导论：从一次生成到生产系统#

1. 最危险的误解#

AI 视频第一次让普通创作者产生一种非常具体的错觉：只要镜头生成得足够漂亮，作品自然会出现。这个错觉之所以顽固，是因为一段五秒样片很容易令人兴奋。人物回头，衣角被风吹起，灯光像电影，摄影机缓慢推进。它看起来已经接近“影视”。

但短剧不是五秒样片的集合。观众在第二个镜头就会开始追问：这是刚才那个人吗？她为什么换了衣服？手里的报告去了哪里？她看向画面右侧，反派为什么也看向右侧？门刚才在桌子后面，怎么又到了窗边？旁白还没说完，音乐为什么突然换了一首？

单个镜头只需要局部成立。短剧要求许多局部结果共同维持一个持续的谎言：这些人物存在于同一个世界，经历着连续发生的事情，并且每件事都在把他们推向某个结果。

因此，本书把 AI 短剧定义为一种状态驱动的视听生产。所谓状态，是某一时刻所有不能被随意改变的事实：人物是谁，穿什么，知道什么，想要什么，手里有什么，站在哪里，面对哪个方向，场景是什么光线，音乐处于什么情绪，观众还在等待哪个答案。

生成模型不会自动替你维护这些事实。聊天记录也不是可靠的生产记忆。可靠的生产来自资产、状态、版本、审批和交接。

2. 四种质量必须分开#

制作团队常用一个含混的词评价结果：“质量不错”或“质量不行”。这种说法不能指导返工。商业短剧至少有四种相互关联但不能混为一谈的质量。

第一种是镜头质量。脸是否正常，手有没有畸形，动作是否自然，画面是否清楚。第二种是连续性质量。相邻镜头的人物、服装、空间、动作、光线和声音能否接续。第三种是叙事质量。观众是否理解冲突、欲望、因果和悬念。第四种是商业质量。目标观众是否愿意停留、追更、付费、观看广告或采取品牌行动。

一个镜头可以很美，却破坏叙事。一个故事可以讲通，却没有任何购买下一集的冲动。一个广告可以获得高点击，却把错误的人带入正片。只有把四类质量分开记录，团队才知道该重生成、重剪、重写还是停止投放。

以《逆光收购》第一集为例。假设林筠举起收购授权书的镜头很漂亮，但授权书上的文字不可读，这是镜头与合成问题；下一镜授权书突然到了她左手，这是连续性问题；观众不知道授权书为什么能改变会议权力，这是叙事问题；观众理解反转却不想继续看，则是后续承诺和商业问题。四个问题不能交给同一个“再生成一次”按钮。

3. 影视生产是一条信息链#

一个项目最初只有模糊意图：“做一个女性职场复仇短剧。”市场分析把意图变成受众假设和情绪承诺；故事架构把承诺变成人物、秘密和整季升级；分集编剧把升级变成节拍和动作；资产开发把人物与世界变成可复用参考；分镜把动作变成镜头；生成工位把镜头变成候选素材；声音与剪辑把候选素材变成观看体验；发行把体验变成可测量的数据。

图 0-1 AI 商业短剧的完整生产闭环。箭头表示生产依赖，底部回路表示发行数据只能回写尚未锁定的故事与生产决策，而不能无版本地覆盖已经批准的资产。

读图时不要把八个阶段理解成八个互不往来的部门。每个阶段都在把上一阶段的抽象承诺编译成下一阶段可执行、可验收的对象：故事工程输出的不是“一个好故事”，而是人物、节拍和卡点；资产与连续性输出的不是“几张漂亮图”，而是带版本与状态的身份、服装、地点和道具；数据回写也不是让算法直接改剧本，而是产生新的假设、变更请求和批次决策。

每一次交接都可能丢失信息。编剧写“她第一次不再害怕养母”，分镜如果只画一个普通近景，情绪变化就丢了。分镜设计她把旧钢笔放在桌上，生成工位如果不知道钢笔是跨集证据，就可能换成普通圆珠笔。剪辑如果不知道这一刻是权力反转，就可能把反应镜头剪掉。投流如果只看到“职场”，又可能把素材剪成泛职场励志，吸引来的不是复仇题材观众。

生产系统的任务，是让每个工位不仅知道“做什么”，还知道“为什么做、不能改什么、通过什么标准才算完成”。

4. 最小生产单位不是视频，而是镜头记录#

文件夹里一个名为 final_3_really_final.mp4 的视频没有生产意义。系统无法知道它属于哪一集、哪个节拍、使用了哪个人物版本、承担什么情绪功能，也无法在角色服装修改后找出它是否受影响。

图 0-2 镜头状态包。中心画面只有在身份、服装、道具、空间、动作、光线和声音七类状态同时成立时，才是可以进入剪辑的镜头。

这七类状态并不具有相同的变化速度。身份通常跨季稳定；服装可能按场景或剧情阶段变化；动作在几秒内变化；声音甚至会在画面切换时继续保持。镜头记录的作用，是为这些不同时间尺度建立同一个交接点。任何一个模块缺失，下游都不应靠猜测补齐。

有意义的最小单位是一条带身份的镜头记录：

shot_id: E001_S006
beat_id: E001_B03
story_function: 林筠第一次夺回会议发言权
duration_target: 3.5
character_refs:
  - CH_LINYUN@identity_v03
wardrobe_refs:
  - WD_LINYUN_GREY_SUIT@v02
location_ref: LOC_BOARDROOM@day_v01
prop_refs:
  - PROP_ACQUISITION_AUTHORIZATION@v04
state_in:
  authorization_position: table
  emotion: restrained
state_out:
  authorization_position: right_hand_chest_height
  emotion: controlled_dominance
screen_direction: faces_right
audio_intent: room falls quiet before line
commercial_reason: 完成第一轮身份反差，但保留收购方来源
status: keyframe_approved

这条记录把故事、资产、连续性、声音和商业意图连接在一起。视频文件只是它的一个实现版本。

5. 便宜的决定必须先于昂贵的生成#

AI 降低了单次生成门槛，却容易诱使团队跳过思考。一个故事母题用文字重写十次很便宜；人物设定生成后再改，会影响数十张关键帧；视频完成后改变服装，会触发整集返工；投放后才发现第一集承诺错误，则此前所有集数都成了沉没成本。

因此，生产按十道闸门推进：母题与钩子、节拍与卡点、剧本可生产性、资产锁定、分镜、静态关键帧、动态镜头、剪辑与手机观看、广告素材、发行数据。每一道闸门都在问同一件事：当前信息是否足够可靠，值得为下一阶段付出更高成本？

闸门不是要求作品永远不能修改。它要求修改有代价意识。角色身份锁定后仍可修改，但系统必须列出受影响资产、镜头和预算，由负责人明确批准。

6. 三本账：事实、决定和问题#

一套可工作的生产系统至少维护三类记录。

事实账保存当前有效真相，例如林筠的外貌、E001 的时间、董事会议室的门窗位置。决定账记录为什么选用某个故事、镜头或声音版本，以及谁批准了它。问题账记录发现了什么错误、严重程度、证据、责任工位和修复结果。

没有事实账，模型会漂移；没有决定账，团队会反复争论已经解决的问题；没有问题账，同一种错误会在几十个镜头里重复出现。

问题账尤其不能只写“人物不一致”。可执行的问题应当写成：“E001_S006 林筠左眼下方身份痣消失，面部与 CH_LINYUN@identity_v03 不匹配；阻断级；退回静态关键帧，不需要重写分镜。”问题越具体，返工越便宜。

7. 人类不是最后一道装饰工序#

“AI 自动生产，人类最后看一遍”是另一种危险想象。人类判断应当出现在信息价值最高的地方：选择故事承诺、判断人物是否有吸引力、批准角色与风格、确认表演是否可信、判断情绪是否落地、决定数据应该如何解释。

自动化擅长检查格式、引用、尺寸、黑帧、字幕溢出、响度、缺失资产和一部分视觉相似性。它不能可靠决定一场屈辱是否令人愤怒而非厌烦，一次哭泣是否克制而非滑稽，一个卡点是否让人急切而非感到被欺骗。

高质量 Agentic 系统不是取消人，而是把人从重复搬运中释放出来，同时在关键决定前强制停下。

8. 一次完整的微型演练#

假设用户给出一句话：“做一部女性职场复仇短剧。”系统不应立即生成剧本。它先把模糊需求编译为机会简报：谁看、在哪看、如何变现、期待什么情绪、不能承担什么制作成本。接着产生多个母题和开场钩子，由人选择《逆光收购》。

故事工位建立整季秘密和证据账本，编剧工位只精写前三集。资产工位创建林筠的黄金参考、旧西装、钢笔、董事会议室和授权书。分镜工位把第一集拆成单一动作镜头，并记录林筠在每镜中的手部、道具和视线状态。

静态关键帧先接受身份与空间检查。只有通过的关键帧才进入图生视频。生成结果被标记为可用、可修、重生成或改分镜。配音按场景生成，音乐按情绪段落铺设，环境声跨镜头保持。剪辑完成后先无声检查画面连续性，再闭眼检查声音，最后在手机上检查字幕和证明物。

成片不立即批量扩展到六十集。发行工位从同一集制作多种钩子素材，测试究竟是“被开除的羞辱”“收购方身份”“异常付款证据”还是“失踪母亲”最能吸引目标观众。数据回到故事工位，决定后续集数应该加强哪一种承诺。

这一整套流程的目的不是增加官僚步骤，而是让每一次昂贵劳动都建立在已经验证的信息上。

9. 导论操作清单#

开始任何项目之前，回答以下问题：

• 项目优化的是付费、广告、品牌还是投稿通过？
• 目标观众要获得哪一种主要情绪满足？
• 第一集向观众承诺什么，最终必须兑现什么？
• 哪些资产会跨集复用，什么时候锁定？
• 哪些状态必须跨镜头继承？
• 哪些判断必须由人批准？
• 每个阶段的停止条件是什么？
• 一个问题出现后，谁能判断它应该退回哪一层？

如果这些问题没有答案，生成得越快，通常只会更快积累无法使用的素材。

10. 练习与交付物#

选择一个你准备制作的短剧概念，写出四种质量各自可能出现的三个失败。然后把其中一个镜头写成完整镜头记录，至少包含故事功能、资产引用、进入状态、离开状态、声音意图和商业理由。

本章交付物：全流程地图、四类质量表、第一条镜头记录、事实/决定/问题三账的空白模板。

研究依据说明#

本章关于资产先行、分镜审核、静态图人工检查、短镜头生成和剪辑导出的实践基础，来自本项目收集的小红书深度语料以及可直接阅读的知乎制作文章。它们提供一线流程证据；本章将这些经验重新组织为生产系统，而不是把单个创作者的速度或收益主张当成普遍事实。