一周跑35条AI短剧实测：从脚本分镜到成片，AI短剧平台的工具链和避坑清单
一、AI短剧到底要用哪几把"刀"？
结论很直接：没有万能工具，每个环节都要用专门的那把刀，通用大模型直接写台词是最容易翻车的一步。
我一开始也图省事，让大模型直接出完整脚本。结果生成的分镜根本转不成画面提示词，台词一股广告腔，观众三秒就能闻出来。
脚本和分镜，为什么别用通用大模型直接写？
判断标准就一条：生成的分镜能不能直接转成画面提示词。我现在用Claude或DeepSeek做结构化分镜表，字段固定为镜号、景别、画面描述、台词、时长五列，再用即梦或可灵的提示词助手转译成画面指令。但台词这关必须自己过一遍口语化，通用模型写出来的东西"太像广告"，不像人说的话。
画面生成时，汽车品类的硬门槛在哪？
汽车品类对模型有硬门槛——车标、车身线条、内饰细节，一个都不能变形。我的分工是：主角镜头用可灵或即梦，空镜和氛围镜头交给Runway，车特写必须实拍或找素材库。目前没有哪个模型能稳定生成正确的车标，别硬刚，这是试错成本最高的一环。
配音和口型，怎么让观众听不出"AI味"？
观众三秒内就能听出AI配音。判断标准是情绪起伏是否匹配剧情、口型是否对得上。配音我用ElevenLabs或豆包语音，口型用LatentSync做后处理。旁白可以纯AI，但角色对话最好真人录一遍再对口型，这步省不得。
二、一条汽车种草短剧，我的标准生产流程长什么样？
结论：先定"钩子"再写故事，参数必须翻译成"人的处境"，这是汽车品类种草短剧能跑通的核心逻辑。
汽车品牌最爱讲参数，但短剧里参数必须翻译成人的处境。我的流程是品牌卖点→用户痛点→反转钩子→分镜表，四步不能跳。
从brief到分镜，钩子为什么排在故事前面？
判断标准是前3秒有没有冲突或反常识信息。我先从品牌给的卖点里找用户痛点，再设计一个反转钩子，最后才铺分镜。顺序反了，故事再完整也留不住人。
分镜到成片，废片率控制多少算正常？
每条镜头生成3到5版备选，废片率控制在60%以内算正常。流程是批量跑图→筛选→局部重绘→图生视频→剪辑合成→配音对轨。一条60秒短剧，纯AI制作大约4到6小时，比真人快，但不是"一键生成"。批量出片的前提是流程标准化，不然量上去了质量全崩。
我的复盘结论：AI短剧的效率红利，来自流程标准化，不是来自某个神奇工具。
交付前必须过哪几项自检？
车标、车牌、人物手指、背景文字，这四项有没有穿帮。导出前逐帧过一遍，这四项是汽车品牌方最敏感的。品牌方可以接受"AI感"，但绝不接受"车标错了"。
三、为什么你的AI短剧完播率总是卡在15%？
结论：完播率卡在15%，九成是开场和中段节奏的问题，跟画面精不精美关系不大。
我改过一版开场之后，完播率从14%拉到31%，只动了一个地方——把空镜换成人物特写加一句反常识台词。
前3秒到底该怎么开场？
判断标准是3秒内有没有人物、冲突、悬念。AI生成的空镜再美，也留不住人。别用空镜开场，这是最贵的教训之一。
中段节奏多久要一个信息点？
每8到10秒必须有一个信息点。拖到第10秒还没有新信息，观众就划走了。我把品牌卖点拆成3到4个剧情任务，均匀分布，靠剧情节奏把汽车参数"喂"给观众。
结尾怎么转化才不招人烦？
判断标准是结尾有没有回扣开头的钩子。我的做法是用剧情反转自然带出车型卖点，最后3秒才出品牌标。硬广结尾的完播率比剧情结尾低40%以上。
一个本地生活商家客户原话："同样的预算，AI探店短剧到店核销率提升了25%。"关键就一条——必须带明确的门店信息，观众看完知道去哪。
四、汽车品牌方最在意什么？我踩过的坑和判断指标
结论：品牌方的审核红线集中在车标、竞品、数据承诺三件事上，踩中任何一条，整条片退回重做。
有一次AI生成的车标多了一个角，整条片被退回重做。从那以后，车相关的镜头，宁可实拍也别赌AI。
不能贬低竞品，哪怕剧情需要。剧本里不能出现具体竞品品牌，我用"某品牌""传统燃油车"等模糊指代。品牌方法务比内容团队更早介入审核，这点要有心理准备。数据承诺同样要谨慎，别写"续航1000公里"，所有参数直接引用品牌方提供的官方口径，AI短剧不是法外之地，广告法一样管。
做了37条之后，我判断一条AI短剧是否合格，主要看完播率和投放ROI。完播率低于20%就是选题或开场有问题，投放ROI从1:1.5提升到1:2.9是健康线。单条制作成本从约1143元降到约244元，5天产出约35条，团队6人即可跑通全流程——这些数字背后，是一整套经过验证的流程，不是运气。
顺便提一句，批量出片阶段我用过兔子AI做素材预筛，省了不少人工。
这套清单我不敢说是标准答案，但37条项目跑下来，能踩的坑基本都踩过了。如果你也在做汽车品牌的AI短剧，或者想跑通自己的生产流程，欢迎来找我聊聊，把清单直接抄走。