用 Claude + H3 一个人拍 AI 短剧：全流程与提示词

一个人、不买显卡，从剧本到成片做出一集 5 分钟、角色会说话的 AI 短剧。视频成本一段约 2 毛，全程 8 段可复制提示词。

一集 5 分钟、角色会开口说话的 AI 短剧，视频这一步我算下来 27 块多。

同样的量，用 Seedance 2.5 按火山方舟的官方价跑，要 1,360 块左右。

先说结果 👇

• 一个人、不用买显卡，做出角色会开口说话的短剧
• 视频一段约 2 毛，一集 5 分钟不到 30 块；想更精细，加工后一段 3 毛多到 1 块 5
• 从剧本到剪辑，每一步都有可直接复制的提示词，一共 8 段
• 我调好的 H3 工作流直接放出来，打开就能用
• 动漫风的漫剧、真人写实的仿真人短剧都能用，画风在提示词里自己选

这篇里的分工是这样的：

• 编剧、分镜：Claude（没有的话 DeepSeek 也行）
• 美术，出人物、场景、道具图：ChatGPT 里的 GPT Image，即梦、Nano Banana 也可以
• 摄影加演员：MiniMax H3，在 RunningHub 上跑
• 剪辑：剪映
• 你：制片人，定故事、挑镜头、拍板

一个人就是一个剧组。顺序只有一句话：先定演员，再开拍，最后剪成片。


怎么读这篇：

• 第一次做：先看下面的「新手路线」，一小时做出 10 秒
• 想做完整的一集：按板块一、二、三往下走
• 想让画面更好看：翻到后面的「进阶」
• 想直接拿工具：文末有光影速查页，还有一个能装进 Claude 的短剧技能包

第一次做，先走这条路：一小时做出 10 秒

后面三个板块讲的是完整的一集。但第一次做，别一上来就做 5 分钟。

先做一个 10 秒左右的片段：一个角色、一个场景、一句台词。 跑通一次，你就知道每一步大概是什么样子，再回来做完整的一集。

1. 写一句台词（5 分钟）

用板块一 1.1 的剧本提示词，但只要一场戏、一个角色、一两句台词。比如：羊羊站在书院庭院中央，淡淡地说：「其实，我是诗仙。」

1. 出两张图（15 分钟）

用板块一 1.3 的提示词，只出两张：角色一张（全身、正面、白底，记得写鞋子），场景一张（画面里不能有人）。身份板、道具、分镜，第一次都先跳过。

1. 写视频提示词（5 分钟）

把台词和两张图的用途交给 Claude，用板块二 2.2 的提示词，只写一段。

1. 在 RunningHub 上跑（20 分钟）

按板块二 2.3 的 6 步走，先跑 5 秒预览，满意了再出 10 秒。一段约 100 RH币，可以先用每天签到送的免费币试；抽 3 次卡，花钱也不到 1 块。

1. 剪映加字幕，导出（10 分钟）

导入片段，识别字幕，对一遍台词，导出 9:16。


做完这一段，你就跑通了整套流程。

之后想做完整的一集，再按三个板块往下做：分镜、身份板、反应镜头、剪辑单，都是片子做长了以后才需要的东西。

板块一：前期资产，先把剧本和「演员」定下来

很多人一上来就去生视频，结果每一段角色长得不一样，剧情也接不上。

问题不在视频模型，在前期。前期就三件事：剧本、分镜、资产图。

这一步只花文字和图片的钱，改一个字不要钱。到了视频那一步，改一次就是抽一次卡的钱。能在这里解决的问题，都在这里解决。

1.1 剧本：只写镜头拍得到的东西

AI 视频模型看不懂「他心里很难过」，它只看得懂「他低下头，手指攥紧了衣角」。

所以给 AI 用的剧本，和给人看的小说不一样。记住三条：

1. 心理活动要变成动作、表情，或者内心独白。

不写「评判老师心里不服」，写「评判老师眯起眼，慢慢捋着胡须」。

1. 格式固定，声音类型标好。

场景、动作、台词、音效各有写法。当面说的、心里想的、人不在画面里但声音还在的，在剧本里就分开标，后面 AI 才分得清哪句是画面、哪句要说出来。

1. 一集 5 分钟，围绕一个主冲突。

开头 3 秒出冲突，结尾停在悬念上。按每 10 个字台词约 2 秒算，一集台词 750 到 1,000 字就够了。

羊羊这场戏写出来是这样的（节选）：

本集出场人物：羊羊、评判老师、李秀才、赵书生、围观群众

>

1-1 古镇书院庭院 [外] [日]

△ 羊羊一身朴素布衣，站在院中央，神情波澜不惊。

【音效】人群里的窃窃私语、低笑声。

羊羊：（平淡）其实，我是诗仙。

△ 众人一愣，随即爆发出一阵哄笑。

李秀才：（上下打量，满脸讥讽）还诗仙呢？真是无知者无畏。

△ 评判老师眯起眼，慢慢捋着胡须。

评判老师（内心独白）：无论此人吟诵何诗，只要老夫在场，他绝不可能赢。

可直接复制 👇（发给 Claude 或 DeepSeek）

你是短剧编剧，熟悉抖音、视频号上的节奏。把下面的故事改成一集约 5 分钟的短剧剧本。

>

要求：

1. 开头先列出本集出场人物。

2. 每场戏开头写场景题头：场号 场景名 [内/外] [日/夜]，例如：1-1 古镇书院庭院 [外] [日]。

3. 画面和动作每行用「△」开头，只写镜头拍得到的东西。不写「他心里想」，心理活动改成动作、表情，或者内心独白。

4. 台词格式：角色名：（情绪/动作）台词。心里的话写成「角色名（内心独白）：」，人不在画面里、声音还在的写成「角色名（画外音）：」。

5. 重要的声音写成【音效】……

6. 台词总量 750–1,000 字。开头 3 秒内出现冲突，结尾停在悬念上，不要提前和解。

7. 每句单独一行，只输出剧本，不要解释和分析。

>

故事：

（粘贴小说片段或你的故事梗概）

手上只有一个点子、还没有故事？先让它写 3 版 300 字的故事梗概，挑一版，再用上面这段改成剧本。

1.2 分镜：进阶，新手可以先跳过

剧本写的是「发生了什么」，分镜写的是「观众看到什么」：每个镜头拍多大、多长、谁在画面里。

新手可以先跳过，直接拿剧本去板块二写提示词，也能出片。对白多、想控制节奏的时候，再拆一张分镜表。

切镜头记住四条：

1. 换人说话就切。

一问一答不要一个镜头拍到底，要在说话的人和听的人之间来回切。羊羊这句话可以这样拆：

• 羊羊开口「其实，我是诗仙。」：近景，2 秒
• 众人一愣，接着哄笑：全景，2 秒
• 李秀才「还诗仙呢？真是无知者无畏。」：近景，2 秒
• 羊羊不动声色：近景，1 秒

1. 情绪变了就切。 平静到震惊、震惊到愤怒，每次变化一个镜头。
2. 大动作拆三步。 准备、执行、结果。一个镜头塞一整串动作，AI 很容易做乱。
3. 换场景、跳时间，必须切。 中间留 1 到 2 秒转场。

每个镜头多长，下面的提示词里都写好了，记住两个数就行：台词按每 10 个字约 2 秒，听的人的反应 1 秒左右。

分镜表拆完，再把连续的 2–4 个镜头合成一段「素材」（5–15 秒），板块二就按「段」来生成。

可直接复制 👇（把上一步的剧本一起发给 Claude）

你是有 20 年经验的分镜导演。把下面的剧本拆成分镜表。

>

切镜规则：

1. 换人说话就切：说话的人 → 听的人的反应 → 说话的人。长台词中途也要切到听的人。

2. 角色情绪每变一次，给一个独立镜头。

3. 大动作拆成准备 → 执行 → 结果，复杂动作拆 3–5 个镜头。

4. 换场景、跳时间必须切，两个场景之间加 1–2 秒转场镜头。

5. 不要连续 3 个镜头用同一种景别。

>

时长：远景/全景 3–4 秒，中景 2–3 秒，近景/特写 2–3 秒；台词按每 10 个字约 2 秒；反应镜头 1 秒左右；高潮 3–5 秒；单个镜头不超过 10 秒。

>

输出一张表，列：镜号 | 时长 | 景别 | 机位和运动（固定/推/拉/摇/跟） | 画面内容 | 台词和音效 | 入镜角色

「画面内容」写成一段话，包含：画风、环境、人物位置、动作、表情、光线、构图。

>

表格之后，把连续的 2–4 个镜头合成一段素材，每段 5–15 秒，标明「素材段落 1：镜头 1–3」这样的对应关系。

>

画风：（3D 国漫 / 2D 动漫 / 真人写实，选一个）

剧本：

（粘贴在这里）

1.3 资产图：先「选角」，再开拍

资产图就是你的演员、片场和道具。H3 一次能喂 9 张参考图，喂进去的图越干净，每一段里的人就越像同一个人。

人物图，五条规矩：

• 全身、正面、白底，双手垂下，不拿东西，不做表情
• 一定要写鞋子，不写 AI 很容易出半身图
• 写清身高、体型、年龄、脸型、发型、服装，和年代对得上
• 成年角色约 8 头身，反派也别丑得太极端
• 群众演员不用单独设计

形象定下来以后，再出一张「角色身份板」：正面、侧面、背面全身，加几个表情和姿势。视频模型拿到它，就能从各个角度认出这个人。

人物用 AI 设计的形象，不要拿真人照片、尤其是明星照片当参考：平台会拦，也有肖像权风险。

场景图，三条规矩：

• 画面里不能有人
• 和人物用同一种画风
• 对话戏出三张：正打（从 A 这边看过去）、反打（从 B 这边看过去），加一张看清所有人站位的大全景。反打在正打图上改就行，提示词在下面

道具图，两条规矩：

• 纯白底，没有背景，没有人
• 写实际尺寸，比如「茶杯直径约 8 厘米，一只手能握住」，不然视频里会忽大忽小

可直接复制 👇（第一段：把剧本发给 Claude，让它列出全部资产和出图提示词）

你是 AI 出图设计师。根据下面的剧本，列出所有需要出图的人物、场景、道具，分别写出图提示词。只要提示词，不要出图。

>

人物：全身正面，白底，双手自然垂下，手里不拿东西，没有表情。写清身高、体型、年龄、脸型、眼睛、发型、发色、服装和鞋子，符合故事年代。成年角色约 8 头身，反派也不要丑得太极端。群众演员不用写。

场景：画面里不能有人。对话场景按人物站位各写一张正打、一张反打，再写一张能看清所有人站位的大全景。

道具：纯白底，没有背景和人物，写出实际尺寸（比如「直径约 8 厘米，一只手能握住」）。

>

画风：（3D 国漫，UE5 渲染质感 / 2D 动漫 / 真人写实，选一个）。所有人物、场景、道具保持同一种画风。

>

剧本：

（粘贴在这里）

可直接复制 👇（第二段：人物图定下来以后，把图和这段一起发给生图模型，出角色身份板）

参考这张人物图，做一张 16:9 的角色身份板。白色或米白色背景，没有环境、道具、水印。

>

- 中间偏左放一张大的正面全身像；周围留出间距，放背面、侧面全身，坐姿、蹲姿各一张，再放 3 个表情特写。

- 所有图互相不重叠，脸、手、脚都不能被裁掉。

- 所有角度保持同一张脸、同一个发型、同一套衣服、同样的身体比例。

- 角落加一个简洁的角色卡：名字、身份、性格关键词。

- 风格干净、简约，像动画工作室的角色设定页，不是海报。

可直接复制 👇（第三段：正打场景图出好后，出反打）

保持这张场景的画风、光线和陈设风格不变，生成从相反方向看过去的画面：左右内容互换，前后内容互换，原来远处的门和屋外背景，换成一面符合这栋建筑风格的墙。画面里不要有人。


到这里，前期就齐了：一份剧本、一张分镜表（可选）、每个主角一张身份板、每个场景两三张图、关键道具各一张。

开拍前花两分钟，对一遍这四个问题：

• 每个主角都有身份板吗，几个角度是同一张脸吗？
• 场景图里有没有混进人？
• 道具写尺寸了吗？
• 台词总量有没有超过 1,000 字？

下一步，把它们喂给 H3，让角色动起来、开口说话。

板块二：视频生成，让角色动起来、开口说话

资产图都准备好了，下一步就是把图变成会动、会说话的片段。

这一步我用的是 MiniMax 的 H3，在 RunningHub 上跑。先说为什么不用现在最火的 Seedance 2.5。

2.1 为什么选 H3：便宜，还能一次出声音

先用一句话介绍一下这两个东西：

• H3：MiniMax 今年 7 月 31 日发布的视频模型，一段最长 15 秒，画面和声音（对白、音效）一次生成，8 月 3 日开源。
• RunningHub：一个在线跑 ComfyUI 工作流的网站。别人搭好的工作流，你上传图片、填好提示词就能用，不用自己买显卡、装软件。

老实说，论画面质感和复杂动作，Seedance 2.5 更强。

但做短剧，一集 5 分钟要几十段素材，还要一遍遍抽卡，单价差一点，乘下来就是很大一笔钱。我算了一笔账：

• RunningHub 专业版现在限时 99 元一个月（原价 159），选「币多多」套餐送 54,000 RH币，1 RH币大约 0.0018 元
• 生成一段 5–10 秒的视频约 100 RH币，也就是 一段 2 毛左右
• 一集 5 分钟的短剧，按 50 段素材（一段平均 6 秒）、每段抽 3 次卡算，一共约 150 次生成、15,000 RH币，视频这一步 27 块多
• 同样的量（5 分钟 × 抽 3 次 = 900 秒）换成 Seedance 2.5 720p：按火山方舟官方页的示例价（不喂参考视频，5 秒 7.56 元，约 1.51 元/秒），要 1,360 元左右；在 RunningHub 上跑 Seedance 2.5，按 8 月上线时的限时价（720P 约 0.49 元/秒），也要 440 元左右
• 每月 99 元的会员送的币，按这个算法能做 3 集半左右，也就是 18 分钟左右的成片


当然，一段 2 毛是「能用」的档位，出来是 640P。想更精细，就在第一次生成（一采）的基础上再加工。同一段 10 秒镜头，我实测了三档：

• 省钱档：只做一采，640P，约 100 RH币，一段 2 毛。练手、跑剧情用
• 精细档：一采 + 超分放大（和原片叠一半），1920 宽，约 185 RH币，一段 3 毛多。发作品用
• 极致档：二采，整段再精细采样一遍，1920 宽，约 795 RH币，一段 1 块 5 左右。交付、关键镜头用

【确认：185 和 795 是不是含一采的总价】

在我看来，加工过的效果完全可以和 Seedance 2.0 比。就算一集 50 段选中的镜头全部做到极致档，每段多花 1 块多，一集也就多六七十块，加起来还不到 Seedance 官方价的十分之一。

H3 官方 API 是按秒收费的：768P 约 0.5 元/秒，2K 约 0.8 元/秒，一段 10 秒的 768P 就要 5 块左右。我这边一段 2 毛，为什么便宜这么多？三个原因：H3 是开源的，我的工作流用的是 RunningHub 发布的 H3 量化版（INT8），加了几个加速节点，跑得快；RunningHub 按机器运行时间收费，跑得越快越便宜；我平时出 640P，比 768P 还小一点。


H3 还有两个我很看重的地方：

• 角色一致性：一次最多能喂 9 张参考图，角色的身份板、场景图、道具图都可以放进去。
• 一个工作流三种用法：参考生视频、图生或首尾帧、数字人，日常出片、补镜头、对口型都能用（2.3、2.4 会讲）。

2.2 视频提示词：一段只讲一件事

短剧和普通 AI 短片最大的区别是：角色要说话，剧情要一场接一场。

所以提示词要比「一个人在走路」细得多。课件里的规则，我精简成六条：

1. 一段只讲一件事。 5 到 15 秒，只处理一个动作、一次情绪转折或一句关键台词。
2. 先写站位，再写动作。 谁在左、谁在右，门在哪边，道具在谁手里。不写清楚，下一段人就会瞬移。
3. 动作接上一段的结尾。 上一段已经站起来了，这一段就从站着开始。
4. 台词一字不改，声音分三种写：

• 当面开口：羊羊说：「其实，我是诗仙。」
• 心里的话：评判老师内心独白：「无论此人吟诵何诗，只要老夫在场，他绝不可能赢。」
• 人不在画面里，声音还在：羊羊画外音：「……」

不分开写，AI 会让角色张着嘴把心里话念出来。

1. 镜头别一直盯着说话的人。 台词一长画面就死，中途切到听的人的反应，台词不断，这几秒改成「画外音」。一段里切不好的话，剪辑时补（3.2）。
2. 每张参考图写清用途。 我的工作流里，提示词框输入 @ 就能选素材：「@图片1 是羊羊的长相，@图片2 是书院庭院」，比一股脑扔进去效果好。


可直接复制 👇（发给 Claude，让它把剧本或分镜表改写成 H3 能用的提示词）

你是短剧导演，也是 AI 视频提示词工程师。把下面的剧本或分镜表改写成 MiniMax H3 能直接用的视频提示词。

>

规则：

1. 每段 5–15 秒，一段只处理一个动作、一次情绪转折或一句关键台词。不同场景、不同时间必须分段。

2. 每段开头先写【站位】：谁在左、谁在右，门在哪边，摄影机在哪一侧，关键道具在谁手里、朝哪个方向。

3. 动作接上一段的结尾，不重复上一段已经做完的动作。

4. 台词一字不改。声音分三种写：某某说：「」/ 某某内心独白：「」/ 某某画外音：「」。每句台词写清语气。

5. 参考素材按用途点名：@图片1 = 某某的长相，@图片2 = 场景，@图片3 = 道具……有声音参考的写 @音频1 = 某某的声音。

6. 写具体的光线和镜头：景别、机位、固定还是推拉；说台词时镜头固定，不推不拉。

7. 声音只写台词和看得见原因的音效（脚步声、关门声），不要背景音乐，不要字幕。

8. 先给每个说话的角色写一句固定的声音描述（年龄、音色、语速），之后每一段原样复制这一句。5 秒的段落最多放一两句台词。

>

每段按这个格式输出：

【素材段落 X】（X 秒）

【参考】@图片1：…… @图片2：……（有声音参考的话：@音频1 = 某某的声音）

【站位】……

【画面】0–X 秒：景别，机位，画面里发生什么，人物表情和动作。

【声音】某某说：「……」（语气）；音效：……

【禁止】不加剧本里没有的人，不出现现代物品（古装剧），道具不换手、不消失，人物不瞬移，不改台词，不要字幕和音乐。

>

剧本或分镜表：

（粘贴在这里）

2.3 在 RunningHub 上跑 H3：从注册到下载

我把自己调好的 H3 工作流放出来了，第一次用，按这 6 步走：

第 1 步：注册。 打开 runninghub.cn，用手机号注册登录。每天签到会送免费的 RH币，先拿它试跑。

第 2 步：先别急着买会员。 先用签到送的币，把前面的「新手路线」跑通，觉得好用再买 99 元的会员。会员是按月自动续费的，不想续记得关掉；会员送的币有有效期，用不完会过期，别囤。

第 3 步：打开我的 H3 工作流。 【工作流公开链接】。打开后，左边是 9 个图片框、3 个音频框和一个「禁用框」，中间是提示词框和参数，右边的运行区不用动。这个工作流用到了开源节点 ComfyUI-MiniMaxH3-Easy，感谢作者。


第 4 步：上传参考图和声音。 图片框的编号，就是提示词里 @图片1、@图片2 的编号：

• 图片 1：主角的身份板（板块一做的；走新手路线的话，放那张角色图就行）
• 图片 2：这一段的场景图，只放一张
• 图片 3 起：其他角色、关键道具，或者站位大全景
• 音频 1：角色的声音参考（2.4 讲），没有就不开
• 用几个框，就在「禁用框」里打开几个，其余保持关闭。默认只开了图片 1

第 5 步：贴提示词，改几个参数。

• 模式：日常出片选「参考生视频」；补镜头选「图生或首尾帧」（2.5 讲）；已经有配好的台词音频、只想对口型，选「数字人」（2.4 讲）
• 提示词：贴进去以后，用 @ 把素材重新点一遍，确保每张图都对上
• 分辨率：640P（省钱档；想更清楚走精细档）
• 画面比例：改成 9:16 竖屏（工作流默认是 16:9）
• 时长：第一次先填 5 秒

还有一个容易踩的坑：工作流里的 seed（随机种子）是固定的。固定的意思是，同样的图、同样的提示词，再跑一次结果几乎一样。所以想「抽卡」换一版，就把 seed 改个数字；只想微调提示词、别的不变，就保持 seed 不动。

第 6 步：点运行，下载。 右上角有三个运行按钮，对应三档机器，越往右越快、越贵【补：你平时点哪个按钮，一段大概扣多少币】。出来以后先看口型和长相，满意再下载。下载后按「段落号-第几次」命名，比如 03-2，剪辑时不会乱。

两个省钱的习惯：

• 先跑 5 秒预览，满意了再出 15 秒。
• 多个角色先一个一个单独试。 每个角色单独跑一段 5 秒，确认长相对了，再把几个人放到一起出长镜头。一上来就把几个人一起跑 15 秒，失败一次就白花一次钱。

2.4 角色声音：每段都是同一个人在说话

短剧最大的看点，是角色会开口。但如果羊羊这一段是清亮的少年音，下一段变成了低沉的大叔音，观众马上出戏。

三个办法，从简单到进阶：

1. 声音描述写死，每段复制同一句。

给每个主要角色写一句固定的声音描述，比如「羊羊：二十岁出头的男声，清亮，语速平稳，带一点不在乎」。每一段提示词都原样复制这一句，不要每次换说法。

1. 第一段满意了，把声音剪出来当参考。

H3 一次最多能喂 3 段音频参考，H3 的接入文档里写了，音频参考就是用来让同一个角色在不同片段里声音保持一致的。第一段生成满意以后，把这个角色说话的几秒剪出来（干净、没有背景音），后面每一段都传进去，提示词里写「@音频1 是羊羊的声音」。

1. 先配音，再用「数字人」模式对口型。

用配音工具先把这句台词配好（每次用同一个音色），再把模式切到「数字人」，传一条这句台词的音频。H3 会按这条声音生成说话的画面和口型，声音就不会变了。这个模式一次只能传一条驱动音频。

另外两个提醒：

• 一段别塞太多台词。 H3 的文档说，5 秒的片段放一两句话正好；台词太长、语气没写清、片段太短，口型都容易对不上。
• 只用自己的声音，或者有授权的声音做参考。 不要拿明星、别人的声音去克隆。

2.5 穿帮了别急着重抽

AI 视频一定会有穿帮：手多了一根指头、道具突然变大、人走着走着换了张脸。

处理顺序是这样：

• 能剪就剪。 问题只出现在开头或结尾几帧的，剪掉就行。
• 能补就补。 问题出在中间某一段的，把出问题前的那一帧截下来，用生图模型改好（比如把变大的杯子改回原来的大小），再把这张图当首帧，让 H3 只补这一小段。我的工作流里也装了 H3 的首尾帧模型：模式切到「图生或首尾帧」，只开一个图片框传这张改好的图，就是从这一帧开始生成；传两张，就是首尾帧，指定开头和结尾。
• 最后才重抽。 重抽之前先改提示词或参考图，原样再抽一次，大概率还是错的。


另外三条预防：

• 一段视频只喂一张场景图。三张场景图都喂进去，AI 反而不知道该用哪张，场景会乱。
• 对话戏把板块一准备的「站位大全景」喂进去，能看清所有人站在哪，比写一大段文字还管用。
• 道具在提示词里也写一遍尺寸，和板块一道具图里写的一致。

板块三：后期，用剪映把片段剪成一集

素材都出来了，最后一步是把几十段片段剪成一集。

我用剪映，比达芬奇简单很多，常用功能免费版基本够用。电脑上用剪映专业版更方便。

后期就四件事：排顺序、补对白、理声音、加字幕。

3.1 粗剪：先排顺序，再修头尾

• 按剧本顺序，把素材全部拖进时间线。做了分镜表的，就按素材段落的编号排。
• 每段从头到尾看一遍。头尾那几帧有问题的，直接剪掉。这就是板块二 2.5 里说的「能剪就剪」。
• 用首帧补出来的那一小段，插回原来出问题的位置。

节奏上，短剧比电影快：

• 开头 3 秒放冲突。 第一个画面就是最抓人的那句话。羊羊这集，第一句就是「其实，我是诗仙」，后面紧跟着众人的哄笑。
• 没有新信息的画面别停太久。 对话之间的空白也剪紧一点。
• 结尾停在悬念上。 赵书生喊出「这诗说不定是他偷来的」，众人哗然，直接黑场，不要再往后拖。

3.2 对白戏：声音不断，画面切到听的人

板块一讲分镜时说过，对白戏要在说话的人和听的人之间来回切。可如果生成出来的一段，从头到尾都对着说话的人，怎么办？

在剪辑里补：

• 把说话那段的声音单独分出来（剪映里选中片段，右键「分离音频」），声音留在原位，一直不断。
• 在上面一层轨道，盖上一段「听的人」的反应镜头，比如李秀才瞪大眼睛、群众面面相觑，盖 1 到 2 秒。
• 观众看到的是：前半句看着羊羊说，后半句切到别人的反应，声音一直是羊羊的。

反应镜头从哪来？生成的时候，顺手给每个主要角色多跑几段 3 到 5 秒的反应镜头，不说话，只做表情。按板块二的算法，一段 2 毛，一集多跑 10 段也就多花 2 块钱左右，剪辑时却好用得多。

3.3 声音：对白、音效、配乐分三层

H3 已经把对白和音效一起生成了，配乐留到剪映里统一加一首。如果让 AI 每段都配乐，几十段接起来会一会儿一个调，所以板块二的提示词里写了「不要背景音乐」。

三层声音，音量这样排：

• 对白最大，观众必须听清
• 音效其次，脚步声、关门声，跟着画面走
• 配乐最小，有人说话的时候再压低一点（在配乐上打两个关键帧，说话那几秒把音量拉下去）

常见的两个问题：

• 几段对白忽大忽小。 选中所有片段，用剪映的「响度统一」，一次调平。
• 同一个角色，个别几段声音不一样。 生成时的办法在板块二 2.4 讲过；剪辑时发现漏网的，最省事的补救是只把这几句重抽，或者重新配一遍。

配乐用剪映音乐库或免版权音乐，商用前看一眼授权说明。

3.4 字幕：自动识别，再逐句对剧本

AI 画出来的字经常是错字、乱码，所以板块二让 H3 别出字幕，字幕在剪映里加。

• 用剪映的「识别字幕」，自动把对白转成字幕。
• 用「文稿匹配」，把剧本里的台词粘进去，它会自动对上时间，错字更少。
• 逐句对一遍剧本。AI 念的台词偶尔会和剧本差一两个字，字幕要和声音一致：要么重抽这一段，要么把字幕改成它实际念的。

样式上：放在画面下方三分之一，别挡脸；一行别太长；内心独白换个颜色或加括号，观众一眼知道是心里话。

3.5 调色、画质、导出

调色： 几十段素材，颜色多少会有点不一样。选中全部片段，统一加同一个滤镜，或者统一调亮度和色温，整集看起来就是一部片子。

画质： 我的工作流一采出的是 640P。想更清楚，就是板块二说的精细档和极致档，加工后是 1920 宽；剪映里也有画质增强，一般要会员。

导出： 竖屏 9:16，1080P，30 帧，发抖音、视频号、X 都够用。

发之前，最后两件事：

• 用手机全屏从头看一遍。对照板块二 2.5 的穿帮清单：手指、道具、人有没有换脸、门有没有换方向。
• 标上「AI 生成」。2025 年 9 月 1 日起施行的《人工智能生成合成内容标识办法》第十条要求，用户发布 AI 生成的内容，要主动声明，并且用平台提供的标识功能标出来。发抖音、视频号的时候，把平台的 AI 生成声明勾上就行。

可直接复制 👇（素材都出来以后，把剧本和素材清单发给 Claude，让它出一份剪辑单）

你是短剧剪辑师。下面是这一集的剧本，和我生成好的素材清单（每段的编号、时长、内容、哪里有问题）。帮我出一份剪辑单。

>

要求：

1. 按剧情顺序排好素材，标出每段保留第几秒到第几秒、头尾各剪掉多少。

2. 有长台词一直对着说话人的地方，标出在第几秒盖哪一段反应镜头、盖多长，台词声音不断。

3. 列出还需要补生成的镜头：缺什么画面、多长、谁的反应。

4. 配乐分段：每段写情绪（紧张 / 轻松 / 反转）和开始、结束时间，有台词的地方标「配乐压低」。

5. 最后单独列出全部字幕，台词和剧本一字不差，每句标明是「说」「内心独白」还是「画外音」。

6. 开头 3 秒要有冲突，结尾停在悬念上；如果现在的顺序做不到，告诉我怎么调。

>

剧本：

（粘贴在这里）

>

素材清单：

（例：段落 1，8 秒，羊羊说「其实，我是诗仙」，第 7 秒手指变形）


到这里，一集短剧就做完了。

进阶：让画面从「能看」到「好看」

流程跑通以后，下一个问题一定是：怎么让画面更有电影感？

这部分是我做片子一直在用的一套光影和镜头方法。最管用的三条先放这里，整理好的速查页附在文末。

1. 光要写具体，别只写「电影感」。

AI 看不懂「高级感」，它看得懂四件事：光从哪边来（顺光、侧光、逆光），硬还是软，冷还是暖，亮还是暗。最简单的一招：把顺光改成侧光，脸一下子就立体了。

1. 一场戏锁一套光。

同一场戏，每一段都写同样的光：方向、冷暖、时间段都不变。上一段写「午后暖光」，下一段就别变成「冷白光」，不然剪在一起像两部片子。

羊羊这部剧，白天书院戏和夜里烛光戏，就是两套完全不同的光：白天是明亮的午后硬光，偏暖、通透；夜里是红烛从侧后方勾出轮廓，暗部留住层次。

1. 一个镜头写全六样。

运镜、景别、角度、主体、运动、光影。少写一样，AI 就自己猜，猜错了就是一次抽卡的钱。

可直接复制 👇（第一行是模板，换成你的镜头；第二行是羊羊吟诗到情绪最高点的那个特写）

模板：（运镜），（景别），（角度），（主体：谁、什么神情），（运动：动多少）；（光影：方向、软硬、冷暖、明暗）；（焦段），电影质感，真实皮肤纹理，暗部有层次，面部清晰不变形。

>

例子：固定镜头，面部特写，平视，羊羊神情激昂直视前方，几乎不动、仅眼神发亮微扬下巴；侧光，暖光转白亮，眼中光影闪烁，背景虚化；50mm，电影质感，真实皮肤纹理，暗部有层次，面部清晰不变形。

最后：AI 最常犯的 9 个错

做短剧踩的坑，基本都在这 9 条里，每条后面写了在哪一节解决：

• 每一段角色长得不一样：出一张角色身份板，每段都喂进去（1.3）
• 场景一会儿一个样：一段只喂一张场景图（2.5）
• 人物瞬移、左右颠倒：每段先写站位，再写动作（2.2）
• 角色张着嘴念心里话：台词分「说」「内心独白」「画外音」三种写（2.2）
• 同一个角色，声音一会儿一个样：声音描述写死，或者拿第一段的声音当参考（2.4）
• 长台词画面发死：中途盖一段听的人的反应镜头（3.2）
• 抽卡抽来抽去都差不多：工作流的 seed 是固定的，改个数字再跑（2.3）
• 道具忽大忽小：出图和提示词里都写实际尺寸（1.3）
• 画面没有电影感：光写具体，一个镜头写全六样（进阶）


---