文｜零壹

3月份以來，AI和短劇再次成為視聽行業(yè)的核心關(guān)鍵詞。在近日舉辦的第十二屆中國網(wǎng)絡(luò)視聽大會上，國家廣播電視總局網(wǎng)絡(luò)視聽司司長馮勝勇在論壇致辭中表示“提出一個問題往往比解決一個問題更重要”的時代來臨。

無論是愛奇藝、芒果TV、騰訊視頻等綜合視頻平臺，還是抖音、快手、嗶哩嗶哩，AIGC、微短劇+幾乎是所有行業(yè)大佬的核心議題，無可置疑的風(fēng)口中央。

在Sora發(fā)布后，以即夢、快手為代表的國產(chǎn)AI視頻大模型在短短一年多時間里加速，經(jīng)歷了從“跟跑”到局部領(lǐng)先的過程。

而從內(nèi)容端的反饋來看，從早期的代表性AI短劇如去年的《山海奇鏡之劈波斬浪》和《三星堆：未來啟示錄》，到今年來話題性頗高的《美猴王》《無名特工隊》和《紅衣大叔用AI帶我穿越》《興安嶺詭事》，以及發(fā)布預(yù)告不久的單元劇集《新世界加載中》，技術(shù)進步和內(nèi)容創(chuàng)作者不斷探索后的內(nèi)容質(zhì)感迭代是明顯的。

但即便進步顯著，截至目前一個很明顯的事實是，AI短劇所引發(fā)的討論更多仍停留在技術(shù)層面，內(nèi)容本身收獲的正面評價是非常有限的。總結(jié)過往作品的大眾反饋來看，迄今為止AI短劇的的幾個主要問題是：

敘事方面，連貫性不足，單鏡頭時長普遍低于5秒，依賴快速剪輯規(guī)避動作邏輯缺陷，鏡頭語言單一、動態(tài)PPT拼接感嚴(yán)重；

視覺層面，人物表情僵硬、口型與發(fā)音錯位、情緒表達失真導(dǎo)致恐怖谷效應(yīng)，普遍以單一角色動態(tài)場景呈現(xiàn)，缺乏多角色之間的交互，復(fù)雜場景模擬缺陷明顯，普遍問題是精細度有余而真實性不足，乍一看驚艷，再一看穿幫。

題材和創(chuàng)意層面，劇情類幾乎全部集中于玄幻、科幻賽道，此外還有文化科普類短紀(jì)錄片的形式呈現(xiàn)，其目的顯然是發(fā)揮AI在視覺奇觀打造上的優(yōu)勢，而盡量降低在一致性、現(xiàn)實性層面上的不足。

而更為隱蔽的問題則是內(nèi)容創(chuàng)意，以現(xiàn)有AI大模型產(chǎn)出的劇本大綱和分鏡腳本可用性是非常有限的，要么完全缺失邏輯性，“不是現(xiàn)在的人類能接受的藝術(shù)”，比如《紅衣大叔用AI帶我穿越》；要么則是網(wǎng)文和網(wǎng)大敘事模版的套用，在AI技術(shù)的外皮下包裹一些極為粗糙和陳舊的精神內(nèi)核，這部分是目前的主流AI短劇內(nèi)容，都缺乏藝術(shù)層面的突破性，如果是這樣那么AI短劇相較于普通微短劇，似乎稱不上有明顯優(yōu)勢可言。

這些問題在2025年3月來看，比2024年的前期作品如《白狐》《三星堆：未來啟示錄》都有明顯改善，但如今的AI短劇行業(yè)狀態(tài)也許可以這么形容——“能夠批量生產(chǎn)59分作品，但及格作品還在個位數(shù)，真正的高分作品還是零?！?/p>

也就是說，目前AI短劇還在“有沒有”的階段，但普通觀眾在乎的是“好不好看”。

過去一年，AI短劇的飛速發(fā)展和階段性痛點

在探討AI短劇的發(fā)展方向之前，我們不妨先總結(jié)下目前AI短劇的創(chuàng)作內(nèi)容流程。通過參考一些AI短劇教程，并詢問一些個人興趣AI短劇創(chuàng)作者，純AI流程的AI短劇實操過程基本是這樣的：劇本生成-分鏡腳本-圖像生成-圖生視頻-剪輯優(yōu)化。

劇本生成和分鏡腳本可以借助ChatGPT或者Deepseek、Claude模型等輔助生產(chǎn)，以Deepseek為例，其可根據(jù)提示詞生成包括場景編號、時長、景別、鏡頭運動、場景描述（畫面/光影）、關(guān)鍵音效在內(nèi)的分鏡腳本，并以表格形式呈現(xiàn)。

如下圖是讀娛讓deepseek生成的一段中世紀(jì)克蘇魯懸疑風(fēng)格的故事梗概和分鏡腳本（部分截圖）：

然后是文生圖，隨著創(chuàng)作者完善分鏡腳本這一步后，再使用MidJourney、可靈、即夢、vidu等工具完成文生圖，以合理的提示詞形成視覺畫面。

即夢等平臺的故事創(chuàng)作模式支持批量導(dǎo)入分鏡圖片，以清晰化創(chuàng)作流程；

即夢的“故事創(chuàng)作”界面

接著是圖生視頻。將視覺圖片按順序保存后，通過可靈、即夢、Vidu等圖生視頻工具使用首尾幀和提示詞形成視頻；

即夢與可靈的視頻生成界面

最后通過AI音效、臺詞等方式添加聲音部分、再進行剪輯優(yōu)化最終成片。

這一流程的邏輯大體與傳統(tǒng)影視產(chǎn)業(yè)一致，區(qū)別在于極大降低了劇本生成到分鏡、拍攝制作的成本，有極為寬松的試錯空間。

但對于目前的創(chuàng)作者而言，實際操作則遠不如看上去那么簡單。

一位個人AI短劇創(chuàng)作者告訴讀娛，即便他只是基于興趣來創(chuàng)作要求不算高，但他的AI短劇每一分鐘成片都需要花費二、三十個小時的時間，一個重要的原因就是要選片并保持一致性，而把大量的時間花費在出三視圖，以及調(diào)整提示詞來“抽卡”上?！拔纳鷪D和圖生視頻兩個階段都有很大的不確定性，而目前基本只有靠不斷調(diào)整提示詞并重復(fù)的方式，能不能有好的效果，有運氣成分在里面?！?/p>

而在具體創(chuàng)作中的另一個矛盾是，要實現(xiàn)視頻效果很容易依賴多圖堆積下的抽獎結(jié)果，但這樣的操作往往又容易導(dǎo)致一致性不足。

如果對效果有一定要求，從前期到后期依賴AI的自動化也是完全不現(xiàn)實的。比如目前的個人AI短劇往往是由大量“一個鏡頭一個人說話”的單一鏡頭拼接而來，與大眾熟悉的影視語言有明顯差距。如果想要實現(xiàn)更豐富的鏡頭效果，那么前期分鏡基本不能指望用deepseek等AI模型直出直用，還是要靠創(chuàng)作者自己對鏡頭的理解來創(chuàng)作分鏡腳本，因為deepseek的分鏡很容易寫的很豐富，但并不具備合理的鏡頭語言邏輯，也完全不會考慮在即夢、可靈等圖生視頻的局限性。

那么再回到行業(yè)的話題來說，目前AI短劇創(chuàng)作階段的工具局限，也許可以歸納為“確定性不足”和“集成度不夠”。

前者主要體現(xiàn)在，創(chuàng)作者需要在文生圖和圖生視頻兩個階段，為了一致性這個基本要求付出太多，不僅增加了大量工作量，也更難在視覺細節(jié)和鏡頭運動等層面進行過多調(diào)整，到底應(yīng)該用怎樣的提示詞，怎樣實現(xiàn)理想中的運鏡等，存在玄學(xué)的成分；

后者則體現(xiàn)在目前的各個流程基本都要使用到多個AI工具，但不同工具之間沒有協(xié)同性，像deepseek給你的腳本和提示詞，根本不會考慮你在可靈、即夢上實現(xiàn)的效果如何。而市面上的一些集成的AI短劇平臺則往往因為存在短板，導(dǎo)致功能雖全但實際價值卻不高，比如昆侖萬維的AI短劇平臺SkyReels集成了劇本、分鏡、3D生成大模型等，聲稱能通過AI一鍵生成完整劇本、分鏡、人物對白與BGM，但實際應(yīng)用的完成效果卻也是問題多多，導(dǎo)致使用者并不算多。

所以目前主流內(nèi)容才會是“PPT式AI短劇”。因為放棄或者減少多人交互、復(fù)雜運鏡的不確定性，才能更高效地產(chǎn)出基本邏輯合格的內(nèi)容。

但這樣的內(nèi)容，顯然不可能是AI短劇的最佳模式。

AI短劇未來爆發(fā)的主力，也許在“普羅大眾”

目前的AI短劇生產(chǎn)者，大致可以分為以下兩類：

其一是專業(yè)影視機構(gòu)和主流媒體，如此前博納制作的《三星堆：未來啟示錄》，央視制作的《美猴王》、AI全流程微短劇《中國神話》《AI看典籍》等，類型往往是傳統(tǒng)文化、科普紀(jì)錄片等元素；

其二是個人創(chuàng)作者和基于個人創(chuàng)作者的小型AI工作室。如《山海奇鏡之劈波斬浪》《無名特攻隊》背后的創(chuàng)作者閑人一坤，其曾在接受采訪時提及自己團隊只有10人；而更多的個人創(chuàng)作者正在抖音、快手等平臺上以雨后春筍的速度出現(xiàn)，個人即團隊。

一個或許有些反直覺的現(xiàn)象或許是，個人創(chuàng)作者的作品質(zhì)量未必比機構(gòu)和團隊差。目前抖音和快手上一些粉絲量僅數(shù)百的用戶，已經(jīng)能夠產(chǎn)出運鏡復(fù)雜、邏輯非常通順的短片，觀感已經(jīng)很接近劇集，甚至還要超過上述經(jīng)常見諸報端的這些AI作品。

以目前的AI短劇工具而言，團隊的規(guī)模更多影響的是生產(chǎn)效率，而在生成質(zhì)量上的優(yōu)化邊際效應(yīng)很低。打個比方10個人的團隊和1個人的團隊，前者有把握能做得更多，卻沒把握做得更好。因為AI極大簡化了“制作出品”的部分，但出品的差異化卻完全依賴創(chuàng)作者的提示詞熟練度和個人審美、鏡頭感等。

有幾位創(chuàng)作者告訴讀娛，在目前AI短劇效率和效果優(yōu)化的實現(xiàn)，水平高下主要就體現(xiàn)在提示詞和運鏡能力上。有的創(chuàng)作者能把提示詞寫得極具畫面感且與AI工具的協(xié)同性非常好，甚至可以僅憑借三到四張圖片就生成出連貫的運鏡，讓觀感往真人劇上大大靠攏。

結(jié)合當(dāng)下的情況來看，對于AI短劇的未來發(fā)展，讀娛姑且大膽做以下推斷：

在專業(yè)影視制作領(lǐng)域，AI會在創(chuàng)作流程中融為一體，隨著AI作為技術(shù)噱頭的標(biāo)簽被弱化，其存在感會越來越低，但應(yīng)用場景則會越來越多。其實在當(dāng)下的3D國漫行業(yè)中，AI的使用已經(jīng)超出了許多普通觀眾的意料了，此處不做展開。

而當(dāng)下定義的“AI短劇”，其爆發(fā)會來自大眾創(chuàng)作者的無窮智慧。隨著創(chuàng)作門檻被極度降低，“一人劇組”成為常態(tài)，普羅大眾創(chuàng)意所產(chǎn)生的量變，會推動AI短劇的“奇點”出現(xiàn)。

除了網(wǎng)絡(luò)視聽大會上的集中討論外，近期還有幾個業(yè)內(nèi)事件暗示著AI和短劇兩個熱點疊加的蘊藏能量正在劇增。

2025年3月28日，OpenAI發(fā)布了其最新的多模態(tài)模型GPT-4o，這一技術(shù)突破再次引發(fā)了全球?qū)I生成內(nèi)容的關(guān)注，網(wǎng)友通過GPT-4o生成的“吉卜力風(fēng)”圖片瞬間成為全球社交網(wǎng)絡(luò)新興熱點，轉(zhuǎn)換真實照片為梵高、皮克斯、南方公園等風(fēng)格玩法也呈現(xiàn)出了驚人的和諧效果。

對于AI短劇而言，GPT-4o直接處理多模態(tài)輸入，在多輪交互中能精準(zhǔn)的遵循指令，這種對敘事和角色設(shè)定一致性的賦能將極為可觀。從一些業(yè)內(nèi)人士使用后的反饋來看，GPT-4o在一致性這方面的優(yōu)勢會很快體現(xiàn)在設(shè)計端，因為實用性大大提升，尤其在游戲領(lǐng)域、影視領(lǐng)域的概念圖和分鏡圖等方面。OpenAI 的CEO 薩姆·奧爾特曼表示，這將開啟創(chuàng)作自由的新高峰。

而在快手近期的財報電話會上，快手聯(lián)合創(chuàng)始人兼CEO程一笑表示有信心目前可靈AI“圖生視頻”功能的綜合效果處于全球第一的位置。且截至2025年2月，可靈AI累計營業(yè)收入超1億元，程一笑表示快手會不斷升級以可靈為代表的AI商業(yè)化變現(xiàn)模式，力爭可靈AI早日成為營收規(guī)模全球第一的視頻生成AI應(yīng)用。

國產(chǎn)AI視頻大模型已從技術(shù)驗證邁入規(guī)模化應(yīng)用階段，依托短視頻平臺的流量與數(shù)據(jù)優(yōu)勢，快速迭代并探索出可行的商業(yè)化路徑。而未來競爭焦點將轉(zhuǎn)向長視頻敘事能力、多模態(tài)交互深度及產(chǎn)業(yè)滲透率，而技術(shù)開源與合規(guī)性很可能將成為下一階段分水嶺。

這兩個事件其實都映照出一個未來——圖片、視頻AI的技術(shù)爆發(fā)還遠未停止。

可靈的發(fā)展和商業(yè)化成就，其實反而映照出這AI視頻平臺的激烈競爭和快速進化程度，其商業(yè)化的實現(xiàn)也是這種競爭可持續(xù)的體現(xiàn)；

而GPT-4o能夠用極為簡單的方式生成連續(xù)圖片，高度保持一致性。自媒體《知?！钒l(fā)布的文章就顯示，作者只給了GPT-4o一張Doge圖，GPT-4o就幫他畫好一整個RPG游戲。作者寫道：“GPT-4o 展現(xiàn)了精準(zhǔn)的指令遵循、驚人的圖像一致性，這種能力，正是將技術(shù)從工具升華為創(chuàng)作伙伴的關(guān)鍵所在。”

而在可靈、即夢等平臺上，已經(jīng)有很多創(chuàng)作者將GPT-4o加入流程之中。

所謂創(chuàng)作自由的新高峰，其實就是目前制作層面門檻的進一步消除，而對個人創(chuàng)作者在提示詞、視聽審美、劇本情感等等層面的高層次考驗更進一步。

此外，目前的多數(shù)AI短劇仍在“模仿”真人劇，而顯然未來的可能性遠不止此，在短視頻平臺上已經(jīng)出現(xiàn)一些“只有AI才能做出的劇”，差異化觀感，主要來自創(chuàng)作者自己天馬行空的腦洞。

在過去，一個普通人不太可能真正有機會去證實自己在影視創(chuàng)作上的天分。但如今AI短劇帶來的最大變化，就是讓每個人都真正有了成為編劇、導(dǎo)演的機會了，只需要極低的金錢成本，極低的試錯成本，和提供給AI的無窮創(chuàng)意和精確指令。

*原創(chuàng)文章，轉(zhuǎn)載需注明出處