书前
前言：我们真正要建造的，不是一条 AI 视频#
一部关于“把作品做成”的书#
过去几年，AI 影像最醒目的进步，常常以几秒钟为单位出现：一张人物图变成会呼吸的镜头，一段文字变成有光影和运镜的画面，一个虚构角色获得声音、表情和动作。每次能力跃迁都令人兴奋，也不断制造同一种错觉：既然镜头已经能够生成，影视作品似乎也快要能够一键生成。
真正进入生产之后，这个错觉很快就会破裂。
一个漂亮镜头不等于一个成立的场景；一个成立的场景不等于一集让人追看的短剧；一集偶然成功的样片，也不等于一套能够稳定生产几十集、控制成本、通过验收并获得商业回报的系统。人物会在相邻镜头中变脸，服装和道具会无故改变，房间的门窗会移动，演员的视线和动作接不上，音乐只会笼统地“煽情”，长旁白缺少呼吸和情绪弧线，剪辑则被迫用越来越多的补丁掩盖上游问题。更隐蔽的失败发生在故事层：画面越来越精致，观众却不知道主角究竟想要什么，也没有理由点开下一集。
所以，这不是一本教人“生成一些短剧镜头”的书。本书讨论的是一个更完整、也更困难的问题：如何借助 AI，设计、组织、生成、剪辑、检验和经营一部真正可交付的商业短剧。
这就是本书所说的“造剧”：不是生成许多彼此无关的漂亮镜头，而是让成百上千个镜头服从同一套故事事实、人物状态、视听语言、商业目标和生产秩序。AI 改变了每个工位的工具和成本，却没有取消戏剧、导演、表演、摄影、声音、剪辑、制片、法务和发行的基本责任。相反，由于生成模型缺少稳定记忆、局部结果具有随机性、工具能力快速变化，生产系统必须比传统的个人创作更明确地管理状态、资产、版本、依赖、预算和审批。
本书要解决的核心矛盾#
AI 生成擅长局部创造，连续叙事要求全局约束。
局部创造允许一个镜头独自精彩。全局约束要求同一个人物在几十集里仍然是同一个人；要求伤痕、服装、道具、知识和情绪遵循剧情时间；要求上一镜抬起的手能在下一镜继续落下；要求空间方向、光线、环境声和音乐动机共同维持世界的连续；还要求这些艺术选择服务于明确的观众承诺和商业模型。
这正是 AI 商业短剧最根本的生产矛盾。它不能只靠更长的提示词解决，也不能只靠最后的人工剪辑补救。它需要一整套从上游到下游相互咬合的方法：
- 把市场机会转化为可验证的观众欲望和故事承诺。
- 把故事承诺转化为人物、关系、秘密、证据、节拍和卡点。
- 把抽象剧本转化为可表演、可生成、可剪辑的镜头任务。
- 用角色圣经、状态机、场景地图和连续性账本维持跨镜头、跨场景和跨集的一致性。
- 把对白、旁白、音乐、环境声和拟音作为独立的叙事系统，而不是画面完成后的装饰。
- 用分层生成、合成、剪辑、调色和质量控制，把不稳定的模型输出变成稳定的交付物。
- 用成本、权利、验收、投放数据和复盘机制判断作品是否值得继续生产。
- 把这些规则写入 Agentic 制片系统，让智能体承担有边界的工位，而不是在一个聊天窗口里假装包办整部作品。
本书会沿着这八个问题一直深入到文件、字段和动作层。读者不仅会看到“应该保证人物一致性”，还会看到人物身份参考如何建立、哪些特征可以变化、哪些特征必须锁定、如何为每个镜头编译参考包、如何评分漂移、失败后应该回到关键帧、视频生成、合成还是分镜。音乐也不会停留在“选择符合情绪的 BGM”：我们会建立主题动机、变体矩阵、stems、cue sheet、音乐进入与退出点、对白 ducking、授权证据和跨集复用规则。长旁白、多人场景、动作交接、空间轴线、聊天界面、字幕避让、手机外放、故障路由和批量扩产，都将以同样的粒度处理。
这本书写给谁#
它首先写给想把 AI 影像从实验推进到作品的人：编剧、导演、制片人、剪辑师、声音创作者、视觉开发者和独立短剧团队。它也写给正在构建创作产品、工作流平台或智能体系统的工程师，因为创作自动化的难点通常不是再增加一个模型调用，而是把模糊判断编译成可靠的状态、权限、事件和验收条件。
品牌内容团队、MCN、平台从业者和投资制作方也可以把本书当作一套项目审查语言。它能帮助非技术负责人判断：所谓“AI 制作方案”究竟只是若干工具演示，还是已经回答了故事能否成立、资产如何复用、连续性如何维护、声音如何完成、成本如何封顶、权利如何追溯以及失败如何返工。
读者不必同时精通所有专业。你可以从自己的工位进入，但需要理解上下游，因为短剧中最昂贵的问题往往不是某个工位做错了，而是信息在交接时消失了。
全书的组织方式#
全书不是按某款软件的菜单排列，而是按一部商业短剧从无到有、从试播到规模化的真实决策顺序展开。
第一部建立商业与市场基础，先回答为谁制作、靠什么回收成本、什么承诺值得验证。第二部和第三部进入故事工程，把欲望、冲突和反转变成整季架构、分集节拍以及可生产剧本。第四部建立视觉世界和资产治理。第五部集中处理 AI 影像最顽固的问题：人物、状态、空间、动作、多人关系、时间与光线的连续性。
第六部把节拍翻译为镜头、构图、调度和转场。第七部进入模型评测、关键帧、图生视频、AI 表演、分层合成与失败成本。第八部完整处理声音，包括声音选角、对白、长旁白、音乐、环境声、拟音、混音和手机播放。第九部完成剪辑、节奏、字幕、屏幕图形、调色和技术输出。
第十部建立质量控制、返工和发布闸门。第十一部把前述方法编译成 Agentic 制片系统，讨论工位边界、项目状态、事件、提示词版本、调度、预算、故障恢复与自动评测。第十二部让发行数据回到故事和生产决策。第十三部处理权利、合同、预算、排期，以及从试播集扩展到整季的组织问题。
目录之后的导论会先给出贯穿全书的总模型。再往后，读者才会见到虚构短剧《逆光收购》。它不是本书的主角，也不是一套必须模仿的题材模板；它只是统一的试验台，让同一个故事问题能够在编剧、资产、镜头、声音、剪辑、投放和智能体章节中被反复追踪。如果案例与原则发生冲突，应当保留原则，替换案例。
如何使用这本书#
第一次阅读，建议按顺序走完。前半段那些看似“尚未生成画面”的工作，会决定后半段绝大多数成本。跳过商业假设、故事承诺、资产锁定和镜头记录，直接进入视频模型，通常只会更快地产生一批无法组接的素材。
第二次使用时，可以把本书当作生产手册。每章都尽量提供四类东西：判断问题的原理，执行工作的 SOP，可交接的结构化产物，以及发现失败后的返工路径。项目不必机械照搬所有表格，但不能让关键事实只存在于某个人的记忆或某一轮聊天记录中。
构建智能体系统的读者，应当把章节中的账本、状态、闸门、权限和事件看得比示例提示词更重。提示词会随着模型变化，生产语义则相对稳定。一个系统是否成熟，不在于它能不能自动点击更多按钮，而在于它能否知道当前事实是什么、下一步为什么可以开始、失败影响哪些资产，以及什么决定必须留给人。
关于工具、经验和“最佳实践”#
AI 工具会快速更替，平台规则、模型能力和成本也会变化。本书不会把某个阶段的产品排行榜伪装成长期规律。涉及具体工具时，应把它们理解为能力实例：参考图控制、首尾帧控制、角色绑定、局部修复、口型、声音克隆、分轨、自动对齐、质量检测。真正需要保存的是任务测试集、选择标准、失败记录和替换接口。
同样，本书不会承诺一种题材、一个钩子或一套自动化流程必然赚钱。商业创作不存在这种保证。我们能做的是让假设变得可检验，让成本在失控前被看见，让失败能够定位，让成功能够复现和扩展。
最后的尺度#
衡量一套 AI 短剧系统，不应只看它生成了多少分钟视频，也不应只看某一帧有多漂亮。更严格的尺度是：人物是否让观众相信，故事是否让观众继续，声音是否让情绪真正发生，镜头之间是否属于同一个世界，团队是否知道每个决定从何而来，失败是否能够以可承受的代价修复，而整套方法能否在下一集、下一季和下一支团队中继续工作。
本书要讨论的，就是如何达到这个尺度。