用即梦做AI短剧：角色资产、首帧图与分镜实操

用即梦做一部六个镜头的穿越短剧，从角色设定、分镜首帧到多轨剪辑，一个周末加两千多积分就把整条流程跑通了。门槛降下来之后，普通人也能把自己的想法一步步拍成能看的画面。

最近红果跟AI短剧《持械入宋》都爆火，热搜上到处都是，然而我还并没有看过，去年卸载后就没再关注了。

不关注不代表我不好奇呀。据说在国内，token用的最多的地方就是短剧，我就想研究下到底怎么用AI做短剧，真的那么上头吗？我看新闻说负责这部剧的创作小组一共6个人，有宝妈，网约车司机，做生意的，有开小货车的，还有两位是上班的。剧组负责人自己54岁，2025年3月才开始从零学AI视频。就这几个人凑在一起，居然做出了一部几十亿播放的剧。

说明对于用AI来做短剧来说，门槛似乎比之前拍短剧要大大降低了，据说最快半天就能搞定一部剧，真的有这么神奇吗？那我们普通人能不能搞出一部属于自己的短剧？哪怕不为赚钱，就当成是自己的作品，把自己的想法变成画面也很让人值得期待呀。

正好群里也有朋友想用AI做视频，我就想干脆我也要搞明白，就算不做短剧做宣传片啥的也很有用啊。

我觉得咱们先把目标定小一点，先把整个短剧的流程先跑通，后续再逐步研究各种提升细节，我带着大家一起来整，或许能形成一个系列文章哦，记得关注。

这就是我第一次用AI做出来的小短片，从开始研究到输出视频到写文章，总共就花了周末1天时间。没细调，将就看吧，主要是跑通流程用的。

这篇会先把主流工具、花费和专业团队的做法讲清楚，看完你基本能判断自己适不适合玩。后面是实操，用即梦从0到1做一部30秒的穿越短剧，剧本、角色、分镜、提示词全部贴出来，跟着复制粘贴就能做。最后再聊聊，这事背后是怎么赚钱的。

1 主流都用哪些工具

做AI短剧要用的工具，大概就三类，写剧本的大模型，出图出视频的平台，配音剪辑的软件，现在也有了一些整合平台，就是能从剧本到出片的全套能力，不要切来切去。这类产品也不少了，我只挑现在用得最多的说。

写剧本，用得比较多的是Claude和ChatGPT，国内也有不少人用DeepSeek。剧本、分镜表，还有后面每个镜头的提示词，都可以交给它们来写。

出图出视频，国内主流的是字节的即梦和快手的可灵，做AI视频的人经常拿这两家对比。

配音和剪辑，剪映基本是标配，配音、字幕、音效、转场都能做。

说实话，工具多到看花眼很正常。咱们新手就先别比来比去，挑一套把流程跑通，先搞清楚大概是这么玩的就行。

2 做一部要花多少钱

《持械入宋》总编剧李朝华对媒体说过，整个系列的算力投入超过100万元，我折算了下，单集算力成本在1000到2000块钱，这还没算人力。

钱主要烧在抽卡上。他们团队说普通镜头平均要生成3次才能用，战争这种大场面往往要10次以上，超过20次的也不少见。想少抽卡，也不全靠运气，也非常看经验和引用关系。

我做的这部小片，我用GPT写剧本，这个没花啥钱，我本来就充了会员了，真正花钱的大头是即梦，总共花了2000多积分，主要是第一次做没经验，浪费了不少，本来还能少花点。

花钱是一方面，适不适合你做我觉得还要看2点：你愿不愿意为一个镜头反复抽卡、改提示词，这个过程挺磨人的，我都差点因为这个放弃了。还有，你脑子里有没有一个特别想讲的故事。如果两样都有，这事就挺适合你。

3 专业团队一般怎么做

我翻了不少教程，发现大家的流程其实都差不多。用一句话总结就是，先写剧本，再定角色，然后一个镜头一个镜头地把静态画面做出来，再让画面动起来，最后再剪辑成片。

这里有两个词，第一次做的时候最好先弄明白，后面的步骤基本都要用到。

1）角色一致性。 行业里一般会先给每个角色备齐三样东西，一张定妆照，一段固定的外貌描述，一个固定的配音音色，后面所有镜头都照着它来。定妆照一般做成三视图，正面、侧面、背面放在一张图里。《持械入宋》团队连配角都单独建了人物资产，就是为了防止串脸。

2）首帧图。 比起直接用一段文字生成视频，先把每个镜头的第一帧做成图片，再让图片动起来，可控性会高很多。人物长什么样、站在哪、背景是什么，在图片阶段就定好了，视频模型只负责让它动。

现在也有人跳过首帧，把角色图和场景图一起交给Seedance，一次生成好几个镜头。

《持械入宋》团队还有个做法，我觉得很值得学习。正式开工前，他们光筹备就花了半个月，通读原著，剧本改了好几轮，人设反复打磨，还先做了样片定调。组员还会去查宋代几品官该穿什么颜色的衣服，配饰和鞋子也尽量还原。

这一步，非常关键，我在做的过程中特别有体会。做到后面想改前面的，而前面一旦修改，后面所有关联的画面都得一起改，我的积分就是这么被浪费掉的。工具大家都能用，最后拉开差距的，还是故事和这些细节。

4 开工前，先定个故事

虽然只是想给大家搞一个演示案例，但我也想了挺久。

既然《持械入宋》带火了穿越题材，咱们也做一个穿越的。我给它起名叫《这单送到汴京》。

故事大概是这样想的：一个外卖骑手在暴雨夜赶最后一单，被一道闪电劈中，连人带车穿越到了北宋汴京。捕快把他当成妖人围住，他手忙脚乱打开外卖箱，热气冒出来的那一刻，一位官家千金从人群里走出来，念出了外卖单上收货人的名字，正是她自己。

外卖骑手这个身份是我特意选的。《持械入宋》的创作者里就有开车和送货的普通人，这个设定跟这篇想聊的事挺搭。

5 把剧本和分镜放进短剧画布

这次就用即梦的短剧画布来做。

它把角色、场景、图片、视频和声音放在一个工作区里，前面做好的人物，可以连到后面的镜头上继续引用。整个用连线的方式，就跟之前在C4D里用OC连材质一样，特别直观。

先打开即梦，进入短剧工作室，选择短剧画布。

在全局设置里，把默认比例设成9∶16，适合手机比例。

画布上每一张能编辑内容的卡片，都叫节点。文本节点放剧本，角色节点管人物，图片节点做画面，视频节点让画面动起来。

先在画布上右键，添加一个文本节点，把确定好的故事和六个镜头放进去。剧本可以在GPT里整理好再粘贴，也可以用文本节点自带的AI功能整理成分镜脚本。

下面这份可以直接复制进去，这一步的作用主要是给整个项目做对照，方便协作查看。

项目名称《这单送到汴京》

30秒竖屏穿越短剧，共6个镜头，每个镜头5秒。

固定剧情

一个外卖骑手在暴雨夜赶最后一单，被一道闪电劈中，连人带车穿越到了北宋汴京。捕快把他当成妖人围住，他手忙脚乱打开外卖箱，热气冒出来。一位官家千金从人群里走出来，念出了外卖单上收货人的名字，正是她自己。

主要角色

陈小满，男，25岁，现代外卖骑手。

苏清婉，女，18岁，北宋官宦人家千金。

开封府捕快，男，35岁。

固定分镜

01，0至5秒，侧面中景。陈小满骑电动车从画面右侧向左前进，闪电在镜头末尾把画面照白。

02，5至10秒，中远景。白光后电动车停在汴京街市，车头仍朝画面左侧。陈小满坐在车上、左脚撑地，望向右侧上前的捕快。苏清婉在右后方人群边缘，尚未走近。

03，10至15秒，过肩中近景。陈小满的黄色肩膀在左前景，捕快在右侧拔刀、指向左侧骑手，说“何方妖人！”陈小满回头看向自己右后方的外卖箱，右手伸向箱盖。

04，15至20秒，箱口中近景。承接伸手动作，陈小满打开仍固定在车尾的外卖箱，热气升起，露出箱口右侧的白色小票。他说“别别别，送外卖的！”捕快停刀、表情困惑。末尾苏清婉从右后方走近，浅青色衣袖和右手进入画面，伸向小票。

05，20至25秒，苏清婉中近景。承接同一只右手取票的动作，她从箱口取下白色小票，低头念“收货人……苏清婉？”再抬眼看向画面左侧的陈小满，说“这是我的名字。”

06，25至30秒，骑手视线方向的手机特写。陈小满低头看仍固定在车把支架上的手机，画外传来他倒吸凉气的声音。手机上的“大宋·汴京·州桥东”后期添加，停留让观众读清，最后0.8秒切黑显示未完待续。

统一空间和道具

陈小满在画面左侧，捕快在右侧，两人相对；苏清婉从右后方走到外卖箱旁。

古街镜头都从同一侧街边拍摄，不跨过陈小满与捕快之间的连线；人物对视时，陈小满看向右，捕快与苏清婉看向左，看道具时再按动作低头。

电动车车头朝画面左侧，银色外卖箱固定在车尾，智能手机固定在车把支架上。

陈小满全片戴同一顶黄色头盔，面部可见；到达汴京后保持坐在车上、左脚撑地，不下车、不蹲地。

02至06保留骑手外套、头盔和车身刚淋过雨的湿润状态，古街则保持白天日光。

04开箱前小票压在箱口右侧，开箱后露出，05由苏清婉取走。

固定制作要求

写实电影质感，不出现任何真实品牌名称。

不改变角色、剧情、镜头先后和现有台词，不增加新情节。

保持每个镜头的主要动作明确，群演不增加独立剧情。

手机屏幕、小票、招牌等需要读清的文字留到后期处理。

若使用AI整理，请只整理格式与镜头描述，不续写或改编剧情。

这张文本卡片先放在画布一侧。后面挑图、改视频，都可以回来核对，免得做着做着连故事也变了。

6 建立角色资产库

接下来添加三个角色节点，分别命名为陈小满、苏清婉、捕快。

先做陈小满，把下面这段填进去。

角色主图，单人正面全身立绘，纯白色背景。

中国男性，25岁，外卖骑手，短发微乱，脸型偏瘦，眼睛有神，表情带一点憨气。

穿亮黄色骑手冲锋衣，衣服上没有任何品牌标志，深灰色工装裤，黑色运动鞋，右手拿着黄色头盔。

写实电影质感，真实皮肤纹理，柔和棚拍光，全身像，高清细节。

挑到满意的脸和服装之后，选择替换为角色主图，把选中的结果确定下来。

然后选中这张图片，使用角色三视图工具，补出正面、侧面、背面的参考图。

三视图也满意的话，右键图片选择添加到角色素材集。主图负责让后面的镜头认人，三视图、特写这些都作为补充参考，不用每次上传一遍。

再按同样的方法做苏清婉。

角色主图，单人正面全身立绘，纯白色背景。

中国女性，18岁，北宋官宦人家千金，鹅蛋脸，柳叶眉，眼神灵动带点狡黠。

穿北宋风格浅青色褙子，内搭白色上襦，下着白色百迭裙，简洁发髻，插一支白玉簪。

写实电影质感，真实皮肤纹理，柔和棚拍光，全身像，高清细节。

捕快也一样。

角色主图，单人正面全身立绘，纯白色背景。

中国男性，35岁，北宋开封府捕快，络腮胡，浓眉，神情凶悍，身材魁梧。

穿黑色窄袖公服，腰束革带，头戴黑色幞头，腰间佩一把直刀。

写实电影质感，真实皮肤纹理，柔和棚拍光，全身像，高清细节。

角色档案里还可以维护名称、形象素材和形象音色。把前面的外貌描述保留下来，声音也先定个方向，陈小满用年轻男声，苏清婉用清亮的少女音，捕快用低沉浑厚的男声。这里最好把提示词按人物性格做一些优化，后面就比较方便，不用再单独做配音了。

后面如果生成到了满意的声音，可以把音频绑定给对应角色，继续复用。

这里要分清两个地方。当前画布里的角色节点，用于这个项目里连接和引用；即梦资产库用于跨项目保存人物、商品、道具等资产。想继续拍第二集，至少先把当前项目和角色档案保留好。

定妆不满意，就在这一步调整主图，别等六个镜头都做完了再换脸，不然后面会非常麻烦。假如确实改了角色参考，就要检查已经生成的镜头，它们不会因为连着同一个角色就自动重做，这个我觉得很坑，尤其是连线复杂了之后，挺容易乱的。

7 搭场景

这部片只有两个场景，现代的雨夜街道和北宋的汴京街市。

双击点击画布空白的地方，添加场景节点，新建现代雨夜街道，视角名称可以写街道广角。选择生成，填入下面这段。

现代中国城市街道，暴雨夜，霓虹灯倒映在积水的路面上，远处车流灯光模糊成光斑，雨丝清晰可见。

电影感，冷蓝色调，低机位广角，画面中没有人物。

竖屏9:16。

再建一个北宋汴京街市场景，视角名称写街市广角。

北宋汴京繁华街市，白天，一座木结构拱桥横跨河道，两岸酒楼茶肆林立，门前挂着布幌子，青石板路面，远处有行人穿着宋代服饰。

参考《清明上河图》的城市风貌，写实电影质感，暖色阳光，广角，画面中不出现任何现代建筑、电线和招牌。

竖屏9:16。

场景节点可以把同一地点的不同视角关联起来。其实主要就是用来做参考用的，不然每次差异会很大。这一集先有这两张基础场景图就够了，不用为了把功能用全，提前做一大堆暂时用不上的角度。

8 连好角色和场景，做六张首帧图

现在画布上已经有三个角色、两个场景和剧本文本，因为前面剧本里写了是分6个分镜，所以接下来加六个图片节点，按01到06命名。命名很重要，不然节点多了非常容易搞混，切记。

连线表示素材引用关系。把陈小满和雨夜街道连到01图片节点，就是告诉它，这个镜头用谁、在哪里拍。画布上的摆放顺序方便自己看，最终镜头先后要到时间轴里再排。

这里有个经验需要注意下，如果在多个画面中有共用元素，比如陈小满的电动车，肯定不能说穿越后就变了样子，所以我会先生成一张电动车的图，作为他的个人物品绑定起来，这样就可以保持一致性了。

这六张图要共用一套人物、位置和道具关系。下面就逐个把这些首帧图生成出来。

01节点，连接陈小满、现代雨夜街道，以及已有的电动车与外卖箱参考。

参考已连接的陈小满、现代雨夜街道、电动车与外卖箱资产。

单张电影分镜，写实电影质感，竖屏9:16，不是拼图。

平视侧面中景，电动车车头朝画面左侧，陈小满骑车从右向左前进。镜头能看到他的侧脸、车把和车尾银色保温外卖箱。

他穿既定黄色骑手服，戴同一顶黄色头盔，面部可见，双手扶车把；手机固定在车把支架上。

暴雨夜，冷蓝色城市灯光，路面有水。此刻尚未出现闪电，画面保持正常曝光。

人物与车的外观沿用资产，不生成可读文字。

02节点，连接陈小满、捕快、苏清婉、北宋汴京街市，以及电动车与外卖箱参考。

参考已连接的三位角色、北宋汴京街市、电动车与外卖箱资产。

单张电影分镜，写实电影质感，竖屏9:16。这张图作为后续古街镜头的空间参考。

平视中远景，从街道同一侧拍摄。电动车车头朝画面左侧，陈小满在画面左侧，坐在车上、左脚撑地、双手扶车把，戴黄色头盔，脸部可见；外套、头盔和车身保留刚淋过雨的湿润状态。

银色保温外卖箱仍固定在车尾，处于画面中部，箱盖关闭；智能手机仍固定在车把支架上。

捕快在画面右侧约两步外，面向左侧骑手，手尚未拔刀；两名黑衣衙役在他身后。苏清婉穿既定浅青色衣服，站在右后方酒楼门边的人群中，暂不走近，作为背景人物即可。

背景保留同一座拱桥、木结构酒楼与青石路，暖色日光方向统一。群众站在道路两侧，主角与捕快之间留出空间。

此刻是白闪结束后的清楚画面，不生成闪电、白雾或可读文字。

03节点，连接陈小满、捕快、汴京街市、02定稿画面，以及电动车与外卖箱参考。

参考陈小满和捕快角色资产、电动车与外卖箱资产，以及已定稿的02画面。沿用02的人物位置、场景和光线。

单张电影分镜，写实电影质感，竖屏9:16。

从02机位所在的同一侧街边靠近拍摄，过陈小满肩膀看向捕快，中近景。陈小满的黄色肩膀和头盔轮廓虚化在左前景，捕快在画面右侧，朝左看向陈小满，不看镜头。

画面下沿保留同一车尾箱盖一角和陈小满右手的活动范围，便于末尾看见他伸向箱盖的动作。

捕快的右手刚握住仍在鞘内的刀柄，尚未拔刀；表情警惕，两名衙役在他身后，暂不向前移动。

陈小满仍坐在车上，头盔仍戴着，右手此刻仍在车把附近，银色外卖箱仍在车尾，取景看不到的部分不改变位置。

不要加入对白文字，不改变角色服装和古街环境。

04节点，连接陈小满、捕快、苏清婉、汴京街市、02定稿画面，以及电动车与外卖箱参考。

参考三位角色、汴京街市、电动车与外卖箱资产，以及已定稿的02画面。

单张电影分镜，写实电影质感，竖屏9:16。摄影机仍在同一侧街边，靠近车尾拍箱口中近景。

陈小满在画面左侧，仍戴黄色头盔、坐在车上，左手扶车把，身体稍转向右后方，右手刚碰到仍关闭的银色外卖箱盖前沿。外卖箱固定在车尾，位于画面中部，不放在地上。

箱盖铰链位于远离摄影机的一侧，开盖时不会挡住人物。白色小票压在箱口右侧，此刻大部分被箱盖遮住，不可读。

捕快在画面右缘，刀已经拔出，斜指左侧骑手，刀不碰箱盖；能看见他的脸及持刀姿态。

苏清婉在画面右后方的人群边缘，尚未伸手。群众与建筑关系沿用02，不重新布置场景。

此刻箱子尚未打开，不提前出现热气，不生成文字。

05节点，连接苏清婉、陈小满、汴京街市、02定稿画面、04末尾抽帧，以及电动车与外卖箱参考。

参考苏清婉与陈小满的角色资产、电动车与外卖箱资产、02定稿画面，以及04视频最后一刻的动作抽帧。

单张电影分镜，写实电影质感，竖屏9:16。摄影机仍在同一侧街边，取苏清婉的中近景，位置靠画面右侧。

她穿既定浅青色褙子、白色裙子，发髻和白玉簪沿用资产。她的右手刚捏住同一外卖箱口右侧的白色小票，尚未把票抬到胸前，视线看向票。

画面左下保留同一银色箱沿和少量尚未散尽的热气，箱盖已经打开；画面左缘可以留陈小满虚化的黄色肩膀，帮助观众认出两人仍在同一处。

捕快仍在右侧画外，不把他移到左边。背景沿用02的酒楼、光线和群众，不换到另一条街。

外卖单是一张普通白色小票，保持空白，供后期处理。

06节点，连接陈小满、汴京街市、02定稿画面，以及电动车、外卖箱和手机参考。

参考陈小满、汴京街市、电动车与外卖箱资产，以及02定稿画面中的车把和手机位置。

单张电影分镜，写实电影质感，竖屏9:16。

从陈小满左后方越肩，顺着他的视线拍车把上的手机特写。摄影机仍在原来同一侧街边，背景为虚化的同一处汴京街市。

画面左上只留同一黄色头盔边沿或黄色肩部，手机位于画面中部，占足够面积，屏幕完整可见，角度适合后期叠字。

手机仍装在同一个车把支架上，陈小满的左手扶车把，不把手机拿在手里，不出现第二部手机。

屏幕为稳定的无字订单背景，白底、无可读文字；屏幕边缘清楚，光线稳定，便于后期添加地址。

不在这个画面展示人物正脸，不改变车辆方向或手机位置。

等04视频满意后，使用视频节点的抽帧工具，挑苏清婉的手刚伸到小票旁边那一刻。把这张图作为05的动作参考，再生成05首帧。

多人位置难确定时，可以用3D导演台先把骑手、车、捕快和苏清婉摆好，留住机位和站位参考，再生成写实画面。这个属于进阶功能，咱们先不用。

9 把图片连到视频节点，让镜头动起来

每张首帧图后面，再接一个视频节点，同样按01到06编号。

选中01图片，直接拉出一根线到空白位置松手，然后选择视频节点就好，这样能确保选中的图片是这个镜头的起始画面。

这次先做02和03两个相邻镜头的小样，看看位置、视线和刀的动作能不能接上，再继续04。04满意后抽取末尾的手部动作，补做05，最后完成01和06。

每段都只生成一个连续镜头，换机位可以在剪辑的时候做。

01视频节点。

延续01首帧，陈小满、头盔、电动车、车尾银色箱和车把手机保持一致。

5秒，一个连续镜头，不在片段里自行切镜头。

0至4秒，摄影机在车侧平稳跟拍，电动车持续从画面右侧向左前进，骑手只专注看路，双手不离车把。不要甩镜、绕车或反向移动。

4至5秒，闪电骤亮，最后约0.2秒画面被白光照满，结束时不要提前出现古代街市。

声音只有暴雨、轮胎压水和一次炸雷，不加台词和背景音乐。雷声允许留短暂尾音。

02视频节点。