短剧创作应用2.0升级进度记录

背景

原文来自 LINUX DO · AI 社区的一篇个人经验记录，作者分享了自己开发的短剧创作应用从 1.0 版本升级到 2.0 版本的进度。1.0 版本已搭建了完整的功能区，但对小白用户（即缺乏 AI 创作经验的普通用户）非常不友好：功能页面过多，用户不知从何下手。因此，2.0 升级的核心目标是降低使用门槛，让没有 AI 技术背景的人也能轻松完成短剧创作。作者付出了约三个月的打磨时间，进行了大量脚本、图片和视频测试，最终取得了满意的效果。

核心内容

2.0 版本升级的主要思路是新增一个名为「创作向导」的模型，相当于小白模式。该模式大幅简化了界面，让用户只需要跟随流程操作即可完成创作。具体流程如下：

1. 项目创建与输入：用户创建项目后，只需在当前页面导入剧本内容，选择内容风格和画面比例。底层逻辑会自动解析剧本，后续资产库所需的内容无需用户额外操作。

2. 提示词自动生成：针对小白用户最头疼的写提示词环节，该应用完全不需要用户自己写。剧本解析会输出所有人物、场景、物品的描述，以及后续生成图像和视频所需的提示词。用户只需要通过点击选择即可。

3. 一致性锚定：为了确保后续生成的图像和视频中人物、场景、物品保持一致，应用需要生成人物的情绪图和多维视角图、场景的空间多维图、物品的视角图。这些锚定信息能更好地在生图环节保持人物一致性以及人物对空间的理解逻辑。

4. 分镜脚本输出：根据分集内容，系统输出对应的分镜脚本，每个分镜包含画面提示词、视频提示词和人物台词，全部自动生成。

5. 并发生成控制：考虑到不同用户对速度和质量的需求，增加了人为调控的并发按钮。用户有三种选择：

   • 一张一张生成：保证每个画面上下连贯，具有叙事性。
   • 三张并发：速度加快，但牺牲一定叙事连贯性。
   • 五张并发：速度最快，但每批次五张图之间失去前后叙事连贯性，但批次内五张的连贯性仍然存在。

6. 语音配音补救：考虑到直接输出的音画同步视频质量可能不佳，应用增加了后续语音配音功能。当视频中人物台词表达不清晰或胡言乱语时，用户可以用同样的声线输出对应台词，在剪辑阶段进行修补，目的是制作精品漫剧。

7. 视频输出与模型测试：最终视频输出页的效果在一致性和音画同步方面表现不错。作者主要使用 Grok 模型进行测试，其他成本较高的模型（如 seedance2.0）测试较少，但效果和质量更好。作者指出，接入官方 seedance2.0 模型测试一个 8 秒视频就花费了 8 元，成本较高。整体测试量：脚本测试上百个，图片一致性测试输出几千张，视频效果测试生成几百个。作者强调自己一直使用效果较差的 VEO 模型和 Grok 模型进行实测，如果接入国产的可灵或 seedance2.0 模型，效果只会更好。

关键要点

• 新增「创作向导」小白模式，极大降低使用门槛
• 用户只需导入剧本、选择风格和比例，其余由系统自动解析
• 所有提示词（人物、场景、物品、生图、生视频提示词）均由系统自动生成，用户无需编写
• 通过生成情绪图、多维视角图等方式实现人物、场景、物品的一致性锚定
• 分镜脚本自动输出画面提示词、视频提示词和台词
• 提供 1 张、3 张、5 张三种并发生成模式，用户可在叙事连贯性与速度之间取舍
• 增加语音配音功能，用于修复音画同步不佳的片段
• 主要使用 Grok 模型测试，成本较低的模型效果尚可；更高成本的模型（如 seedance2.0）效果更好但费用高昂（8 秒视频 8 元）
• 应用经过三个月打磨，进行了数百次脚本测试、数千张图片一致性测试、数百个视频效果测试

意义与影响

该项目展示了 AI 工具在视频/短剧创作领域的一种实用化路径：通过将复杂的 AI 生成流程（剧本解析、提示词编写、一致性控制、分镜脚本、并发生成、音画同步修复）整合成一个面向小白的自动化工作流，大幅降低了 AI 创作的技术门槛。对于非技术背景的内容创作者而言，这种「无代码、一键式」的操作方式具有实际推广价值。

同时，该案例也揭示了当前 AI 视频生成领域的一个现实矛盾：高质量模型（如 seedance2.0）的效果虽好，但成本高昂；而成本较低的模型（如 Grok、VEO）则需要在效果上做出妥协。作者长期使用低成本模型进行大量测试，证明在合理的流程设计下，即使模型本身效果有限，也能通过自动化流程和后期补救手段产出令人满意的成品。这为其他同类型应用的开发提供了可借鉴的经验：不必一味追求最强模型，通过良好的产品设计和工作流优化，同样能实现高质量产出。