AI 短剧术语表：20 个概念一次讲清

SinCoSphere 编辑部更新于 2026-09-03

AI 短剧、竖屏微短剧、小说转视频、分镜脚本、段与分镜、角色一致性、参考图、音画同出、AIGC 标识……每条 60–120 字。

用 AI 生成（而非实拍）制作的连续剧集，通常为竖屏 60–120 秒/集、几十集一部。生产链路是：小说/剧本解析 → 角色与场景设定图 → 分镜脚本 → 逐段视频生成 → 配音 → 整集合成。与「AI 视频」的区别在于跨集角色一致与剧集结构。

面向手机竖屏（9:16）的短剧格式：单集 1–2 分钟、前 3 秒有钩子、每集结尾有悬念，付费模式为单集解锁或免费+广告。国内 2024 年市场规模约 505 亿元，海外以 ReelShort、DramaBox 为代表。

把小说文本自动改编成视频剧集的流程。真正的门槛在解析层：拆集、写出可被图像模型还原的角色外貌、无剧情残留的场景描述、每集的冲突与钉子。没有解析层的工具只是视频生成器。

给视频模型执行的逐镜文字：每个分镜写景别与机位、画面里有谁、动作（写原因不写结果）、台词与说话人、布光（光源方位与色温）、秒数。AI 短剧里分镜文字就是提示词本身。

段 = 一次视频模型调用，通常 10–15 秒（万相可 30 秒）；分镜 = 段内的机位/景别切换点，一段 3–6 个。原则「段要长、镜要短」：段切碎成本翻倍，分镜过长节奏拖沓。

同一角色在不同镜头、不同集里保持同一张脸、同一身形与服装。实现靠四层：可还原的外貌文字、白底中性光定妆照、每段注入参考图、分镜只正向写画面里有谁。

随提示词一起送入视频/图像模型的图片，用来锁定角色长相、场景空间或道具材质。各模型上限不同（H3 ≤9 张、千问图像 ≤3 张、SeedDream ≤14 张），部分模型首帧图与参考图互斥。

角色的参考图：纯白底、正面全身、方向主光 + 补光 + 轮廓光、中性表情、9:16。目的不是好看而是辨识度——烘进去的情绪与光会被每个镜头继承。

无人、无剧情残留物的场景参考图：三层纵深、材质、光源位置。判据是「换一场戏来拍这个场景，不该出现的东西不写」——碎镜、血迹、人群都属剧情残留，会在案发前就出现在每一集里。

给视频模型指定开头或结尾画面的图片。首帧能做段间连续，但在部分模型（如 H3）上与角色参考图互斥——要连续性就要放弃长相锁定，这是跨段站位漂移的机制性原因。

视频模型在生成画面的同时生成人声与环境音，口型与画面里开口的人对应。支持的模型：MiniMax H3、Seedance 2.x、Wan 3.0、Veo 3、Sora。没有这一能力的模型需要后期配音与口型同步。

绑定到角色的 3–8 秒音色样本，随段一起送入模型让人声保持同一音色。H3 限制总时长 ≤15 秒、≤3 条；预置音色库匹配比逐角色生成音色便宜两个数量级。

按语速把台词换算成分镜秒数：中文约 5 字/秒，英文约 2.5 词/秒，句尾标点每个 +0.75 秒。给多了模型会复读或拖长音节来填时间，给少了后半句压到下一个镜头。

短剧每集结尾的悬念（身份暴露、情感悬而未决、认知颠覆，轮换使用）和开头 3 秒内的抓人点。短剧完播与付费转化几乎完全由它们决定，解析层应逐集产出。

多数 AI 视频平台的计费方式：先买积分再按调用扣。比较时要折算到「每秒成片」或「每部剧」，并看清积分是否清零（Runway 月度不结转、Vidu 订阅积分 30 天）。

视频生成的分辨率档位，价格通常相差 45–60%。做法是草片用低档，定稿再切高档；竖屏交付规格 1080×1920。

模型平台用大模型自动扩写你的提示词（万相、千问图像等默认开启）。对短剧分镜必须关掉：改写器会冲掉切点、时长与朝向规则。

模型平台对提示词与产物的合规审核。国内模型对血腥、尸体、暴露等措辞拒绝生成（万相 DataInspectionFailed 等），失败通常不计费；写分镜时把暴力停在因果两端。

对 AI 生成内容的显式/隐式标识。中国《人工智能生成合成内容标识办法》要求生成方与平台加标识，大陆平台默认带水印；海外平台按各自政策要求披露。

两种短剧变现模式：IAP（单集付费解锁）与 IAA（免费观看、广告变现）。2025 年起国内以 IAA 为主，对内容产量要求更高，是 AI 生产的主要切口。