AI 短劇怎麼做？從點子到完整一集的流程

流程總覽

直式微短劇是一系列為手機螢幕設計的極短集數，每一集都停在一個懸念上，讓觀眾忍不住點下一集。用 AI 製作時，編劇、選角、攝影團隊和剪輯師的工作都由你一人包辦。下面的順序很重要，因為每一步都會鎖定後續步驟所依賴的內容。

鉤子與劇本：搶下前三秒

大家滑得很快。前三秒必須出現人物、衝突和一個疑問。不要用風景或緩慢的片名開場，而是直接切進動作中：一記耳光、被丟在地上的戒指、知道祕密的陌生人，或一句改變一切的台詞。

• 把前提寫成一句有「想要」與「阻礙」的話：「外送員發現客人竟是當年拋棄她的父親。」
• 先寫第一句對白，而且要在沒有前情的狀況下也能看懂。
• 每集按「鋪陳、轉折、懸念」來規劃。就算只有 30 秒，也需要一個轉折。
• 角色別太多。每集兩三個角色，要維持一致性容易得多。
• 寫看得見的動作，不要寫內心獨白。模型可以拍出顫抖的手，卻拍不出「她想起童年」，除非加一個回憶鏡頭。

劇本格式最好同時能當分鏡計畫用：場景標題、簡短的動作描述，以及標明說話者的對白。可以請聊天機器人協助起草或精簡場景，但每一句都要念出聲來檢查，把不推動劇情的內容刪掉。

角色、場景與分鏡表

在生成任何影片之前，先替每個主要角色做一張角色設定圖：臉部的正面、四分之三側面和側面，本集服裝的全身圖，以及一段固定的文字描述，之後每個提示詞都貼上它。每個場景也做一張參考圖。同一場戲內服裝保持一致，除非劇情需要換裝。

接著把劇本拆成分鏡表。下面是一個 20 秒開場集的實例，共七個鏡頭。

前提：年輕女服務生阿琳為一位態度惡劣的富豪客人上菜。他掉了名片，她看到上面的姓氏，竟與自己的家族姓氏相同。

鏡頭 1 就是鉤子：不到兩秒內有臉孔、有動作、有疑問。名片上的名字是在後製時以圖層加上去的，因為許多影片模型很難正確生成文字。鏡頭 7 停在一個疑問上，這就是觀眾要看第 2 集的理由。

生成：先做關鍵影格，再做動態

1. 根據角色與場景的參考圖，為每個鏡頭生成一張 9:16 關鍵影格，並把七張並排檢查。
2. 用圖生影片讓每張關鍵影格動起來。提示詞只描述動作、運鏡與聲音。
3. 生成時長比需要的稍微長一點，才能剪掉緩慢的開頭和飄掉的結尾。
4. 重要鏡頭（尤其是鉤子和最後一個鏡頭）多生成兩三個版本，再挑最好的。
5. 保存每個採用片段的關鍵影格、提示詞與設定，之後要重做單一片段時才方便。

手部、物體接觸（名片在指間傳遞、水潑到臉上）以及快速動作，都很容易出問題。這些瞬間可以拍得更近、拆成兩個鏡頭，或者只拍結果不拍過程。潑水可以用反應和濕掉的臉暗示，不必真的拍出水。

配音、配樂與字幕

對白是微短劇的核心，所以要當成獨立的音軌處理。你可以找演員錄音、用文字轉語音或聲音模型，或保留影片模型生成的聲音。做系列作品時，每個角色固定一種聲音，比追求完美音質更重要。只有在聲音本人明確同意的情況下，才能複製他的聲音。

• 每句對白錄製或生成為獨立檔案，再放到時間軸上，這樣調整節奏和替換都很方便。
• 使用你有授權的音樂：平台自己的音樂庫、免版稅音樂庫，或使用條款允許商用的工具所生成的音樂。
• 每個場景底下都鋪一層安靜的環境音。台詞之間完全無聲，聽起來像壞掉了。
• 每句對白都要有字幕，因為很多觀眾是靜音觀看。每行要短，畫面上一次顯示一到兩行，並放在平台按鈕和說明文字所在的底部區域上方。

要製作字幕，先把最終對白音軌轉成逐字稿，再手動校正文字。例如 cv.cm 的語音轉文字在瀏覽器中執行 Whisper，可匯出 SRT 或 VTT。YouTube 支援 SRT 和 WebVTT 字幕檔，但在觀眾很少開字幕的平台上，直接燒錄字幕比較保險。

剪輯與 9:16 輸出

剪輯要重節奏。剪掉所有沒有意義的停頓，每個鏡頭盡量晚進、早出，並在動作點上切換。把最強的畫面放在整集的第一格，因為觀眾在第一句話說完之前就已經決定要不要繼續看。

規劃每一集之前，先確認各平台的長度規定。例如 YouTube 會把三分鐘以內的正方形或直式影片視為 Shorts。這類規則會變動，發布時請查看各平台目前的說明頁面。

標示 AI 內容並遵守平台規範

逼真的 AI 人物和場景通常需要揭露。YouTube 要求創作者揭露逼真的 AI 生成或修改內容；TikTok 的社群規範要求創作者標示 AI 生成或經過大幅編輯、且畫面看起來逼真的人物與場景。在中國大陸，自 2025 年 9 月 1 日起施行的《人工智能生成合成內容標識辦法》要求發布 AI 生成內容的使用者主動聲明，並使用平台提供的標識功能。

• 上傳時開啟平台的 AI 標籤。
• 未經許可，不要使用真人的臉孔或聲音，也不要讓真實的公眾人物看起來說了或做了什麼。
• 保留生成工具寫入檔案的中繼資料標示，不要刻意移除。
• 保存專案檔和提示詞，以備平台或買家詢問這一集是怎麼製作的。