2026 年了，做 AI 短剧的人比看 AI 短剧的人还多。打开任何一个视频平台，都能刷到“AI 短剧月入 5 万”“零基础用 AI 做短剧躺赚”之类的标题。但真正自己动手做过的人都知道，从“能生成一张好看的图”到“能稳定产出一集能看的短剧”，中间隔着一条巨大的鸿沟。

很多人第一次尝试 AI 短剧，流程是这样的：打开一个文生视频工具，输入一句“古装女主在花园里收到密信”，生成一段 5 秒视频，再生成下一段，结果发现女主的脸完全不一样，衣服纹样变了，场景光线也对不上，剪出来根本没法看。这不是工具不够强，而是没有把 AI 短剧当成一条完整的“生产流水线”来做。

这篇文章的核心判断是： AI 短剧真正难的不是生成，而是“一致性”和“流程化” 。你需要的不是某个秘方提示词，而是一套从剧本拆解、角色定妆、分镜生成、动态化到后期剪辑的标准化工作流。文中我会结合即梦这类云端 AI 视频平台，以及 ComfyUI 这套开源图像生成工具，给出一条零基础也能照着落地的实操路线，包括环境准备、分镜脚本模板、提示词写法、批处理脚本、效果验证方法和常见报错排查。

读完这篇文章，你能得到的不是一句“AI 很厉害”，而是一套能跑通 30 秒短剧片段的完整方法，以及后续做长剧时一定会遇到的那些坑的避坑指南。

1. 为什么你做的 AI 短剧像“PPT 配乐朗诵”

先说一个扎心的现象：同样是 AI 生成的画面，有人剪出来像电影预告片，有人剪出来像公司年会背景视频。差别不在工具，而在流程设计。

传统短剧剧组有明确的岗位分工：编剧写本子，导演画分镜，美术做场景设计，演员定妆，摄影打光拍摄，后期剪辑配音。AI 短剧不是不需要这些岗位了，而是 这些岗位全部压缩到了一个人手里 ，你既是编剧、美术，又是导演、后期。

大部分新手恰恰是在“压缩”这一步出了问题。他们让 AI 直接生成视频，相当于跳过了美术设计和演员定妆，直接让摄影师开机。结果是每个镜头都在“重新创作”，角色怎么可能长得一样？

所以，做 AI 短剧第一步不是学工具，而是建立“生产工序”意识。AI 短剧的基础链路大致是：

1. 剧本拆解：把故事拆成场景卡片，每张卡片包含时间、地点、人物、动作、表情、台词。
2. 角色定妆：用 AI 绘画工具生成角色的多角度标准像，作为全片的“演员”。
3. 分镜画面生成：按场景卡片生成静态关键帧，这一步是在定“美术基调”。
4. 动态化：把静态图放入图生视频工具，让画面动起来。
5. 配音配乐：生成或录制台词、音效、背景音乐。
6. 剪辑合成：用剪辑软件把片段拼成完整短片。

在这个链路里，即梦负责的是第 4 步的视频生成，ComfyUI 负责的是第 2、3 步的高质量图像生成和角色一致性控制。两者是上下游配合关系，不是二选一。

后面的章节，我会按这套工序逐步展开。

2. 核心工具分工：即梦和 ComfyUI 到底各管哪一段

很多教程会告诉你“即梦是文生视频工具”“ComfyUI 是绘画工具”，这种说法没错，但不利于你搭建工作流。更准确的理解是：

工具	核心职责	对应短剧制作环节	适合人群
即梦	云端 AI 视频生成，支持文生视频、图生视频	分镜动态化：把静态关键帧变成动态镜头	零基础用户、不需要本地显卡的用户
ComfyUI	本地节点式 AI 图像生成与处理	角色定妆、场景关键帧、图像风格统一、批量出图	需要对角色和画面有精细控制的进阶用户
剪映 / PR	视频剪辑、字幕、音效、调色	后期合成	所有用户
配音工具	文字转语音、声音克隆	对白与旁白	所有用户

这里需要强调一下 ComfyUI 在整条链路里的独特价值： 它是目前把“一致性”这件事做到极致可控的开源工具方案 。它采用节点式工作流，每个节点处理一个明确任务，例如加载模型、输入提示词、生成图像、放大、批量处理。整套流程可以被保存成 workflow 文件，下次直接加载复用，这就确保了“同一个角色设定可以反复生成”。

即梦这类云端平台的优势则在于视频生成能力开箱即用，不需要自己部署模型，也不需要高性能显卡。它的劣势是，如果你要做长剧，每段视频的角色、风格都需要你通过参考图或提示词去约束，平台本身不会自动帮你维持跨镜头的角色一致性。

所以， 合理的组合方式是：用 ComfyUI 做“演员定妆”和“关键帧生产”，用即梦做“动态化执行”，用剪辑软件做“最终合成” 。ComfyUI 保证画面可控，即梦保证动态自然，各管一段，互不抢活。

3. 环境准备：本地 ComfyUI 部署与云端即梦账号准备

在实际动手之前，先准备好工具环境。如果你只是想做简单的 5 秒视频，只用即梦网页版就够了。但如果你想认真做一集短剧，强烈建议把 ComfyUI 部署起来，它的价值会在批量出图和角色一致性控制上充分体现。

3.1 即梦平台准备

即梦是云端平台，不需要安装，使用浏览器访问即可。准备工作主要有三件：

1. 注册账号并登录。
2. 熟悉两个核心功能入口：文生视频、图生视频。其中图生视频是 AI 短剧工作流里使用频率最高的功能，因为我们要先用 ComfyUI 生成关键帧，再把关键帧交给即梦做动态化。
3. 准备好参考图。参考图是指能清晰展示角色长相、服装、场景风格的图片。后面我们会用 ComfyUI 批量生产这类参考图。

3.2 ComfyUI 本地部署

ComfyUI 的部署方式主要分两种：

• 整合包方式：社区作者已经把 Python 环境、依赖、常用插件打包好，解压即用，对零基础用户最友好，适合 Windows 用户。搜索“ComfyUI 整合包”可以找到相关资源，下载后按说明解压即可。
• 手动部署方式：通过 Git 克隆官方仓库，自己准备 Python 环境和依赖，适合有一定开发经验的用户。

手动部署的核心步骤（以 Linux 为例）大致是这样：

# 克隆 ComfyUI 官方仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 启动 ComfyUI
python main.py

启动成功后，浏览器访问 http://127.0.0.1:8188 即可打开工作流界面。

如果使用整合包，通常直接双击启动脚本即可，无需手动执行这些命令。

3.3 模型文件放哪里

ComfyUI 启动后，还需要模型文件才能出图。常见的模型存放路径如下：

ComfyUI/
├── models/
│   ├── checkpoints/      # 主模型（大模型），决定整体画风
│   ├── loras/            # Lora 模型，用于控制特定角色或风格
│   ├── vae/              # VAE 模型，影响画面色彩
│   ├── controlnet/       # ControlNet 模型，用于姿态、构图控制
│   └── upscale_models/   # 放大模型

新手最容易犯的错是把模型文件随便扔到一个文件夹里就完事。请务必按目录结构放置，否则 ComfyUI 界面里看不到对应模型选项。

3.4 硬件配置建议

本地部署 ComfyUI 需要一定的硬件基础。从实际使用经验看：

• 显卡显存 8GB 以上，跑主流的 SD1.5 系列模型比较流畅。
• 显存 12GB 以上，跑 SDXL 系列模型体验更好。
• 如果电脑配置不够，可以使用云 GPU 平台，按小时租用，成本可控。

这个配置不是绝对标准，但可以作为你判断“要不要本地部署”的参考。

4. AI 短剧核心流程拆解：六步走通一条短片

环境准备好之后，我们进入正题。下面这六步，是 AI 短剧从想法到成片的主干流程。每一步单独看都不难，难的是把它们串成一条可复制的流水线。

4.1 第一步：剧本拆解，从“故事”到“场景卡片”

写短剧剧本和写小说不一样。短剧是镜头语言，每个镜头都需要明确的信息：画面里有什么人、人在做什么、什么情绪、什么景别。

建议把每一段戏拆成一张场景卡片，包含以下字段：

字段	说明	示例
场次	第几场戏	S03
场景	地点和环境	夜晚书房，烛光
人物	出场角色	女主林晚，丫鬟小翠
人物动作	具体肢体动作	林晚拆开密信，神色骤变
人物情绪	表情状态	紧张、震惊
景别	远景/中景/近景/特写	中景推近景
台词	画面内的对白或旁白	“这封信…是假的？”
运镜	镜头运动方式	缓慢推进

为什么要做这一步？因为后面的提示词、参考图、视频生成全部要从这张卡片里取信息。卡片信息越清晰，AI 生成结果越可控。你告诉 AI“一个古装女子在书房里看信”，和告诉它“夜晚书房，烛光，古装女子林晚坐在案前，指尖微颤地拆开信，表情逐渐凝固，中景，镜头缓慢推进”，生成结果完全不是一个量级。

4.2 第二步：角色定妆，解决“演员长什么样”的问题

接下来是 AI 短剧最关键的一步：角色一致性。

所谓角色一致性，就是让同一个角色在整部剧的每一个镜头里看起来是同一个人。实现方法有很多种，但底层逻辑都是： 给 AI 一张或多张“演员标准照”作为参考 。

在 ComfyUI 里，常见做法是：用一个基础模型作为底模，配合 LoRA 或参考图，生成角色在正面、侧面、不同表情下的定妆图。生成后固定下来，后续所有分镜都围绕这套定妆图展开。

定妆图不需要很多，但至少要包含：

• 角色正面清晰照。
• 角色半身或全身照。
• 不同角度的头部特写。

这套图就是你的“演员库”。每集短剧开始制作前，先把演员库准备好，而不是边做边找参考。

4.3 第三步：分镜关键帧生成，把文字变成画面

有了场景卡片和角色定妆图，就可以开始生成关键帧了。所谓关键帧，就是某个镜头中最具代表性的一帧静态画面。它决定了这个镜头的构图、光线、人物状态和整体氛围。

这一步可以放在 ComfyUI 里做。因为 ComfyUI 支持批量处理，你可以把同一角色的多张定妆图、多个场景提示词一次性跑完，一次性生成整场戏的关键帧，然后从中挑选每条镜头最好的那张。

选图也是有标准的，不是“看起来好看”就行，而是要看：

• 角色长相是否符合定妆设定。
• 服装细节是否和剧本一致。
• 构图是否给后期运镜留下空间。
• 光线氛围是否符合场景情绪。

选好关键帧后，把它作为图生视频的输入图。

4.4 第四步：动态化，让静态画面动起来

关键帧生成后，进入视频生成环节。

在即梦中，使用图生视频功能，上传关键帧，再用提示词描述画面里的动态内容。例如：

• 输入图是一个“女主手持信纸”的静态画面。
• 视频提示词写“女主手指微微颤抖，缓缓抬头，眼神从疑惑变为震惊，烛光在脸上跳动”。
• 生成 5 到 10 秒的动态片段。

需要注意，图生视频不是万能的。AI 能动的部分越多，出错概率越大。新手最容易犯的错是让画面里所有东西一起动，结果人物形变严重。更稳妥的策略是“局部动”，优先让人物的面部表情、手部动作、衣角飘动动起来，背景保持相对静止。

4.5 第五步：配音与音效

视频画面生成后，还需要配音。AI 短剧的配音包括台词、旁白、音效、背景音乐四部分。

台词生成可以找支持多音色、多情绪的 TTS 工具，选择适合角色的声音。这里要特别提醒： 最好在剧本阶段就确定角色音色，后续每集保持一致 ，否则观众会明显感觉到“这一集换演员了”。

音效和背景音乐可以使用剪辑软件自带的素材库，也可以使用可商用的音乐素材平台。注意检查素材的授权范围，尤其是用于商业变现的短剧内容。

4.6 第六步：剪辑合成

最后一步是把所有视频片段按分镜顺序拖入剪辑软件，加上字幕、音效、转场、调色。

这里有一个很多人忽略的点： 建议在剪辑阶段保留“抽帧检查”的习惯 。把最终视频每隔几秒抽一帧出来，看有没有明显的人物崩坏、穿帮、变脸问题。因为这些小问题在预览时容易被忽略，但观众在大屏幕上会一眼看出来。

5. 完整示例：30 秒古装短剧片段制作实录

理论讲完，我们用一个具体案例把整个流程串起来。假设要制作一个 30 秒的古装短剧片段，情节是：女主林晚在深夜书房收到一封密信，发现信中内容涉及家族秘密，决定连夜出府查证。

5.1 分镜脚本

先把这段戏拆成分镜表：

分镜	景别	画面内容	台词/旁白	时长
01	全景	深夜书房外，月色笼罩，屋内有烛光	旁白：那一夜，她收到了改变一生的信	4s
02	中景	林晚坐在案前，手中握着刚拆开的信	无	4s
03	近景	林晚面部特写，表情从疑惑到震惊	无	5s
04	特写	信纸内容特写，字迹潦草	无	3s
05	中景	林晚站起，将信放入烛火中烧掉	“此事绝不能让第三个人知道。”	5s
06	全景	林晚披上斗篷推门而出，走进夜色	旁白：天亮之前，她必须找到答案	4s

这一段 30 秒的戏，共 6 个分镜。下面我们逐个环节操作。

5.2 用 ComfyUI 生成角色定妆图和关键帧

先在 ComfyUI 中生成女主角林晚的定妆图。以 SD 系列模型为例，提示词模板大致长这样：

Prompt（正面提示词）:
masterpiece, best quality, ancient chinese female, midnight, hanfu, 
silk robe, deep purple and white, delicate face, phoenix eyes, 
hair bun with jade hairpin, holding a letter, candlelight, 
indoor night scene, warm light, cinematic lighting, half body shot

Negative prompt（负面提示词）:
blurry, lowres, bad anatomy, bad hands, extra fingers, watermark, 
text, logo, deformed, ugly, duplicate, mutilated, out of frame

这组提示词的作用是限定人物、服装、环境、光线、景别。生成时建议先多抽几张，挑一张最接近剧本设定的图出来，作为女主角的“定妆标准照”。

接下来，按分镜表生成关键帧。每个分镜的提示词，只需要在定妆提示词基础上做小幅修改，例如分镜 03 强调面部表情：

Prompt:
masterpiece, best quality, ancient chinese female, close up face, 
midnight, hanfu, silk robe, deep purple and white, delicate face, 
phoenix eyes, hair bun with jade hairpin, shocked expression, 
eyes wide, candlelight flickering on face, cinematic lighting

Negative prompt:
blurry, lowres, bad anatomy, bad hands, extra fingers, watermark, 
text, logo, deformed, ugly, duplicate, mutilated, out of frame

这里真正值得注意的技巧是： 不要在同一个关键帧里塞太多文字描述 。AI 生成的细节越多，越容易相互干扰。每个关键帧只锁定“人物 + 核心动作 + 环境 + 情绪”四个维度，其他细节让模型自由发挥。

5.3 用 Python 脚本批量管理分镜文件

当分镜数量多起来之后，手动管理分镜文件会非常痛苦。建议写一个简单的 Python 脚本，把分镜脚本转成标准化的提示词文件，方便后续批量导入 ComfyUI。

# 文件路径：tools/shot_manager.py
import json
import os
from datetime import datetime

shots = [
    {
        "id": "S03_01",
        "scene": "night_study_outside",
        "camera": "wide_shot",
        "prompt": "ancient chinese courtyard at midnight, moonlight, candlelight from window, cinematic",
        "duration": 4,
        "action": "static establishing shot, leaves falling slightly"
    },
    {
        "id": "S03_02",
        "scene": "night_study_inside",
        "camera": "medium_shot",
        "prompt": "ancient chinese woman in hanfu sitting at desk, holding a letter, candlelight, warm tone",
        "duration": 4,
        "action": "hand trembling slightly, eyes moving down"
    },
    {
        "id": "S03_03",
        "scene": "night_study_inside",
        "camera": "close_up",
        "prompt": "ancient chinese woman face close up, shocked expression, candlelight flickering on face",
        "duration": 5,
        "action": "eyes widening, breathing heavily"
    }
]

def generate_shot_files(shots, output_dir="shots"):
    os.makedirs(output_dir, exist_ok=True)
    for shot in shots:
        file_name = f"{shot['id']}.json"
        file_path = os.path.join(output_dir, file_name)
        with open(file_path, "w", encoding="utf-8") as f:
            json.dump(shot, f, ensure_ascii=False, indent=2)
        print(f"已生成分镜文件: {file_path}")

if __name__ == "__main__":
    generate_shot_files(shots)
    print(f"共生成 {len(shots)} 个分镜文件")

运行方式：

python tools/shot_manager.py

这个脚本会把每个分镜保存成一个独立的 JSON 文件，里面包含分镜 ID、景别、提示词、时长、动态描述。你可以在 ComfyUI 里用自定义节点读取这些 JSON 文件，也可以在后续步骤中把这些提示词复制到图生视频工具里使用。

5.4 用即梦生成动态视频片段

ComfyUI 负责把关键帧生成好，即梦负责让关键帧动起来。

操作路径是：

1. 在即梦平台选择“图生视频”功能。
2. 上传刚才选好的关键帧，例如分镜 03 里女主震惊表情的那张图。
3. 在提示词框输入动态描述。

分镜 03 的视频提示词可以这样写：

女主缓缓抬起头，眼睛逐渐睁大，瞳孔微微收缩，嘴唇轻轻颤抖，脸上映着跳动的烛光，背景保持静止，镜头缓慢推进，真实电影感，4 秒

注意几个细节：

• 明确“背景保持静止”，防止画面整体变形。
• 明确“镜头缓慢推进”，让动态方向唯一。
• 明确时长，方便后期拼接。

生成后，如果某个分镜的动态不理想，不要急于重新生成，先检查是“构图问题”还是“动作描述问题”。构图问题回到 ComfyUI 重出关键帧，动作描述问题再调整提示词。

5.5 用 ffmpeg 做后期视频预检查

在把片段导入剪辑软件之前，推荐用 ffmpeg 做一次批量抽帧检查。这个习惯能帮你快速发现视频里的人物崩坏问题。

# 抽帧：每 10 秒抽一帧，用于快速预览
ffmpeg -i episode_01.mp4 -vf "fps=1/10" -q:v 2 frames/frame_%03d.jpg

# 查看视频基本信息
ffprobe episode_01.mp4

抽帧后，逐张查看抽取出来的图片，重点看人物脸部是否自然、服装纹样是否跨镜头一致、有没有明显的穿帮。这一遍检查做扎实，后面剪辑时能省很多返工时间。

6. 运行结果与效果验证：如何判断一段 AI 视频能不能用

很多新手遇到的问题是“生成了一堆素材，却不知道哪个能用”。这里给出一套相对客观的验证标准。

6.1 图片验证：关键帧是否达到可用标准

判断一张关键帧能不能用，看四个维度：

检查项	通过标准	不通过时的处理
主体一致性	角色长相、服装与定妆图一致	回到 ComfyUI，用更明确的参考图或 LoRA 控制
空间构图	主体位置合理，留出运镜空间	调整提示词中的景别描述
光线氛围	与场景情绪匹配	调整光线相关提示词
细节完整	手部、面部、道具无畸形	重新抽卡，或使用局部重绘修复

6.2 视频验证：动态片段是否合格

动态片段的验证，比静态图更严格。拿到一段生成好的视频，播放时重点关注：

• 人物五官是否在运动过程中发生变形。
• 动作是否连贯，有没有跳帧或突然变速。
• 背景是否稳定，有没有明显扭曲。
• 镜头运动是否符合预期。

如果人物只有轻微抖动，可以在剪辑软件里通过加速或裁剪处理；如果五官变形严重，基本只能重新生成，不值得花时间修补。

6.3 整片验证：拼接前的最后一次检查

所有分镜片段生成完毕后，按顺序排列，完整播放一遍。这一遍要对照最初的分镜脚本，逐项确认：

• 画面内容是否和分镜描述一致。
• 台词和口型是否对得上（如果涉及说话画面）。
• 转场处是否出现跳变。
• 整体节奏是否符合剧本预期。

从实际制作经验看， 一条 30 秒短片的素材准备时间通常在 2 到 4 小时左右 。其中大部分时间不是花在“生成”上，而是花在“筛选”和“重新生成”上。如果你能缩短这个循环，你的生产效率就会明显提升。

7. 常见问题与排查思路

AI 短剧制作过程中会碰到大量报错和翻车现场。下面把最常见的问题整理成表格，方便你出问题时快速定位。

问题现象	可能原因	排查方式	解决方案
ComfyUI 启动失败	Python 版本不匹配、依赖缺失	查看命令行报错信息	确认 Python 版本，重新安装 requirements.txt 或使用整合包
ComfyUI 界面里找不到模型	模型文件放错目录	检查 models/checkpoints 路径	将模型移动到正确目录后刷新页面
生成图片时提示显存不足	显卡显存不够或 batch size 过大	查看显卡占用	降低图片分辨率，关闭其他占用显存的程序，或使用云 GPU
节点在执行过程中发生错误	节点版本不兼容、输入类型不对	点击红色高亮节点，查看错误窗口中的具体报错	根据报错信息检查节点输入，升级或更换节点
生成的角色脸部崩坏	底模不适合该风格、提示词缺少约束	增加负面提示词，多抽几张	使用更擅长人物写实的模型，加入 LoRA 控制角色特征
视频里角色长相和关键帧不一致	图生视频时参考图约束不够	检查参考图清晰度和构图	使用更清晰、主体更突出的关键帧作为参考图
视频背景扭曲严重	动态描述里让背景也动了	检查提示词是否包含背景运动	提示词中明确“背景保持静止”，只让主体运动
跨镜头服装颜色不一致	不同关键帧提示词中服装描述不同	检查各分镜提示词	建立统一的服装描述词，复制到每个分镜提示词中

在这些问题里，最常见也最让人头疼的是“节点在执行过程中发生错误”。这类报错在 ComfyUI 里通常表现为节点变红、控制台出现一段 error report。处理时不要慌，先看两处：报错信息里提示的是哪个节点、错误类型是缺少模块还是类型不匹配。绝大多数情况是某个自定义节点版本过期，去 ComfyUI Manager 里更新一下节点即可。

8. 最佳实践与工程建议

当你已经能跑通一条 30 秒短片之后，下一步就是考虑“如何稳定地、批量地产出内容”。下面这些建议来自实际制作中的经验积累，可以帮助你少走弯路。

8.1 建立标准的项目文件夹结构

做一集短剧会产出大量中间文件。如果不做规范管理，第二天你就找不到上一集用的定妆图了。

推荐的项目结构如下：

episode_01/
├── script/           # 剧本和分镜脚本
├── characters/       # 角色定妆图库
├── keyframes/        # 关键帧图片
├── videos/           # 生成好的视频片段
├── audio/            # 配音、音效、音乐
├── output/           # 最终成片
└── workflow/         # ComfyUI 工作流文件

8.2 把提示词资产化

不要每次都重新写提示词。把你验证过的有效提示词按类型存起来，例如：

• 角色定妆提示词模板。
• 室内夜戏光线提示词模板。
• 室外日景提示词模板。
• 情绪特写提示词模板。
• 负面提示词通用模板。

这些模板是你最宝贵的生产资料。AI 短剧做得久的人，拼的不是谁的运气好，而是谁的提示词库更丰富、更稳定。

8.3 一致性方案要分层，不要只靠单一手段

角色一致性不是一个方法搞定一切。更稳妥的做法是分层控制：

• 全局层面：使用统一的底模和风格描述词。
• 角色层面：使用定妆图、LoRA 模型来控制五官和服装。
• 动作层面：使用姿态参考控制人物的肢体动作。

层数越多，稳定性越高，但操作复杂度也越高。新手可以先从定妆图 + 统一提示词开始，等流程稳定后再逐步引入更复杂的控制方案。

8.4 版权与内容合规红线

这块必须单独强调。AI 短剧制作涉及三条红线：

1. 生成内容不得使用真实明星、公众人物的肖像。
2. 使用的音乐、音效、字体、素材必须确认可商用。
3. 发布前确认内容符合平台审核规则，尤其是涉及真实感画面的内容。

有些平台对 AI 生成内容有明确的标识要求，发布时需要按平台规则标注“AI 生成”。这些细节直接影响你能不能长期做下去，务必重视。

8.5 成本控制与效率优化

AI 短剧的成本主要集中在三块：云端视频生成费用、云 GPU 租用费用、时间成本。

控制成本的方法是：

• 先做分钟级 demo，验证故事和风格可行，再投入资源做完整集。
• 关键帧阶段在本地用 ComfyUI 批量抽卡，优中选优后再进入视频生成，避免拿废图去生成视频。
• 每个视频生成任务前，明确“这段视频的目的是什么”，避免漫无目的地抽卡。

9. 总结与后续学习方向

这篇文章的核心内容可以浓缩成一句话： AI 短剧不是靠一个工具一键生成的，而是靠一条“剧本拆解 → 角色定妆 → 关键帧 → 动态化 → 配音 → 剪辑”的标准化流水线稳定产出的 。

即梦和 ComfyUI 在这条流水线中扮演不同角色：即梦解决“让画面动起来”的问题，ComfyUI 解决“角色一致、风格统一、批量生产”的问题。前者追求的是动态自然，后者追求的是画面可控。对零基础入门者来说，建议先跑通“即梦文生视频快速做出一条 15 秒短片”的流程，建立对 AI 视频生成能力的感知；然后再引入 ComfyUI，重点攻克角色一致性和批量出图；最后再回到整片制作，打磨配音、剪辑和节奏。

如果你现在准备做自己的第一部 AI 短剧，不用一上来就规划 100 集，先做一条 30 秒的片段，跑通这条流水线。期间一定会遇到各种报错和翻车，那很正常。把每次翻车的解决方案记录下来，你的第二部、第三部会越来越顺。

推荐的学习顺序是：先学会在 ComfyUI 里稳定生成一张关键帧，再学会用即梦把它变成一段动态视频，然后完成一条 30 秒短片，最后再考虑做系列化的内容。每一步都有明确的产出物，比漫无目的地刷教程有效得多。

这套流程里的每一个环节都可以继续深入，比如用 ControlNet 精确控制人物姿态、用 LoRA 训练专属角色模型、用音频驱动口型等。当你把基础流程跑通之后，再沿着这些方向往下探索，会顺畅很多。建议先收藏这篇文章，第一步不用多，今晚先从生成第一张角色定妆图开始。