本期正文
Full Text
三分钟一转折:2026 年末 ai短剧 的钩子结构正在变短
把 12 部近两个月上线的 ai短剧 逐帧拉片后,一个明显的趋势是:钩子从「一集一个」变成「三分钟一个」。观众的滑动成本越来越低,前五秒留不住就再没有第二次机会。开场最常见的三种可复制结构分别是:冲突先行(第一句台词就是争执)、身份误认(观众知道而角色不知道)、结果前置(先给惨状再倒叙)。
改写检查表只有五条:第一句台词里有没有具体人名或具体物件;前 3 秒有没有一个动作而不是静态画面;有没有一句能被截图传播的台词;信息差是否在第 60 秒前兑现一半;片尾是否留了一个未回答的问题。五条里少于三条,建议重写开场而不是靠配乐补救。
配套用法:把检查表贴进分镜表首行,写完一集就逐条打勾,比事后剪掉更省时间。
AI 生成人物一致性:三套参考图法的实际废片率对比
同一角色、200 个镜头,三种做法:单图垫(只用一张正面照)、三视图(正侧背各一张)、局部特写混用(脸、手、服装分开垫)。结果是单图垫废片率约 31%,三视图降到 18%,局部混用降到 12%,但准备时间翻倍。
实用建议是:主角用局部混用,配角用三视图,群众角色单图垫即可。所有参考图统一背景与光线,能进一步降低重生成次数。
分镜表写到第几层,AI 才不会把镜头拍飞
只写「女主愤怒地看着他」几乎一定出废片。分镜表至少要有四列:景别(近景/中景/全景)、机位(平视/俯拍/仰拍)、动作(一个可执行动词)、情绪(一个形容词)。再加第五列「禁止出现」,例如禁止出现文字、禁止出现第三个角色、禁止手部特写。
经验是:一格里只写一个动作。两个动作会让模型二选一,结果通常两个都不对。
竖屏短剧的台词密度:每分钟多少字才不赶
统计了 40 条竖屏片段,舒适区在每分钟 180 到 220 字。超过 240 字观众会觉得赶,低于 150 字又容易拖。情绪爆发段可以降到 150 字,靠停顿和呼吸撑住;信息交代段可以升到 230 字,但要配字幕。
一个简单做法:写完台词用正常语速念一遍并计时,超过目标时长就删形容词,不要删动词。
同一剧本换三个配音音色,完播率差了多少
悬疑题材里低沉男声比清亮女声的前五秒留存高约 4 个百分点;情感题材则反过来,清亮女声更占优。中性少年音在两边的表现都居中,适合不确定受众时先跑测试。
测试方法:同一片段出三个音色版本,各投小额流量,看前五秒跳出率,再决定全片音色。
「一句话前提」写法:先把冲突压成 20 字
在写大纲之前先写一句 20 字以内的前提:谁、想要什么、被什么挡住。压不下去,说明冲突还不够具体。前提写清后再扩成三幕,AI 生成时人物动机不容易漂移。
反例是「一个女孩在都市中成长」,没有对手也没有代价,这种前提拍出来一定平。
反转不是越多越好:四集一个小高潮的排布
按 60 集拆成 15 个单元,每 4 集给一个明确的信息差兑现。中段塌陷通常是因为前 20 集把牌全打完了,后面只能靠误会拖时间。
排布时先标出 15 个「观众终于知道了什么」,再倒推需要埋的伏笔,比顺写更稳。
标题与封面文案:把钩子再压缩一层
封面文字和开场台词应同源但不同句。台词说「你凭什么替我做决定」,封面写「她替全家做了决定」。三条规则:不超过 12 字、有一个具体称谓、留一个未答的问题。
反例是直接堆情绪词,看完不知道发生了什么,点击率反而低。
竖屏构图的三个安全区:脸、手、字幕
9:16 画面里,字幕常压在下三分之一,如果人物脸也放在下三分之一就会糊成一团。建议脸放在上三分之一,手部动作放在中部,字幕固定底部并留出两行高度。
生成前先在分镜表里标注这三个区域,能明显减少重生成。
转场不要炫技:短剧里最省事的四种接法
硬切、动作接、视线接、声音先入。四种足以覆盖九成场景,而且 AI 生成时不需要额外做复杂运镜,废片率低。
炫技转场在竖屏上还容易让观众丢失方位感,得不偿失。
服装与发型写进提示词的正确顺序
先写轮廓(长外套、短发、瘦高),再写细节(袖口、发色、配饰)。顺序写反,模型会优先改脸来适配细节,导致人物不一致。
同一个角色的提示词建议存成固定片段,每次只改动作与景别。
两个角色同框:如何避免脸互相串
两种方案:一是分角色垫图并在提示词里用左右位置绑定;二是分别生成再合成。前者快但偶尔串脸,后者稳但需要抠像与打光匹配。
对白密集的戏建议用第二种,动作戏用第一种。
字幕断句规则:一行不超过多少字
手机端一行 12 到 14 字最稳。超过就在主谓之间或介词前断开,不要把动宾拆开。两行字幕的上行应短于下行,读起来更顺。
另外,标点尽量少用,用空格代替逗号更清爽。
情绪标注写在台词里的写法
用方括号标情绪,如「[压低] 你早就知道了」;用斜线标停顿,如「我 / 不是来道歉的」。配音拼接时这些标记能直接转成参数,省一半返工。
标记不要超过两种,太多会让配音听起来做作。
口型对不齐的三个常见原因
一是语速不匹配,配音比画面快;二是断句不同,字幕和音频对不上;三是背景音乐抢拍,盖过了辅音。排查顺序建议先看断句,再看语速,最后查混音。
对口型前先把音频定稿,再生成画面,顺序反了会白做。
无版权音效的整理方法
按场景建目录:脚步、开门、心跳、玻璃碎、雨声、人群。每个目录只留三个最常用的,文件名写清时长与情绪。检索速度比临时现找快很多。
所有素材记录来源与授权方式,方便日后复用。
配乐不要盖住关键台词
在信息差揭示的那一句做 3dB 的自动闪避,观众才听得清。整段配乐音量也要压在人声之下,宁可小一点。
手机外放的低频很容易糊,混音时建议用手机喇叭试听一遍。
一条 60 秒片段的工作流拆解:从脚本到成片
五步:文生图定构图(约 25 分钟)、图生视频(约 40 分钟,含返工)、配音(约 10 分钟)、对口型(约 15 分钟)、剪辑与字幕(约 30 分钟)。总计约两小时,返工主要发生在图生视频阶段。
把返工次数记下来,第二次做同类片段能省三成时间。
免费额度怎么排:把生成次数花在刀刃上
先批量出低精度小样定构图,只对通过的镜头做高清重生成。这样能把有限的生成次数集中在真正要用的镜头上。
小样阶段不要纠结细节,看构图和动作方向就够了。
本地部署还是云端:算力成本的粗略估算
按每周 200 个镜头估算,云端按次计费更灵活,本地部署前期投入高但长期摊薄。显存门槛主要卡在高分辨率视频生成上。
如果只是测试选题,先用云端;确定要长期做,再考虑本地。
可复用的镜头提示词骨架
五段式:主体(谁)、动作(在做什么)、景别(多近)、光线(什么光)、画质(清晰度与风格)。替换名词即可套用,结构不变。
把骨架存成模板,每次只改主体和动作,能保持全片风格统一。
负面提示词清单:最常出现的六类瑕疵
多手指、脸崩、文字乱码、服装突变、背景穿帮、比例失调。把六类写成固定负面清单,每次生成都带上。
其中文字乱码最难根除,分镜里尽量避免出现需要生成文字的画面。
前 24 小时该盯哪三个数据
完播率、前五秒跳出率、评论互动量。三个数决定要不要追加投流:完播高但跳出高,说明钩子不够;跳出低但互动少,说明话题性不足。
不要只看播放量,播放量高而完播低的内容很难二次推。
一天发几条:多账号更新的现实节奏
素材不足时先保证单账号日更,再考虑拆号。把半成品摊到多个账号,反而每个都起不来。
稳定更新比偶尔爆量更重要,平台也更愿意给稳定账号流量。
封面三选一的低成本测试法
同一片段换三张封面小流量跑数,保留完播最高的那张。封面文字要能独立成句,不要依赖标题补全。
测试周期建议三天,太短数据噪声大。
AI 生成人物用真人脸的风险点
用真人照片做参考图涉及肖像授权,声音克隆涉及声音授权。发布前应留存授权说明与生成记录,避免后续纠纷。
公共人物与未成年人尤其要谨慎,宁可换虚构形象。
剧情里的暴力与医疗桥段怎么改
把直接呈现改为暗示与后果提示:不拍伤害过程,只拍事后反应;不给出具体医疗操作,只呈现就医结果。既保留张力又降低下架概率。
涉及专业领域时,台词里避免给出可操作的建议。
素材来源要留底:一份简单的登记表
四列:生成时间、工具与版本、提示词、参考图来源。出问题时能自证,也方便团队交接。
登记表不用复杂,放在项目根目录的一个文本文件里就够。