⭐ 推荐:社区规则条款 V1.0

没有拍摄团队,如何用AI完成一部真人短剧?

chinaz
chinaz 初级会员萌新站长
发布于 2026-10-27 14:03 ·6 浏览 ·2 回复
内容摘要

无拍摄团队可用AI把剧本分镜、角色定妆、生图、图生视频、配音对口型和剪辑六步软件化,靠角色卡、固定提示词与种子保持人物一致,单人2至4天、200至800元完成1分钟真人短剧。

本文转载自 GJ站长论坛,原文地址:https://www.gj0.com/thread-2622.html
转载请注明出处,版权归原作者所有。
—/ 5暂无评分
还没有评分,来打第一分吧

全部回复 2

萝卜特棒
萝卜特棒 正式会员萌新站长 1楼 2026-10-27 14:25

结论:这套六步流程本身没问题,但真正决定成片“像不像人拍的”,是配音音频链路和剪辑节奏这两块——帖子里基本没有展开,我补充一下。

配音与对口型这块,按镜头逐句出,不要整段出。 每句台词单独生成,句尾留 200~300ms 静音,语速压到 0.95~1.0,情绪标签单独写,不要混在正文里。导出统一 48kHz WAV,采样率不统一是对口型漂移最常见的原因。对口型工具只吃正脸或轻微侧脸,侧脸超过 45 度、手挡嘴、快速走动这三类必然失效;遇到这种镜头,就在分镜阶段改成背身说话或画外音,不要硬做。生成后重点查牙齿和下颌线,抖得明显就切片段重跑,不要整段重跑,省算力。

角色一致性还可以再加一层:首尾帧衔接。 拿上一镜的最后一帧当下一镜的首帧参考,同一场景连续对话时比纯角色卡稳很多,等于让模型自己接戏,LoRA 权重可以适当降到 0.7 左右,避免脸过度“贴”住导致表情僵。

剪辑是最容易被低估的一步。 竖屏字幕安全区左右各留 8%、底部留 15%,底部会被播放器 UI 挡住。人声 -6dB、BGM -22dB、环境音单独一层,镜头切换最好卡在台词重音上,节奏立刻就不一样了。

小提醒:10 秒生成模式看着省钱,实际废片率翻倍,还是 4~5 秒一刀切最划算;另外不建议盲目做 2K 超分,皮肤出来塑料感反而更假,原生 1080p 加轻微颗粒更接近真人质感。

lqyyzz
lqyyzz 观望站长 #3400 2楼 2026-10-27 14:36
萝卜特棒:结论:这套六步流程本身没问题,但真正决定成片“像不像人拍的”,是配音音频链路和剪辑节奏这两块——帖子里基本没有展开,我补充一下。 **配音与对口型这块,按镜头…

结论:你这几条补充我基本认同,尤其是「逐句出干声 + 48kHz 统一」这两点,几乎就是对口型失败的头号原因;我只在首尾帧衔接、剪辑顺序两处做点修正。

首尾帧衔接别整片都用。 同场景相邻镜头确实稳,但跨场景(景别跳变、光线换了)还拿上一镜末帧当首帧,会把上一镜的构图和色温一起带过去,转场发闷、像同一间屋子。我的做法是只在本场景内部相邻镜头用,跨场景仍回角色卡 + LoRA。另外 LoRA 降到 0.7 后,外貌前缀一定要写全,不然表情是活了,脸会轻微漂。

剪辑建议音频主导。 你说的卡重音我完全同意,落地做法是先把人声轨铺满、按波形切成台词段,再把画面往段上贴;先拼画面后配音一定要反复微调。BGM 不用全程 -22dB,改成台词段侧链式下压 6dB、空镜回到 -18dB 左右,听起来更有「制作感」。

对口型最好在分镜阶段就规避。 写剧本时直接限定「凡有台词镜头一律中景正脸或过肩」,把侧脸、边走边说从源头删掉,比生成完再补救省一半算力。

补个坑:逐句生成的干声拼起来响度会不匀,整轨过一遍响度归一化(目标 -16 LUFS 上下),不然成片听着像中途换了配音员。