AI仿真人短剧全流程实操：原创剧本、角色资产一致性、Seedance分镜成片与2026年备案标识合规

本文由 莫潇羽@复源AI社区（bbs.fuyuan7.com）撰写，转载请注明出处。

快速摘要

一句话结论：2026年做AI仿真人短剧，难点已经不是"能不能生成"，而是"能不能稳定、合规地生成一整部"。 真正决定成片质量的是三件事：第一，剧本必须是自己的原创或取得授权的改编，对标视频只能拿来拆结构，不能拿来扒台词；第二，角色、场景、道具、声音要先做成"资产"再进视频模型，一致性靠资产锁，不靠运气抽；第三，上线前要过三道合规关——AI内容显式与隐式标识（《人工智能生成合成内容标识办法》2025年9月1日起施行）、真人肖像与声音授权、按投资规模走的分类分层审核（广电总局口径，2026年7月1日起执行）。

工具层面，字节的 Seedance 2.0 在2026年2月上线内测，7月31日又发布了 Seedance 2.5，单次生成拉长到约30秒、多模态参考上限大幅提高；小云雀、即梦、LibTV、商汤 Seko 这些平台都在往"剧本进、成片出"的一站式方向卷。但平台越智能，越容易让新手跳过资产和分镜这两步，结果就是人物脸在第三集变样、场景在第五个镜头穿帮。 我自己的建议是：先用最小流程跑通一集，把资产库和分镜模板沉淀下来，再谈批量。

本文按"剧本 → 资产 → 分镜 → 生成 → 后期 → 合规上线 → 看数据"的顺序，把每一步的原理、操作模板和我踩过的坑都摊开讲。想看完整拆解，往下翻。

一、先看清局面：2026年做AI仿真人短剧，门槛到底变在哪儿

很多朋友问我，现在入场做AI短剧是不是晚了。我的看法是，"晚"的是那种拿模板一键生成、靠数量堆曝光的做法，而"认真做好一部剧"这件事，反而刚刚开始有章法可循。 这一章先不讲操作，先把工具、政策、平台三条线的变化讲清楚，因为后面所有操作上的取舍，都是被这三条线决定的。

1.1 先解释几个词：什么叫"仿真人短剧"

"仿真人短剧"是行业里的叫法，指的是画面里的人物看起来像真人演员、但其实是AI生成的微短剧。它和"AI漫剧"（动画、二次元、国风插画风格）是两条不同的线：漫剧对写实度要求低，一致性相对好控制；仿真人剧要求皮肤质感、光影、表情都接近实拍，观众对"假"的容忍度低得多，所以制作难度更高，合规风险也更集中——因为它天然就和"真人肖像"这件事挨得很近。

再顺手解释两个后文会反复出现的词：

• 资产：在AI视频制作里，"资产"指的是你提前生成并固定下来、后面反复引用的素材，比如某个角色的定妆图、某个场景的全景图、某个道具的多角度图、某个角色的音色样本。它的作用就像拍戏前的"定妆照"和"堪景照"。
• 抽卡：同一条提示词多次生成，从里面挑最好的一条。因为生成结果有随机性，这个过程像抽卡一样，所以大家都这么叫。

1.2 工具线：从"拼工具"到"一站式"，但底层逻辑没变

我把2026年上半年到写稿时（10月初）几件影响比较大的事列在下面，时间点都来自公开报道：

另外，商汤的 Seko 平台公开披露的创作者规模已经过了70万，并且明确说平台上七成以上的视频产出来自漫剧、短剧行业。也就是说，这条赛道上的工具供给已经非常充足，工具本身不再是门槛。

但我想强调一点：工具再一站式，底层逻辑仍然是"剧本 → 资产 → 分镜 → 生成"这四步。 一站式平台只是把这四步自动串起来了，它替你做的每一步，你都得看得懂、改得动。我见过不少人直接把剧本丢进一键成片，出来的第一集还行，到第三集主角发型变了、客厅的沙发从灰色变成棕色，然后就不知道该从哪儿改。原因很简单：他没有自己的资产库，平台自动生成的那一套他也没有固定下来。

1.3 政策线：三份文件把"上线"这件事重新定义了

这部分是新手最容易忽略、但出了事代价最大的。我按时间顺序梳理三条：

第一条，《人工智能生成合成内容标识办法》。 由国家网信办、工信部、公安部、广电总局四部门联合发布，2025年9月1日起施行。核心是"显式标识 + 隐式标识"双轨：显式标识是观众能看见、听见的提示（比如画面上的"AI生成"字样），隐式标识是写在文件元数据里的技术标记。办法明确规定，任何组织和个人不得恶意删除、篡改、伪造、隐匿这些标识，也不能为别人做这些事提供工具。用户发布AI内容时，要主动声明并使用平台提供的标识功能。

第二条，广电总局关于微短剧的分类分层审核。 根据公开报道，2026年7月1日起执行，按投资额度和题材分三类：

同时，AI微短剧需要依据有关规定在每集明显位置添加AI提示标识。对大多数个人创作者和小工作室来说，你的作品大概率落在"其他微短剧"这一档，由平台审核——但这不等于没人管，平台审核的标准只会越来越细。

第三条，平台规则的同步收紧。 2026年4月，微信更新了平台规范，明确反对用AI、脚本、接口等自动化方式完全替代真人创作来批量生产和发布内容，也不允许传播这类自动化代写的教程与服务；同时表态鼓励"合理使用工具辅助创作"。2026年7月21日，抖音针对AI合成剧中的都市情感、成长逆袭、家庭温情、都市逆袭四类题材提高了准入门槛，要求作品画面清晰稳定、人物一致、动作表情自然、音画同步、字幕规范。

timeline
    title AI短剧相关的关键合规节点
    2025年9月1日 : 《人工智能生成合成内容标识办法》施行
    2026年2月9日 : 视频生成产品暂停真人图片/视频主体参考
    2026年4月 : 微信明确反对AI全自动替代真人创作
    2026年7月1日 : 微短剧分类分层审核执行，AI短剧每集需加提示标识
    2026年7月21日 : 抖音提高四类AI合成剧准入门槛

我把这三条放在一起看，得出的判断是：监管和平台都没有在限制"用AI做剧"，它们限制的是"用AI批量灌水"和"用AI冒用真人"。 你只要做的是有原创剧本、有人工打磨、标识清楚、肖像声音来源干净的作品，这些规则反而是在帮你清场。

1.4 平台线：数量红利结束，质量门槛上来了

有一个行业数据很能说明问题：据 DataEye 研究院的统计，2026年上半年新上线的AI短剧有22万多部，播放量过亿的只有一千出头，占比不到百分之一。也就是说，绝大多数作品是在"陪跑"。

陪跑的原因我自己复盘过一些同行和学员的作品，基本逃不出这几种：人物一致性差（同一个人在不同镜头里像三个人）、画面闪烁和变形、台词和口型对不上、字幕错字连篇、剧情逻辑断裂。抖音7月那次门槛调整，列出来的要求几乎就是把这几个毛病点名了一遍。

所以接下来的章节，我会把重心放在"怎么把一致性做好""怎么让每一步可控"上，而不是"怎么最快出片"。慢一点没关系，一部能过审、能看完的剧，比十部被限流的剧有价值得多。

二、一致性才是生死线：先搞懂AI视频为什么会"变脸"

在动手之前，我想花一章讲原理。因为后面几乎所有操作技巧——四视图、鸟瞰图、头部统一限定、音色绑定、静帧续接——都是在解决同一个问题：视频模型天生"记不住"。

2.1 视频模型为什么记不住你的角色

你可以把现在的视频生成模型理解成一个"每次都失忆的摄影师"。每一次生成，它只看你这一次给它的东西：提示词、参考图、参考视频、参考音频。它不知道你上一个片段里女主穿的是米色风衣，也不知道客厅的窗户在沙发左边还是右边。

模型在生成时，会根据文字描述去"想象"一个最可能的画面。"一位三十岁左右的女性，长发，穿风衣"这句话，能对应的面孔有成千上万种，模型每次挑的都可能不一样。文字描述越模糊，模型自由发挥的空间就越大，一致性就越差。

这就是为什么纯文生视频几乎做不了连续剧。真正可行的路线是：用图片和音频把"这个角色是谁、这个地方长什么样、这个人说话什么声音"钉死，文字只负责描述"这一刻发生了什么"。

flowchart LR
    A[文字提示词<br/>描述动作与剧情] --> M((视频模型))
    B[角色资产图<br/>锁定长相与服装] --> M
    C[场景资产图<br/>锁定空间与布局] --> M
    D[道具资产图<br/>锁定关键物品] --> M
    E[音色样本<br/>锁定声音] --> M
    M --> F[片段视频]
    F -.末帧/静帧.-> G[下一片段的衔接参考]
    G --> M

2.2 一致性要分四层来管

我习惯把一致性拆成四层，每一层对应一类资产、一种控制手段：

很多新手只管第一层，觉得人物脸对上就行了。其实观众对空间和声音的跳变同样敏感，尤其是声音——一个角色前一句是温柔的中年女声，后一句突然变成年轻嗓音，出戏感比脸部细微变化强烈得多。

2.3 "资产先行"的工作方式

理解了上面两点，整个制作流程的思路就清楚了：先把所有会反复出现的东西做成资产，再开始生成视频。 这和传统影视"先定妆、先堪景、先做道具，再开机"是一模一样的逻辑。

我自己现在每开一部新剧，都会先建一个资产清单，格式大概是这样的：

【项目】《XXX》第1季
├── 角色/
│   ├── C01_林晚_主角_定妆正面.jpg
│   ├── C01_林晚_多视图.jpg
│   ├── C01_林晚_音色样本.wav
│   ├── C02_周叙_男主_定妆正面.jpg
│   └── ...
├── 场景/
│   ├── S01_林家客厅_日_全景.jpg
│   ├── S01_林家客厅_俯视.jpg
│   ├── S02_写字楼大堂_日_全景.jpg
│   └── ...
├── 道具/
│   ├── P01_旧怀表_多视图.jpg
│   └── ...
└── 资产说明.xlsx   ← 每个资产的文字描述、首次出场集数、授权来源

最后那个"资产说明"表格很重要，它至少要有一列写清楚每个资产的来源：是AI原创生成、是自己拍的、还是取得授权的。这一列在后面过审、遇到申诉时能救命。

2.4 一站式平台也要"资产先行"

有朋友会说，小云雀、Seko 这类平台上传剧本就能自动拆出角色和场景，还要自己建资产库吗？

我的答案是要，但方式可以变。平台自动拆出来的角色图和场景图，本质上就是它替你生成的"第一版资产"。你要做的是：逐个审核，不满意的重做，满意的下载下来按上面的规则命名归档。 这样做有两个好处：一是你换平台、换模型时资产能带走；二是平台的自动结果有时候并不稳定，你自己留一份"定稿版"，后面每个片段都引用定稿版，比依赖平台内部的自动关联可靠得多。

我自己的一个习惯：平台自动拆出来的角色，一定要单独检查年龄感和气质。剧本里写"六十岁的母亲"，平台给出来的形象经常偏年轻或者偏"精致"，跟剧本里一辈子在小县城操劳的人设对不上。这种时候不要犹豫，直接根据人设描述重新生成。资产阶段多花半小时，比后面几十个片段返工划算太多。

三、剧本：拆结构可以，扒台词不行

剧本是整条链路里唯一一个AI替代不了你的环节。画面可以抽卡，声音可以重配，但故事讲得不好，后面所有技术都是白搭。更关键的是，剧本也是版权风险最集中的地方。

3.1 先说清楚红线：对标视频能用到什么程度

行业里流行一种做法：找一部数据好的短剧，把视频丢给大模型提取完整台词，然后"复刻"或者"洗稿"。我必须直白地说，这条路在2026年已经走不通了，而且风险很大。

原因有三个层面：

• 法律层面：剧本台词、人物关系、具体情节编排都属于受著作权保护的表达。把别人的剧本完整提取后改几个名字、换几句话，大概率构成改编权或复制权侵权。
• 平台层面：抖音、视频号都有同质化与搬运识别机制，而且2026年对AI剧的审核明显加严，"高度相似"本身就是限流和下架的理由。
• 备案层面：走分类分层审核时，作品的原创性和权属是要说得清的。你说不清剧本从哪来，在审核环节就会卡住。

那对标视频还能不能看？当然能看，而且应该多看。区别在于你拿走的是"规律"，不是"内容"。 什么叫规律？比如：这部剧开头几秒用什么方式抓人、第一个反转出现在第几集、每集结尾的悬念是什么类型、主角的情绪曲线怎么走。这些属于创作方法，是可以学习的；具体的台词、人名、情节桥段，属于别人的表达，不能拿。

3.2 我的拆片方法：只拆"节拍"，不抄"字句"

我看对标剧时，会用一张"节拍表"把它的结构抽象出来。所谓"节拍"，就是故事里情绪发生明显转折的点。拆完之后，表格里不应该出现原剧的任何一句台词：

你会发现，最右边一列和原剧已经是两个故事了，但"节奏感"是学到了的。这才是对标的正确打开方式。

如果你确实特别喜欢某部作品，想做它的同人或改编，唯一正确的路径是联系版权方取得书面授权。 现在不少网文平台、短剧版权方都开放了改编授权渠道，比冒险洗稿踏实得多。

3.3 用大模型辅助写剧本：让它当编剧助理，别让它当编剧

我写剧本的流程是"人定骨架，AI填血肉，人再修一遍"。国内的 DeepSeek、豆包、腾讯元宝、通义这些大模型在中文剧情写作上都够用，我自己用得比较多的是 DeepSeek 写初稿、豆包做口语化润色。

提示：如果你在一些教程里看到有人推荐 GPT、Gemini 这类境外大模型，这里做个科普说明——它们是海外公司提供的服务，境外模型使用需遵守国内网络与内容管理相关规定。就短剧中文剧本这个场景来说，国内模型完全够用，而且更了解本土语境和平台审核尺度，没必要舍近求远。

我的骨架是自己写的，一般包括：一句话故事、主要人物小传（三到五个人）、分集大纲（每集一两句话）。然后再让模型按集扩写。下面是我常用的一个扩写提示词模板，供参考：

你是一名微短剧编剧助理。请根据我提供的人物小传和本集大纲，
扩写第【N】集的完整剧本。

【要求】
1. 剧本格式：场景标题（内/外景 + 地点 + 日/夜）→ 动作描写 → 角色台词
2. 本集时长目标约【90】秒，台词总量控制在【300】字左右
3. 每个角色的说话方式要符合人物小传里的性格设定，不要所有人一个腔调
4. 动作描写要具体到"能拍出来"：写清楚人物站位、关键动作、表情变化
5. 结尾必须留一个悬念，但不要用"死亡""血腥"类情节制造悬念
6. 不出现真实人名、真实品牌、真实机构名称
7. 台词口语化，避免书面语和网络烂梗

【人物小传】
（粘贴你自己写的人物设定）

【本集大纲】
（粘贴本集一两句话的大纲）

这个模板里有两条是我踩坑之后加上去的。第4条"能拍出来"：早期我让模型写剧本，它特别喜欢写"她心中五味杂陈""回忆如潮水般涌来"这种句子，文学上没问题，但视频模型根本没法把"五味杂陈"变成画面。第6条"不出现真实名称"：模型偶尔会顺手写一个真实存在的品牌或机构，后面过审时很麻烦。

3.4 剧本里提前埋好"人设细节"

剧本定稿之后，我还会做一步很多教程都没提的工作：把每个角色的语气、神态、口头习惯写进剧本的台词标注里。 比如：

【林母】（压着嗓子，语速慢，带一点哽咽）
你这孩子，回来也不说一声。

【林晚】（故作轻松，眼神躲闪）
临时请的假，想给你个惊喜嘛。

括号里的这些标注，后面会直接转化成分镜提示词里的"语气描述"和视频模型的"表演指令"。剧本阶段写得越细，分镜阶段越省事，生成出来的表演也越有层次。

3.5 剧本阶段的内容安全自查

这里顺带讲一个实操细节：AI视频生成平台都有内容安全审核，剧本里的某些词会直接导致生成失败或者被拦截。 与其到生成阶段一个个碰壁，不如在剧本阶段就提前规避。

需要特别注意的大类有这些：