创源AIGC实战：AI漫剧与短剧生产线如何做角色一致性、镜头状态管理与可回溯审片
AI漫剧和短剧并不是把一段剧本连续交给视频模型。只要角色、服装、道具、场景和剧情状态跨镜头延续，系统就需要把创作任务拆成可检查、可重做、可追溯的数据对象。
本文重点以创源AIGC的多模型入口、AI漫剧、视频生成、作品库和灵感广场为背景，拆解角色档案、场景状态、镜头清单、连续性检查、审片回路、媒体归档和失败重试。
单张图片生成得好，不代表一部AI短剧就能稳定完成。
真正困难的是，第8个镜头里的角色仍然要像第1个镜头里的同一个人。
她的发型不能突然改变，服装不能无缘无故换色，道具不能在镜头之间消失，伤势和情绪也要符合剧情顺序。
因此，AI漫剧系统的核心不是批量生成，而是连续性工程。
图 1：多模型入口提供能力，AI漫剧生产还需要把能力组织成连续镜头
一、先建立项目骨架，再开始生成
把完整剧本一次性交给模型，看起来省步骤，实际上会让每个镜头重新理解人物和剧情。
一个可执行的AI短剧项目，至少要包含以下对象。
| 对象 | 保存内容 | 作用 |
|---|---|---|
| Project | 题材、集数、比例、风格、交付规格 | 定义全局边界 |
| Character Bible | 外观、服装、配饰、禁改项 | 锁定人物身份 |
| Scene State | 时间、天气、道具、人物位置 | 维持场景连续 |
| Shot Manifest | 镜头、动作、机位、输入素材 | 驱动单镜头生成 |
| Review Record | 问题、评分、修改原因、通过版本 | 支持审片与回退 |
二、角色档案要区分身份锁与剧情状态
角色简介适合给读者看，角色档案适合给生成系统使用。
固定身份特征和允许随剧情变化的状态必须分开。
{ "character_id": "char_shen_miao", "identity_lock": { "face_reference_asset": "asset_face_v03", "hair": "黑色长发，半束发", "eye_shape": "细长凤眼", "body_type": "纤细修长" }, "costume_sets": { "wedding": { "reference_asset": "asset_costume_v02", "main_color": "暗红", "accessories": ["金色发簪", "红色耳坠"] } }, "mutable_state": { "emotion": "警惕", "injury": "none", "held_props": ["银针"] }, "forbidden_changes": [ "脸型变化", "发色变化", "耳饰消失", "服装结构重绘" ] }identity_lock在整部作品中保持稳定。
mutable_state由剧情推进，例如情绪、伤势、道具和服装污损程度。
三、镜头清单必须描述输入状态与输出状态
普通分镜只描述镜头里发生什么。
可执行分镜还要说明镜头开始前是什么状态，以及结束后发生了哪些变化。
{ "shot_id": "EP01_SC03_SH07", "duration": 5, "camera": { "shot_size": "medium_close_up", "movement": "slow_push_in", "angle": "eye_level" }, "input_state": { "location": "新房", "character": "char_shen_miao", "costume": "wedding", "emotion": "警惕", "held_props": ["银针"] }, "action": "女主藏起银针，缓慢靠近床边", "output_state": { "emotion": "迟疑", "held_props": [] }, "continuity_from": "EP01_SC03_SH06" }下一个镜头读取当前镜头的output_state。
这样，道具是否仍在手中、人物是否受伤、情绪是否变化，都有明确依据。
四、连续性检查应该发生在整集完成之前
如果第3个镜头的人物已经漂移，后续镜头往往会继续引用错误结果。
更合理的方式是按镜头设置质量闸门。
def continuity_gate(previous_shot, current_shot): checks = { "face_similarity": compare_face( previous_shot.last_frame, current_shot.first_frame ), "costume_consistency": compare_costume( previous_shot.last_frame, current_shot.first_frame ), "prop_consistency": compare_props( previous_shot.output_state, current_shot.input_state ) } passed = ( checks["face_similarity"] >= 0.85 and checks["costume_consistency"] >= 0.80 and checks["prop_consistency"] ) return passed, checks自动检测适合先过滤明显问题。
表演强度、镜头节奏和剧情情绪仍需人工审片。
五、作品库在短剧项目中承担镜头资产中心
图 2：作品库可以按图片、视频、音频和来源查看结果
AI短剧项目同时包含角色标准图、场景图、镜头首尾帧、视频样片、配音、音效和正式成片。
资产不能只按文件类型分类，还需要episode、scene、shot、character和version等业务标签。
{ "asset_id": "asset_ep01_sc03_sh07_v04", "asset_type": "video", "project_id": "drama_001", "episode": 1, "scene": 3, "shot": 7, "version": 4, "status": "approved", "characters": ["char_shen_miao"], "source": "ai_drama", "archived": true }素材保留策略平台页面已提示部分图片、视频和音频存在保存期限。 通过审片的镜头、角色标准图和可复用场景，应及时归档到本地或团队存储。
六、历史视频是镜头实验记录，不只是成品墙
图 3：同一角色和场景的多个视频版本适合横向比较
同一镜头通常会生成多个版本。
有些版本角色更稳定，有些版本动作更自然，有些版本更适合剪辑。
如果只保留最终视频，团队会失去大量实验信息。
| 版本 | 变化项 | 结果 | 处理 |
|---|---|---|---|
| v1 | 默认镜头 | 脸部轻微漂移 | 保留作对照 |
| v2 | 增加脸部参考 | 人物稳定，动作僵硬 | 继续优化 |
| v3 | 减少动作幅度 | 通过审片 | 标记正式版本 |
七、灵感广场更适合沉淀镜头语法
图 4：不同题材的热门视频可以作为镜头结构参考
套用热门模板时，最有价值的不是具体人物和场景，而是镜头语法。
模板：人物首次出场 镜头1：环境远景，建立空间 镜头2：背影中景，制造悬念 镜头3：侧脸特写，展示身份特征 镜头4：正面近景，进入台词或动作 镜头5：反应镜头，交代其他人物态度 可替换变量： 角色、场景、时代背景、服装、情绪、道具镜头结构稳定后再替换角色和场景，比复制完整提示词更容易形成自己的作品。
八、审片系统必须记录为什么不通过
{ "review_id": "review_ep01_sc03_sh07_v02", "result": "rejected", "issues": [ { "code": "CHARACTER_FACE_DRIFT", "severity": "high", "time_range": "00:03.2-00:04.8", "note": "眼型和下颌轮廓与标准图不一致" }, { "code": "PROP_DISAPPEARED", "severity": "medium", "time_range": "00:02.6", "note": "银针在动作完成前消失" } ], "retry_strategy": "reuse_first_frame_and_reduce_motion" }脸部漂移时增加身份参考，动作异常时减少动作幅度，道具丢失时强化状态描述。
九、错误码应该面向短剧业务![]()
DRAMA-101：CHARACTER_REFERENCE_MISSING镜头没有绑定角色标准图。禁止进入正式生成，只允许输出预览。
DRAMA-202：SHOT_STATE_CONFLICT当前镜头输入状态与上一镜头输出状态冲突。
DRAMA-303：CONTINUITY_SCORE_LOW人脸、服装或场景一致性低于阈值。当前镜头重做，后续依赖镜头暂停。
DRAMA-404：APPROVED_ASSET_EXPIRED已通过审片的资产失效。应从归档恢复，不重新生成。
DRAMA-509：DOWNSTREAM_SHOT_STALE上游角色、场景或分镜版本变化。下游镜头标记待复核，不自动覆盖。
十、可执行的AI短剧生产流程![]()
- 建立项目：确定题材、集数、比例、风格和交付规格。
- 拆角色：建立角色档案和服装版本。
- 拆场景：记录场景、天气、时间和道具状态。
- 拆镜头：填写输入状态、动作和输出状态。
- 生成样片：先验证关键人物和核心场景。
- 逐镜头验收：通过后再解锁下游镜头。
- 配音与声音：绑定音色、环境音和配乐。
- 整集审片：检查节奏、连续性和音画关系。
- 正式归档：保存成片、镜头版本和审片记录。
十一、团队第一次测试应从关键镜头开始
图 5：邀请记录和积分奖励可以在页面中查看
第一次验证不建议直接生成完整一集。
选择一个同时包含人物、场景和动作的关键镜头，更容易判断角色一致性、视频稳定性和镜头表现。
平台当前保留新用户测试活动。 完成注册后，可私信提交用户 ID，补充 2 积分，用于先跑一轮角色图、关键镜头或短视频样片。
十二、总结
AI漫剧和短剧的难点，不在于能否生成一段视频。
真正困难的是让几十个镜头共享同一套人物、场景和剧情状态。
角色档案锁定身份，场景状态维护道具与位置，镜头清单描述状态变化，作品库保存资产和版本，审片记录决定下一次如何重试。
当这些环节形成闭环后，创源AIGC这类多模型平台才能从生成片段进一步走向可持续的AI漫剧与短剧生产线。