干了十几年内容才看懂：AI成片拼的不是模型，而是这条稳定交付的工作流

干内容这行十几年，头一回见这么猛的变化。 早上 9 点，一间不到 80 平的办公室，8 个人围着一张长桌，投影仪上滚动着昨天的数据。这个团队上个月产出 12 部竖屏 AI 短剧，单部成本压到传统实拍的 1/10 左右。放在 2023 年，这数字说出来没人信；2025 年那波模型爆发之后，它变成了行业里的常规操作。 我的判断很直接：AI 成片早就过了"能不能做"的阶段，现在拼的是"怎么稳定交付"。说白了，真正的战场在流程，不在模型。下面我按这个团队一天的工作流，把每个环节对应的行业真问题拆开讲。

一、选题会上，AI 到底该听谁的？

选题会的第一道筛子不是题材热度，而是"模型可控性"加"平台审核口径"。

早上这场会最有意思的地方，是三方认知完全不在一个频道。编导拿着爆款拆解表，讲的是情绪钩子和反转节奏；投流手盯着 ROI 数据，只问哪种开头三秒能留住人；AI 生成负责人全程只关心一件事——这个镜头模型能不能稳定出。三方吵了四十分钟，最后拍板的往往不是最热的题材，而是"最不容易翻车"的题材。 数据上能对上。这几年竖屏短剧单月上线量持续走高，AI 参与制作的比例肉眼可见地往上蹿，头部平台给 AI 短剧的分账区间也逐渐透明。选题逻辑正在从"追爆款题材"转向"追模型可控题材"，这是行业里一个不太被外面注意到的转向。 平台政策是硬约束。各平台对 AI 生成内容的标识要求、备案和审核口径，直接决定选题会第一道筛子。上个月他们有个"AI 法官断案"的题材，创意很好，但因为涉及司法形象表达不严谨，会上就被毙了。这类红线，现在编导心里都有张表。

二、生成环节：十分钟一条片子，还是十小时一条片子？

单条镜头的平均一次通过率大约六成，剩下四成靠返工和后期兜底。

工作流拆得很细：分镜脚本 → 图生视频 → 角色一致性处理 → 配音配乐 → 粗剪。工具组合上，他们主用兔子AI 做图生视频和角色一致性处理，配音用第三方 TTS，粗剪还是回到传统剪辑软件。上午我盯着生成负责人跑了 49 条素材，前后大约 4 天，这个节奏在 2025 年之后算正常。 卡点还是那些老问题，但解决程度不一样了：

• 角色跨镜头一致性——比 2024 年好太多，但换景别就飘，这是当天返工最多的一项
• 口型对不上——中文口型依然是最难啃的，短句尚可，长句必崩
• 手部崩坏——出现频率降了，但特写镜头依然要人工挑
• 长镜头运镜断裂——超过 5 秒的连续运镜基本别指望一次成
• 情绪连贯性——跨镜头的表演情绪接不上，需要靠剪辑节奏去补
• 背景元素漂移——同一场景两次生成，道具位置会变

成本账算下来很清楚：单条制作成本从早期约 737 元降到约 114 元，这个降幅是实打实的。但返工率吃掉了部分红利——一条 2 到 3 分钟的单集，算力加人力的综合成本优势成立，前提是你得接受"生成+兜底"的混合流程。

三、审片间里，谁在为 AI 的瑕疵买单？

审片标准有三条线——平台审核线、观众完播线、客户线，它们经常互相打架。

下午的审片间是最容易起争执的地方。平台能过、观众三秒划走的片子，这个月他们出了好几条。完播率数据一出来，编导脸都绿了，但平台审核那边确实没毛病。 AI 特有的审片项是传统流程里没有的：内容标识是否合规、AI 痕迹是否过重导致"塑料感"、配音情绪是否匹配画面。这三项现在被单独列成检查表，一条条打勾。 责任归属更现实。成片出问题，是编导的锅、提示词工程师的锅还是模型的锅？团队内部的归因机制还在磨合，这恰恰说明行业岗位定义远没定型。我见过有团队专门设了"AI 质检"岗，也见过全靠编导一人扛的。

四、修改：重生成一次，还是手动补一刀？

决策依据不是质量底线，而是时间成本——能后期补的绝不重跑模型。

修改环节的分岔很明确：角色崩坏这类结构性问题，重跑模型；口型、字幕、转场这类局部问题，直接后期修补。当天的真实修改记录我记了下来：第 3 镜重生成 4 次才过，第 7 镜干脆用后期遮罩救回来，省了两个小时。 这里有个教训值得说。前段时间接了个政企宣传的 AI 短剧项目，交付周期比传统方式缩短了 80%，但第一版被退回，原因是政务表达不够严谨，用词、称谓、画面气质都得按规范来。从那以后，他们接这类单子会先过一遍表达规范清单。另一个坑是版权——有个项目因为 AI 生成素材版权不清被下架，商用前确认素材授权这件事，现在写进了他们的流程卡点里。 行业信号也很清楚：越来越多团队开始配"AI 后期"岗位。纯生成交付不了成片，人机协作的分工正在固化。

五、发布之后，AI 短剧的流量逻辑变了吗？

观众不太在意是不是 AI 做的，但在意前三秒好不好看——流量逻辑没变，变的是供给速度。

发布动作本身很机械：多平台分发、逐条勾选 AI 内容标识、标题封面做 A/B 测试、投流预算按平台分别切。团队 4 人就能跑通全流程，这是效率层面的真实写照。 流量数据上，AI 短剧的完播率和转化率区间跟真人短剧比，差距在缩小，但情绪浓度高的题材依然是真人占优。观众对"AI 做的"这件事的敏感度，比行业内部想象的低得多。 平台态度在变。扶持和限制并存，分账规则往"质量加权"方向调，标识合规成了硬门槛。投放 ROI 从早期的 1:1.7 提升到 1:3.2，这个提升更多来自素材迭代速度，而不是模型本身变强了。

观众真的在意内容是不是 AI 做的吗？

基本不在意。完播率和转化数据说明，观众只对前三秒的钩子和情绪节奏有反应，制作方式不在他们的判断维度里。

AI 短剧的成本优势还能持续多久？

短期成立，长期看返工率。算力成本还在降，但人力兜底的成本降不下来，这是成本优势的天花板。

现在入场 AI 短剧，最大的风险是什么？

不是模型不会用，是素材版权和内容合规。这两个坑踩一次，前面省下的成本全吐回去。

六、深夜复盘：这一天跑通的，明天还成立吗？

复盘会只看四个指标——当日产能、返工率、单集成本、流量回收，它们构成团队的健康度仪表盘。

晚上 11 点，复盘会开始。这四个指标一摆出来，团队状态一目了然。今天产能达标，返工率偏高，单集成本卡在预算线上，流量回收要等第二天数据。 行业层面的冷思考是：模型迭代速度远快于团队流程沉淀速度。今天的最佳实践，下个月可能就过时。保持流程弹性的办法只有一个——把每个环节的卡点记录下来，定期清一遍。 收束判断：AI 成片的竞争终局不在模型能力，而在"稳定产出合格成片"的工业化能力。我对下一阶段有三个预判：一是 AI 后期岗位会标准化；二是平台分账会进一步向质量倾斜；三是版权合规会成为准入门槛而非加分项。 凌晨一点，办公室的灯还亮着，投影仪上换成了明天的选题排期。这一天跑通的东西，明天大概要再验一遍——这就是 AI 短剧赛道现在的常态。 如果你也在跑 AI 短剧的流程，或者在选题、生成、合规哪个环节卡住了，欢迎找我们聊聊，兔子AI 那边有不少一线的踩坑记录可以共享。