的老人，店里灯光很暖”——这串提示词如果丢给模型，它大概率会生成一个莫名其妙的大杂烩画面。

原因在于视频模型对长文本的理解力还做不到“读小说拍电影”的程度。 一个镜头只做一件事、只描述一个主体、只说清楚动作和场景 ，生成成功率会大幅上升。

我个人的经验法则是：提示词控制在30到50个字以内，用短语而非长句，用逗号分隔各要素。之前那个老宅悬疑短剧的例子，就是按这个思路写的。

4.2 人脸崩坏是怎么发生的

人脸崩坏是视频生成模型一个“老大难”问题，本质原因是模型在生成连续帧时，对人脸的细节记忆不够稳定。尤其是镜头里人物转动头部、张嘴说话、快速运动时，局部特征容易在帧间跳变。

应对策略：

• 运动幅度参数调低，给人脸更少的“变化空间”。
• 单镜头内的动作尽量简单，比如“抬头看镜子”比“摇头晃脑地看镜子”稳定得多。
• 如果已经生成了面部崩坏的片段，不要整体重做，去生成同场景第二条替代素材，然后剪辑时用“叠化”转场掩盖崩坏的起始帧。

注意：不要让AI生成任何违背公序良俗的画面内容，模型本身也有内容审核机制，做内容之前先想清楚边界。

4.3 生成速度慢、排队时间长

高峰期用Wan3.0，尤其是晚上8点到11点这个时段，排队时间可能很长。我的做法是：晚上先把第二天要用的提示词全部写好，整理到一个表格里，第二天早上或者凌晨统一跑生成。这样既避开了高峰期，也方便批量管理素材。

还有一些小技巧可以提升效率：同一段提示词可以先固定随机种子，生成后如果不满意再微调描述。固定种子能确保每次生成的基础一致，微调描述时结果会有延续性，不会完全“翻车”重来。

5. 从试玩到持续产出：内容方向的进阶建议

学会了基本操作之后，下一个问题就是：拿这个能力做什么内容？直接上短剧就是一个方向，但AI短剧的远不止“做短剧”这一个玩法。我想讲几个已经被验证过的方向，供大家参考。

5.1 热门AI短剧内容类型拆解

• 竖屏爽文短剧 ：霸总、逆袭、重生、穿越，这是短视频平台上最成熟的品类。特点是情节套路化、结构高度模板化，非常契合AI批量生成的优势。一部60集的短剧，初步用AI生成素材，选片段剪辑，和做15秒的练习片相比，工作量和传统团队比完全不在一个量级。
• AI漫剧 ：二次元风格的动态漫画。用AI绘图生成漫画风格的角色图，再通过图生视频让角色动起来。漫剧的好处是画面容错率高，因为二次元风格本身就允许夸张和变形，人脸崩坏问题不那么明显。
• 历史/悬疑科普剧场 ：把历史事件、未解谜团用剧情演绎的方式拍成短剧，画面可以做得有电影感，用旁白讲解推进叙事。这类内容的制作门槛不高，但流量天花板高。
• 品牌定制AI短剧 ：如果你有客户资源或者电商资源，帮品牌用AI短剧做广告投放，单价不低。AI生成成本低，可以快速出多版本物料做AB测试找素材方向，这在传统制作流程里没法想象。

5.2 批量生产的工业化流程

如果想持续产出AI短剧内容，建议根据自己的实际情况建立一套小流水线。

我自己的流程大致是这样：

1. 选题 ：关注平台上近期热度较高的短剧梗概，拆解其核心冲突和反转结构，总结成“一句话剧情模板”。
2. 批量写脚本 ：用AI文案工具把同一个剧情模板套进不同设定里，批量产出10个左右的短剧本。
3. 拆镜头与写提示词 ：每个短剧本拆成4到6个镜头，批量写成提示词表格。
4. 集中生成 ：在非高峰期批量跑Wan3.0，一次生成当天所需的全部画面素材。
5. 剪辑团发 ：用剪映批量剪辑、加字幕、配音，遵循平台发布节奏做分发矩阵。

这套流程跑起来之后，一个人一天产出3到5部15到30秒的AI短剧是不难的。如果愿意深耕，还可以把提示词模板、素材包沉淀下来，越做越熟练，形成自己的内容库。

5.3 商业化变现的几个方向

• 短视频平台分成与播放量激励 ：把AI短剧发布到短视频平台，赚播放量分成。
• 星图/品牌合作 ：有一定粉丝量后接品牌定制短剧。
• 素材出售 ：把你生成的AI视频片段打包上传到素材平台，供其他创作者下载使用，赚取被动收入。
• 课程与知识付费 ：如果你想做重一点，也可以把自己掌握的AI短剧方法论整理成教程或课程，服务更多想入行的人。

这条路误区也挺多：有人觉得AI短剧随便生成就能爆，实际上选题、节奏、完播率仍然是决定数据表现的关键变量；有人一上来就买一堆付费课程，反而忽略了免费工具本身已经把门槛降得很低了。我的建议是：先免费把工具用熟，做出3到5部完整的作品，再考虑要不要投入金钱和更多时间。

我在实际使用中最大的体会是：AI短剧制作最难的从来不是技术，而是到底要讲一个什么故事。工具已经免费摆在那里，Wan3.0的画质和稳定性也够用，真正的分水岭在于你能不能持续产出有钩子、有反转、能让观众看完不划走的内容。所以别纠结工具版本和参数细节，把时间和精力花在选题、剧本和剪辑节奏上，这才是性价比最高的投入方式。

最后再分享一个小技巧：做AI短剧的时候，把每个镜头的提示词、生成参数、效果评价记在一个表格里，看起来多花了几分钟，但积累一段时间之后，你手里会有一套“提示词参数库”，做下一部片子的时候直接调用，效率和成功率都会明显提升。这个习惯，我从第一天就坚持了，现在回头看，是让我做AI短剧少走弯路的关键一步。