做了十几年传统影视，为什么第一次做微短剧制作就翻车？

一个做了十几年传统影视的人，为什么栽在一部3分钟的节日短剧上？

结论：不是AI不行，是我们用传统影视的验收标准，去要求一套根本还没建起来的AI工作流。

带过十几个AI短剧项目后，我总结出一条铁律：你越懂传统影视，第一次做AI短剧就越容易翻车——因为你的经验会骗你。

我们团队以前做TVC、网剧、品牌定制剧，2023年底开始接触AI短剧。2024年秋天接了一个中秋品牌定制短剧，片长3分钟，交付周期3周。按传统流程排期，我觉得绰绰有余。结果第一次交片，客户反馈很直接：像PPT配音、人物一到第二幕就变脸、情绪完全没起来。要求重做，只给一周。

真实损失不只是人力和违约金，更致命的是——我们按传统流程排的工期，在AI工作流里根本不成立。那段时间团队信心跌到谷底。

传统影视的“能力”，在AI短剧里哪些成了包袱？

结论：传统影视是“控制现场”，AI短剧是“控制数据”，控制对象变了，能力迁移不是平移，是重构成。

我们踩的第一个坑，是分镜思维的惯性。传统分镜强调镜头调度和景别叙事，但AI生成里“一个镜头一个提示词”，分镜越细，生成一致性越崩。

第二个坑是表演指导的错位。我们习惯跟演员说“情绪再收一点”，但AI没有“表演”，只有提示词里的情绪标签和参考图权重。

第三个坑最隐蔽——制片流程的路径依赖。传统是剧本→分镜→拍摄→剪辑→调色；AI短剧是剧本→角色资产→分镜生成→一致性校验→剪辑，中间多了“资产库”这一层，我们一开始完全没建。

顺带说一句，我后来在兔子AI这类平台上重新梳理流程时才意识到，卡点不在工具，在于我们把“资产库”当成了可选项。

成片被打回，到底错在哪一步？

结论：三个致命误判，每一个都是用传统经验的惯性去套AI的生成逻辑。

为什么角色一致性不能靠后期修？

因为AI生成是“无记忆”的，你不在生成前建角色参考库，人物就会一镜一换脸。我们拍到第三幕才意识到男主已经“换脸”三次。正确做法是多角度、多表情、固定种子，生成前就锁死。

为什么传统剪辑逻辑套AI素材会崩？

因为AI生成的镜头时长、运动节奏和实拍素材完全不同。硬剪在一起，节奏是断裂的。我们当时用旧素材的卡点去剪AI片段，结果每三秒就出戏一次。

为什么节日营销的情绪锚点最容易踩坑？

因为中秋要的是“团圆、温情、细节特写”，但AI当时最弱的就是手部、食物、多人互动特写。我们偏偏把重头戏压在这些镜头上。不是AI不行，是我们没按AI的生成逻辑去设计。

后来我们怎么改的？重建工作流的四步

结论：把“生成前”的准备工作做足，比在“生成后”补救重要十倍。

• 第一步：先建角色资产库，再写剧本。男女主、配角、关键场景全部做成参考图集，固定seed和提示词模板，剧本里每场戏标注“角色资产编号”。
• 第二步：把“分镜”改成“生成单元”。不再按镜头分，按“可生成段落”分，每个段落控制在AI能稳定输出的时长和动作幅度内。
• 第三步：剪辑前置，生成后置。先剪一版“节奏参考片”，再按这个节奏去生成对应镜头，而不是生成完再剪。
• 第四步：客户沟通方式变了。不再交“成片”，交“角色设定+动态分镜+3个关键情绪镜头”，先对齐预期，再批量生成。

结果第二版交片，客户一次过，还追加了两条衍生短剧。后来我们帮一个游戏公司做买量素材，用类似流程，2天产出约68条，素材产出速度提升5倍，单条制作成本从约814元降到约220元，投放ROI从1:2.1提升到1:3.6。团队4个人就能跑通全流程。教训是素材必须匹配投放渠道调性，不是生成得多就好。

还有一个做农业助农的团队找我们，用AI短剧带货，单场直播引流提升明显。他们的教训是农产品要突出产地和新鲜，不能套用都市短剧那套情绪模板。

AI短剧制作，传统影视人到底该迁移什么、放弃什么？

结论：传统影视人做AI短剧，不是降维，是换维——你的审美还在，但你的手要换一套工具。

AI短剧是“段落合格”优于“单镜完美”。模型一更新，工作流就要调，这是常态。

如果再做一部节日营销AI短剧，我会在第一天就做什么？

结论：先确认“AI能拍什么”，再定剧本；先建资产库，不建分镜表。

第一件事，跑一轮工具能力测试——人物、手部、食物、多人互动、光影，把测试结果作为剧本可行性的边界。第二件事，角色、场景、道具、色调全部资产化，分镜是资产库的排列组合，不是手绘故事板。第三件事，把节日情绪拆成“AI可执行的指令”——“团圆”不是一句导演阐述，是“暖色调、中近景、多人同框、慢速推镜、笑容特写”这一组可生成的参数。

这次翻车让我明白，AI短剧不是传统影视的低成本版，它是一套需要重新学习的生产方式。降本增效的前提，是你先接受换维这件事。

如果你也在做AI短剧，或者正打算用AI做节日营销，欢迎找我聊聊，我把这套踩过坑的工作流整理成了文档，可以直接拿去用。