AI短剧正在经历一轮很真实的分化头部作品依然能跑出很高的播放量但大量中腰部账号的单条收益已经明显下滑。近期行业里经常能看到这样的讨论——万播收益降到 10 元以内平台内破亿率连 0.5% 都不到。很多原本打算“用 AI 批量做短剧躺赚”的开发者开始意识到这条路没那么简单AI 短剧正在进入所谓的“大逃杀”阶段。但换个角度看这恰恰是技术从业者入局的好时机。早先靠纯搬运、无脑拼素材就能拿到播放量的窗口已经关闭接下来拼的是系统化生产能力、成本控制、内容差异化和工程化交付能力。本文就从 AI 短剧的技术栈出发拆解一套可以落地的 AI 短剧生产流程分析为什么收益和破亿率会下降并给出从模型选型、批量生成、音画合成到成本控制的具体方案。1. AI短剧的“大逃杀”到底是怎么回事1.1 收益减少、破亿率极低行业信号还是技术瓶颈先解释两个关键词。“万播收益”指的是短剧在某个平台每万次播放产生的分账收益。早期 AI 短剧数量少平台为了鼓励创作者会给相对高的播放单价万播收益可能能达到几十元甚至更高。现在 AI 短剧供给量暴增用户审美疲劳平台也会不断调整分账比例很多账号的万播收益已经降到 10 元以内。“破亿率”指的是短剧播放量突破 1 亿的比例。不要小看这个指标短剧单集时长一般在 1 到 3 分钟要在短视频平台跑出破亿播放不仅内容要有吸引力还要能扛住完播率、复访率、互动率等核心数据的考验。当前很多 AI 短剧作品的播放量集中在几万到几十万之间破亿成了极少数的头部现象。这说明一个核心问题AI 短剧不缺产量缺的是质量、差异化和平台算法认可的互动数据。1.2 供给过剩与内容同质化带来的“内卷”AI 短剧制作门槛降低后大量创作者涌入。以前做一部短剧需要真人演员、拍摄团队、后期剪辑现在一个人加几款 AI 工具就能完成。这带来了两个结果。第一内容同质化严重。古装穿越、战神归来、豪门复仇、霸总甜宠等题材被反复生成同一个 AI 绘画模型生成的“主角脸”几乎一模一样。观众刷到十部类似剧情的短剧后很容易产生疲劳感。第二平台算法不再给低质内容流量倾斜。短视频平台的推荐逻辑本质上是数据驱动完播率、点赞、评论、转发、关注转化率决定了作品能否进入更大的流量池。如果只是批量生成“AI 味”浓厚、画质不稳定、剧情拖沓的内容系统很快就不会再推荐。所以“大逃杀”的实质是粗放式 AI 短剧生产的淘汰赛而不是 AI 短剧这个方向的终结。1.3 对开发者来说机会在哪里对开发者、技术团队而言AI 短剧仍然是一条可行的内容生产赛道。机会点在于自动化程度高可以用脚本把选题、剧本、分镜、角色、配音、字幕、合成串成一条流水线。边际成本低固定成本集中在模型 API 和算力上单条视频的生成成本可控。可复制性强一套流水线可以同时跑多个账号、多个题材方向。数据回收快短剧的播放数据、互动数据都可以作为后续内容优化的输入。但前提是你要把 AI 短剧当成一个“软件工程问题”来做而不是当“内容搬运工具”来用。2. AI短剧的完整技术栈拆解AI 短剧表面上只是“AI 生成视频”但真正落地时它是一条包含内容创作、视觉生成、音频合成、剪辑交付的完整链路。下面按环节拆解。2.1 剧本生成大模型负责“结构化创意”剧本是短剧的地基。传统写剧本靠编剧AI 短剧里可以用大模型生成剧情大纲、角色设定、分镜脚本和台词。但这里不建议直接用聊天窗口让模型“写一个短剧”这样生成的内容往往节奏散漫。更好的做法是让模型输出结构化剧本例如 JSON 或 Markdown 格式包含剧名、题材、目标人群。角色列表含姓名、性格、目标、关系。每集的剧情目标。分镜列表每个分镜包含场景描述、景别、角色、动作、台词、情绪。结尾钩子用于保证下一集的点击率。这样后续的画图、配音、剪辑环节都能直接解析剧本数据不需要人工重新整理。2.2 角色设计一致性是最关键的工程问题AI 短剧最常被吐槽的问题就是“角色脸不统一”。第一集男主角长这样第二集男主角换了一张脸观众体验非常差。要保持角色一致性常见方案有三种Reference 参考图方式在文生图模型中传入角色参考图让模型尽量生成相似的脸。LoRA 微调方式提前用角色图片训练一个轻量级 LoRA 模型生成时加载 LoRA 固定风格和角色特征。图生图方式先生成角色定妆照再以定妆照为底图生成不同姿态的画面。生产环境里通常把这三种方式结合先用参考图保持大方向一致再用 LoRA 固定细节。角色资产一旦确定后续所有分镜都复用同一套角色素材。2.3 画面生成文生图、图生视频与数字人画面生成包括三个层次。文生图根据分镜描述生成静态画面。这类工具比较成熟速度快适合批量出图。图生视频把一张静态图变成动态视频片段。目前主流方案是根据提示词控制运动幅度、镜头运动、人物动作。数字人如果短剧以口播、对白为主可以使用数字人技术生成人物说话视频降低对传统拍摄的依赖。一个务实的做法是把 AI 短剧分成“动态场景”和“静态场景”来制作。动态场景用图生视频静态场景用文生图加轻微运镜效果这样既保留了画面表现力又控制了生成成本。2.4 配音配乐TTS 与音效自动对齐配音方面主流 TTS 服务已经能生成非常自然的中文配音支持多音色、多情绪。关键是要做到“音画同步”也就是让语音时长和画面停留时间匹配。字幕方面可以基于剧本台词自动生成 SRT 字幕文件再在合成阶段把字幕压制到视频中。音效和背景音乐可以准备一套素材库根据剧情情绪分类自动选配紧张、伤感、欢乐、悬疑等。2.5 剪辑与交付FFmpeg 批量合成所有分镜素材生成后需要按剧本顺序拼接成完整短剧。FFmpeg 是这里最核心的工具可以完成视频片段拼接。字幕烧录。音频轨道合并。分辨率与编码格式转换。批量导出。3. 实战搭建一条AI短剧流水线下面以一个具体项目为例演示如何搭建一条“从剧本到成片”的 AI 短剧生产流水线。这里重点是全流程思路模型 API 的调用方式以通用 HTTP 请求示例为主实际使用时要根据你选择的模型服务商调整。3.1 项目结构设计推荐使用下面的目录结构ai_short_drama/ ├── config/ │ ├── api_keys.json # 各模型服务的 API Key │ └── prompt_templates.py # 提示词模板 ├── scripts/ │ ├── generate_script.py # 调用大模型生成结构化剧本 │ ├── generate_character.py # 生成角色定妆照 │ ├── generate_scenes.py # 批量生成分镜画面 │ ├── generate_voice.py # 生成配音与字幕 │ └── compose_video.py # 用 FFmpeg 合成成片 ├── data/ │ ├── scripts/ # 剧本 JSON 文件 │ ├── characters/ # 角色素材 │ ├── scenes/ # 分镜画面 │ ├── voices/ # 配音文件 │ └── videos/ # 合成后的视频 └── output/ └── final_videos/ # 最终成片这种结构的好处是每个环节独立可以单独调试也可以后续扩展成定时批量任务。3.2 第一步用大模型生成结构化剧本先定义一个剧本数据结构下面用 Python 示例。# 文件路径scripts/generate_script.py import json import requests def generate_script(api_key, prompt, modeldeepseek-chat): # 这里以 OpenAI 兼容接口为例实际地址和模型名以服务商为准 url https://api.example.com/v1/chat/completions headers { Content-Type: application/json, Authorization: fBearer {api_key} } payload { model: model, messages: [ {role: system, content: 你是一名短剧编剧擅长输出结构化剧本。}, {role: user, content: prompt} ], temperature: 0.8, response_format: {type: json_object} } response requests.post(url, headersheaders, jsonpayload) response.raise_for_status() content response.json()[choices][0][message][content] return json.loads(content) if __name__ __main__: prompt 帮我写一部现代都市情感短剧目标平台为短视频平台。 要求 1. 一共 10 集每集时长 90 秒左右。 2. 题材职场女性逆袭。 3. 每集结尾必须有钩子。 4. 输出 JSON 格式包含以下字段 - title: 剧名 - characters: 角色列表 - episodes: 分集列表 每个分集中包含 scenes 分镜列表每个分镜包含 scene_desc、shot_type、character、action、dialogue、emotion。 script generate_script(api_keyyour_api_key, promptprompt) with open(data/scripts/script_001.json, w, encodingutf-8) as f: json.dump(script, f, ensure_asciiFalse, indent2) print(剧本生成完成共, len(script.get(episodes, [])), 集)这里的关键点是使用response_format强制模型输出 JSON方便后续程序解析。温度参数temperature0.8保证剧情有一定创造性。每集时长 90 秒左右适合短视频平台的完播要求。3.3 第二步生成角色定妆照角色定妆照是后续所有分镜画面的“角色锚点”。可以先用文生图接口生成一张角色正面照保存到data/characters/目录。# 文件路径scripts/generate_character.py import base64 import requests import json def generate_character(api_key, character_name, character_desc, style_prompt): # 文生图接口以通用 HTTP 请求为例 url https://api.example.com/v1/images/generations headers { Content-Type: application/json, Authorization: fBearer {api_key} } prompt ( f高清晰度角色定妆照{character_desc}。 f面部特写正面视角均匀光线电影级画质。 f风格{style_prompt or 现代都市写实风格} ) payload { prompt: prompt, size: 1024x1024, n: 1 } response requests.post(url, headersheaders, jsonpayload) response.raise_for_status() # 假设返回的是 base64 图片数据 image_data response.json()[data][0][b64_json] with open(fdata/characters/{character_name}.png, wb) as f: f.write(base64.b64decode(image_data)) print(f角色 {character_name} 定妆照生成完成) if __name__ __main__: generate_character( api_keyyour_api_key, character_name女主_林晚, character_desc28岁职场女性干练短发穿灰色西装眼神坚定 )角色定妆照生成后建议人工筛选一遍选出最符合剧本设定的图作为全剧统一 Reference。3.4 第三步批量生成分镜画面分镜画面生成是整个流水线中调用量最大的环节。核心思路是遍历剧本 JSON 里的每个分镜把场景、角色、动作、情绪拼进提示词模板。# 文件路径scripts/generate_scenes.py import json import os import requests def load_script(script_path): with open(script_path, r, encodingutf-8) as f: return json.load(f) def build_scene_prompt(scene, character_info): return ( f场景{scene[scene_desc]}。 f角色{scene[character]}{character_info.get(scene[character], )}。 f动作{scene[action]}。情绪{scene[emotion]}。 f景别{scene.get(shot_type, 中景)}。 f电影级构图高清画质。 ) def generate_scene_images(api_key, script_path, output_dirdata/scenes): script load_script(script_path) characters {c[name]: c[desc] for c in script.get(characters, [])} scene_index 0 for episode in script[episodes]: for scene in episode[scenes]: scene_index 1 prompt build_scene_prompt(scene, characters) # 调用文生图接口可参考上一步的 generate_character 实现 # 这里只示例调用逻辑 print(f生成第 {scene_index} 个分镜: {scene[action]}) # 保存图片, 命名规则scene_{编号}.png # with open(os.path.join(output_dir, fscene_{scene_index}.png), wb) as f: # f.write(...) if __name__ __main__: generate_scene_images( api_keyyour_api_key, script_pathdata/scripts/script_001.json )实际项目中这里还要加入“角色一致性处理”也就是把角色定妆照作为参考图传给文生图模型。不同模型服务商的传参方式不同有的支持reference_image参数有的需要先把参考图上传得到素材 ID。3.5 第四步生成配音与字幕配音的关键是让语音情绪贴合剧情。TTS 服务一般都支持多音色与情感参数可以在调用时把剧本里的emotion字段映射为 TTS 的情绪参数。# 文件路径scripts/generate_voice.py import json import requests def generate_voice(api_key, text, emotionneutral, output_pathdata/voices/): # 以通用 TTS 服务为例 url https://api.example.com/v1/audio/speech headers { Content-Type: application/json, Authorization: fBearer {api_key} } payload { text: text, voice: female_01, emotion: emotion, format: mp3 } response requests.post(url, headersheaders, jsonpayload) response.raise_for_status() output_file output_path voice_ str(abs(hash(text)) % 10000) .mp3 with open(output_file, wb) as f: f.write(response.content) return output_file def generate_all_voices(api_key, script_path): with open(script_path, r, encodingutf-8) as f: script json.load(f) for episode in script[episodes]: for idx, scene in enumerate(episode[scenes]): dialogue scene.get(dialogue, ) if not dialogue: continue emotion scene.get(emotion, neutral) generate_voice( api_key, dialogue, emotionemotion, output_pathdata/voices/ ) print(f生成配音: {dialogue[:20]}...) if __name__ __main__: generate_all_voices( api_keyyour_api_key, script_pathdata/scripts/script_001.json )字幕生成可以直接基于剧本 dialogue 字段按时间轴切分。更精确的做法是在 TTS 返回结果里拿到每个字或每句话的时间戳再生成 SRT。3.6 第五步用 FFmpeg 合成成片分镜图片、配音、字幕都准备好之后最后一步是合成视频。下面给出两种常见做法。做法一如果分镜是静态图可以直接把图片按时长拼接成视频并叠加配音和字幕# 把图片序列合成为视频片段 ffmpeg -framerate 30 -i scene_%03d.png -c:v libx264 -pix_fmt yuv420p scene_video.mp4 # 将配音合入视频 ffmpeg -i scene_video.mp4 -i voice_001.mp3 -c:v copy -c:a aac -shortest scene_voice.mp4 # 烧录字幕 ffmpeg -i scene_voice.mp4 -vf subtitlessubtitle.srt final_scene.mp4做法二如果分镜是多个视频片段需要先拼接所有片段再统一加音频和字幕。需要注意的是不同片段的编码参数最好一致否则拼接时可能出现音画不同步。# 生成文件列表 echo file videos/scene_001.mp4 list.txt echo file videos/scene_002.mp4 list.txt # 拼接视频 ffmpeg -f concat -safe 0 -i list.txt -c copy merged_video.mp4合成完成后建议先抽看几个时间点的画面和字幕确认没有角色脸突变、字幕错位、声音忽大忽小的问题再批量导出。4. 为什么收益降低、破亿率不足0.5%看完整条技术流水线再回过来分析行业数据就会明白AI 短剧破亿率低不是单点技术问题而是内容、数据、分发三者共同作用的结果。4.1 内容同质化导致完播率下降短视频平台的推荐算法最看重的是“完播率”。观众打开视频后如果前 5 秒没有看到有吸引力的冲突或悬念就会划走。AI 短剧大量采用相似的题材、相似的转场、相似的配音腔调观众对“AI 味”的耐受度越来越低完播率自然下降。提高完播率的方法不是“把视频做短”而是把剧本节奏打得更紧凑。一集短剧里前 5 秒必须有冲突中间 30 秒必须有反转结尾必须有钩子。4.2 互动率与复访率决定流量池大小除了完播率平台还会关注点赞率、评论率、分享率以及用户是否主动进入账号主页观看更多作品。如果用户看完一条视频就滑走系统会认为该账号的内容“留不住人”不会再给更大流量。这里有一个容易被忽略的技术点主页作品的连贯性。很多 AI 短剧账号作品与作品之间没有强关联单集独立播出用户点进主页后无法形成连续追剧行为。更好的做法是像连续剧一样在视频结尾和主页里设计明显的“下一集入口”把用户留在账号内。4.3 平台分账模式变化收益被摊薄随着内容供给量增加平台分账模式也在变化。AI 短剧数量大但质量参差不齐平台会更愿意把分账资源倾斜给能带来高留存、高时长、高转化的作品。那些播放量集中在几百到几万的低质内容收益会越来越低。所以万播收益降至 10 元内本质上是一个“流量价值”信号平台不再为单纯的播放量买单而是为“用户停留时长”和“用户转化行为”买单。4.4 破亿率不足0.5%背后的数据现实一部短剧视频破亿需要进入多个流量池层级。一般流程是初始流量池500 到 2000 次曝光。第一轮筛选完播率、互动率达标进入 1 万到 5 万流量池。第二轮筛选持续保持数据增长进入 10 万到 50 万流量池。逐级放大直到进入百万、千万级流量池。任何一级数据不达标作品就被“锁”在当前层级。AI 短剧破亿率低说明大量作品连初级流量池的数据门槛都过不了。5. 降本增效把单集成本压到10元以内AI 短剧的优势在于成本结构与传统短剧完全不同。传统短剧有演员片酬、场地租赁、摄影器材、后期人员等固定成本AI 短剧的主要成本是模型 API 调用费用和人工审核时间。要做好成本控制可以从下面几个方向入手。5.1 API 成本预算与用量控制模型 API 是主要成本来源包括大模型文本生成、文生图、图生视频、TTS 四类。建议在项目初期就建立成本预算表按单集剧本来估算剧本生成一次、角色图生成 3 到 5 张、分镜图生成 15 到 30 张、配音 10 条左右、图生视频调用 5 到 10 次。控制成本的关键是“能复用就复用”。角色定妆照、场景背景图、常用音效、背景音乐这类素材应该建立资产库反复使用而不是每一集都重新生成。5.2 批量生成与失败重试机制在批量生成分镜时一定要做好失败重试和中间结果保存。网络波动、API 限流、内容审核拦截都可能导致某张图生成失败。如果程序没有重试机制整条流水线可能中途卡住人工介入的成本反而更高。建议在代码里加入重试逻辑import time import requests def call_api_with_retry(func, max_retries3, delay5, *args, **kwargs): for attempt in range(max_retries): try: return func(*args, **kwargs) except requests.exceptions.RequestException as e: print(f第 {attempt 1} 次调用失败: {e}) if attempt max_retries - 1: time.sleep(delay) else: raise5.3 人力集中在“质量审核”而不是“重复劳动”AI 短剧流水线可以替代大量机械性工作但人工审核必不可少。建议把人力集中在三个环节剧本审核判断剧情是否通顺、有无平台违规风险。角色一致性审核检查关键角色是否“脸崩”。成片抽看检查音画同步、字幕错位、画质模糊等问题。其他中间环节尽量自动化减少人工介入。5.4 画面质量与生成成本的平衡高分辨率、高帧率、复杂运镜都会显著增加生成成本和时间。对于大多数短剧场景1080p 分辨率、30 帧每秒已经足够。除非是特别重要的“情绪高潮”分镜否则不需要追求过高的画质参数。6. 常见问题与排查思路AI 短剧生产链路长每个环节都可能出问题。下面整理了一份高频问题排查表。问题现象常见原因排查思路生成的角色脸不一致没有使用参考图或 LoRA 固定角色特征确认角色定妆照已保存并在每次文生图时传入参考图或加载 LoRA视频中角色肢体扭曲图生视频时动作幅度过大模型无法稳定推理减少单次动作幅度拆分多个分镜避免复杂表情和姿态配音与画面时长不匹配剧本台词过长或 TTS 语速过慢精简台词或使用 TTS 的语速参数调整按实际语音时长重新切分画面字幕错位SRT 时间轴与语音时间轴不一致使用 TTS 返回的时间戳生成字幕避免按固定时长硬切视频审核不过包含违禁词、虚假宣传或低俗内容用违禁词过滤工具预先检查剧本台词人工过审后再生成画面生成速度太慢串行调用大量 API等待时间过长改用多线程或队列并发调用同时注意 API 限流成本超预算分镜数量过多无效重试太多单集分镜控制在 15 到 20 个建立素材库减少重复生成平台不给推荐完播率、互动率数据差检查前 5 秒冲突设计优化标题和封面引导用户追更7. 最佳实践与工程建议AI 短剧在生产效率上确实远超传统拍摄但要做好长期运营还需要建立一套工程化的生产规范。7.1 内容安全与平台合规这是底线不能碰。剧本和台词必须通过违禁词、敏感词过滤。涉及医疗、投资、情感咨询等领域的剧情不能出现绝对化承诺。使用真人形象、明星脸、真实人物肖像存在侵权风险尽量使用 AI 原创角色。平台规则会不断更新发布前要确认当前平台对 AI 生成内容的标注要求。7.2 数据资产与素材复用建议把项目素材当作产品来管理角色资产统一命名例如character_female_01.png。场景资产按类型分类例如scene_office、scene_street、scene_home。脚本版本统一管理建议使用 Git 保存剧本 JSON 和提示词模板的变更记录。每个视频保存对应的“制作记录”包括模型参数、提示词、生成时间方便复盘。7.3 版本管理与可回滚AI 生成的不可控性决定了必须有“版本回滚”能力。假设某次调整提示词模板后生成的所有画面质量变差如果没有历史版本很难快速恢复到之前的生产状态。建议把提示词模板、配置文件、Python 脚本都纳入版本管理。7.4 从手动到自动化的演进早期可以先用手写脚本跑通单集流程稳定后再升级成自动化任务用定时任务批量跑新剧本。使用消息队列管理生成任务。将成片自动上传到发布平台需确认平台 API 能力。自动拉取播放数据生成数据日报。注意自动化发布涉及平台账号权限生产环境里必须遵循最小权限原则不要保存高权限 Token 在明文配置中。7.5 注重数据回收用数据指导内容AI 短剧的优势是数据反馈快。每天统计以下指标完播率判断开头冲突是否有效。平均播放时长判断剧情节奏是否紧凑。点赞评论率判断内容是否有共鸣点。从第一条看到最后一条的比例判断账号整体内容连续性。这些数据应该反哺到剧本生成提示词中。例如如果数据显示“反转剧情”的完播率更高就可以在后续提示词里强化反转结构。8. 结语AI短剧还能做但要做“工程化”的玩家回到标题里的两个数字万播收益 10 元以内、破亿率不足 0.5%。这两组数据说明AI 短剧的“套利窗口”正在关闭简单重复劳动已经很难带来超额收益。但这不意味着 AI 短剧没有价值而是意味着粗制滥造的模式没有价值。对开发者来说AI 短剧本质上是一个“内容生产系统”的工程问题。谁能在剧本质量、角色一致性、成本控制、数据反馈这些环节上建立系统化优势谁就能在“大逃杀”里活下来甚至跑到头部。建议从一个小项目开始选择你熟悉的题材跑通一条单集流水线再逐步扩展到多集、多账号、多题材。先把流程跑通再谈优化和放大。