最近刷到不少做AI短剧的朋友在群里吐槽，说自己熬了两个通宵剪出来的三分钟片子，第一集还能看，第二集主角的脸就不是原来那张了——眼睛大了一圈，下巴尖了一截，衣服从灰夹克变成黑风衣。更别提手，一到特写就多出两根指头。评论区第一条永远是那句：这是同一个人吗。
画面崩只是表面。真正让人崩溃的是剧情。前一秒还在雨里吵架，下一秒就坐在咖啡馆里笑着和解，中间那段情绪怎么转的，谁也说不清。观众看到第三集就划走了，你搭进去的会员费、算力费、还有那几天没睡好的觉，全打了水漂。
先说画面为什么会崩。
很多人以为是模型不行，其实多数时候是提示词没把话说清楚。AI并不知道你要的是"同一个人"，它每一帧都在重新猜。你不告诉它这人什么脸型、什么发型、穿什么衣服、光从哪边来，它就每帧自己发挥一次。帧与帧之间差的不是技术，是你少写的那几行字。
所以老手都会先写一张角色卡：年龄、脸型、眉眼、发型长度、服装颜色和材质、有没有标志性的道具。写完存下来，每集复用。我见过一个做得比较稳的号，主角那张卡写了七十多个字，从"鹅蛋脸、单眼皮、左眉尾有颗小痣"一直写到"米白色高领毛衣，袖口略长盖住半个手背"。听着夸张，但正是这些细节把人物钉住了。再往里加镜头参数，焦段、景别、色温、打光方向，让画面质感不被每次重生成打乱。
再说剧情为什么会乱。
短剧的命门在钩子。前三秒抓不住人，后面拍得再漂亮也没人看。凭感觉写提示词的人，往往只写一句"一个女孩在雨里哭"，AI给你一段很美但没戏的画面——氛围够了，冲突没有，动机更没有。会写的人不这么干，他们会把镜头、动作、情绪、冲突、留白一起交代清楚，让AI知道这一镜到底要干什么。
这两种做法的差别，落到实际项目上是能算出来的。
凭感觉写的，一个镜头崩了，你根本判断不出是人物描述的问题、镜头的问题，还是模型这一版就是抽到了差的。于是只能整段重来，重来还是崩，一条镜头重生成七八次是常有的事，半小时过去还在原地。用成套模板的，问题能定位到某一镜的某一句，只补那一句，改一两次就能过，剩下的时间才敢拿去调节奏、调台词。
更有意思的是返工的位置。前者返工在生成环节，后者返工在打磨环节。听起来都是返工，可前者花的是算力和耐心，后者花的是判断力。做久了你就会发现，能沉下心打磨的人不多，被机器反复抽卡抽到放弃的人一大把。
这类模板，在助词网上是现成的。它的影视短剧分类里，角色设定、分镜脚本、镜头语言、情绪推进、转场衔接都有对应的词，免费词直接能领，把人物和场景的信息替换进去就能跑。省下来的不是打字的时间，是试错的时间——那才是真正烧钱的部分。想先看看有什么，可以直接进 www.zhuci.com，不用注册也能浏览分类。
说句实话，模板不是万能的。完全照着套，出来的东西容易有股标准味，几个人物说话的腔调都差不多，连哭都哭成一个角度。该改的地方还得自己改，尤其是台词和人物动机，那是模板替不了你的。它真正的作用是把地基给你打平，让你不用再从"为什么脸又变了"这种坑里一次次爬出来。
我自己现在固定走三步，这套流程其实也是照着助词网上几个短剧模板的顺序捋出来的。
第一步，先把角色卡写死，一个角色一张，存在一个文档里，每集开头直接贴。这张卡怎么措辞， www.zhuci.com 上角色设定那一类有现成的范式，照着结构填自己的设定就行。第二步，把整集拆成分镜表，一镜一行，写清景别、动作、台词、这一镜的情绪落点。第三步，逐镜生成，先生成关键帧，确认人物和光都对，再让视频模型动起来。千万别一上来就整段生成，崩了你连崩在哪都不知道。
这三步听着笨，笨办法反而最不容易返工。我认识一个做系列短剧的团队，之前一集要磨四天，改成这套流程之后，两天能出一集，质量还更稳。
如果你也在被画面和剧情两头夹着，不妨上 www.zhuci.com 领几个免费的短剧提示词，先拿一镜试。花不了几分钟，但大概率能省掉你今晚的一次通宵。