西羊石AI视频团队：真人短剧全流程制作方法，Gemini 3.5 Flash 提示词分享，照抄即可

现在 AI 真人短剧、AI 漫剧太火了。越火的赛道，越容易鱼龙混杂。

很多小白刚进来，根本分不清哪个提示词真有用，哪个课程真能落地。看着别人一条条成片很炸裂，就很容易被带着走。

我不是说知识付费不行，我们自己也做课程。但你要是真教东西，至少把一套普通人能跑通的流程讲明白。别搞得一个分镜提示词像祖传秘方一样。

最近 Gemini 3.5 Flash 很火，很多人又开始讲模型变强、AI 视频变天。热闹归热闹，普通人真正关心的还是一句话：我到底怎么把一个想法，做成一条 AI 真人短剧？

这篇不讲虚的，直接给流程。

我们现在做 AI 仿真人短剧，更推荐用“文资视剪”的方式：先写故事和分镜，再做人设、场景、道具这些资产，然后把分镜生成视频，最后剪辑成片。流程对了，工具才有意义。流程不对，用什么模型都容易乱。

先给大家全套提示词。

步骤一、生成故事的提示词

请帮我把【XXX想法】扩写成一个适合 AI 真人短剧制作的剧本，时长控制在 3 分钟左右。要求：
1.剧情必须有强冲突、强反转、强情绪，不能写成普通小说片段。
2.开头 3 秒必须有钩子，比如当众羞辱、突然摊牌、一句狠话、一个反常动作，不要用风景、走路、空镜开场。
3.人物关系要简单，观众 10 秒内能看懂谁欺负谁、谁要反击谁。
4.台词要短、狠、直白，少用文艺腔，尽量符合真人短剧表达。
5.每 30 秒至少有一个情绪变化，每 1 分钟至少有一个小高潮。
6.前期让主角处在被压制状态，后面反击要有释放感。
7.场景不要太复杂，尽量控制在 1 到 3 个核心场景内，方便后续生成视频。
8.请以剧本格式输出，包含【场景】、【时间】、【人物】、【动作描写】、【台词】。最后单独列出前 15 秒开场、核心爽点和结尾钩子。

步骤二、生成人物和场景资产的提示词

故事出来后，别急着生视频。很多人真人短剧做不稳，就是因为没有做资产。今天男主一个脸，明天男主换发型，后天衣服也没了，最后每个镜头像不同剧组拼出来的。

继续复制下面这段：

请分析以上剧本，提取所有出场人物和核心场景，并生成 AI 绘画可用的中文提示词。
人物部分：每个角色包含姓名、年龄、身份、人物关系、外貌特征、发型发色、服装风格、核心气质、常见表情、关键动作，以及一段人物绘画提示词。
人物绘画提示词要求：全身远景，正面站立，纯色背景，真人写实电影质感，角色设定表，服装面料和面部特征清晰，不要文字，不要水印，不要多余人物。
场景部分：每个场景包含场景名称、出现剧情、时间、空间结构、光影氛围、材质细节、镜头视角，以及一段场景绘画提示词。
场景绘画提示词要求：场景概念图，真人短剧质感，真实物理光影，空间层次清晰，电影级构图，不要人物，不要文字，不要水印。
道具部分：请列出剧中需要保持一致的重要道具，比如戒指、合同、手机、录音笔、文件袋、车钥匙等，并给出外观描述。

这一步就是“文资视剪”里的“资”。第一次练手不用把所有配角都做完，先做主角、反派和一个核心场景就行。

步骤三、生成分镜头脚本的提示词

这一步最关键。很多人做 AI 真人短剧翻车，不是视频工具不行，是分镜太乱。一个提示词里塞七八个动作，又要吵架，又要摔文件，又要全场震惊，又要主角转身离开，模型当然容易崩。

复制下面这段：

请根据以上剧本，帮我转换成可以直接用于 AI 视频生成的分镜头脚本。
规则如下：
每一段视频总时长控制在 10 到 15 秒。
每一段由 4 到 5 个镜头组成，每个镜头控制在 2 到 4 秒。
必须把剧本里的台词分配到对应镜头中。
每个镜头写清楚景别、机位、运镜、人物动作、人物情绪和画面重点。
情绪高潮点多用特写、推镜头、低角度仰拍。
双人对话保持 180 度轴线一致，角色 A 始终在画面左侧，角色 B 始终在画面右侧。
不要让人物突然换位置、换衣服、换脸。
每段结尾加上统一风格后缀：真人写实短剧，35mm 胶片拍摄，轻微胶片颗粒感，真实物理光影，高动态范围，视频不出现字幕，视频不出现音乐。
请按以下格式输出：
第一段
剧情描述：
镜头一【0-3s】：景别，机位，运镜，画面，人物动作，人物情绪，台词，参考资产。
镜头二【3-6s】：景别，机位，运镜，画面，人物动作，人物情绪，台词，参考资产。
镜头三【6-9s】：景别，机位，运镜，画面，人物动作，人物情绪，台词，参考资产。
镜头四【9-12s】：景别，机位，运镜，画面，人物动作，人物情绪，台词，参考资产。
镜头五【12-15s】：景别，机位，运镜，画面，人物动作，人物情绪，台词，参考资产。
统一风格后缀：

操作演示

我这里拿市面上很容易出爽点的“重生复仇”举例。

出故事工具：豆包、Kimi、DeepSeek 都能用，有条件可以用 Gemini 3.5 Flash。Gemini 适合做故事扩写、人物关系和分镜拆解，尤其是长一点的短剧结构，会更稳一点。

输入想法：

一个女人前世为了未婚夫倾尽家财、交出核心技术，却被未婚夫与死对头联手做局，害得家破人亡、惨死车祸。临死才知道，对方长达数年的深情全是一场精心策划的资产吞噬局。
重生回到订婚宴当天，看着台上演深情戏码的伪君子，她不再隐忍。这一世她直接掀桌，当众开源核心技术、撤回所有资金，在聚光灯下将这场“高端杀猪盘”彻底曝光，把白眼狼逼上绝路。

先把这个想法丢给 Gemini 3.5 Flash 或豆包，用步骤一的提示词生成故事。

接下来复制步骤二的提示词，让它提取人物和场景。第一次练手不用把所有人都做出来，先做女主顾清晚、男主陆宇航、女配苏曼、订婚宴大厅这四个资产就够了。

挑一张合适的图下载下来，再生成四视图或者直接生成四视图：

【人物提示词】，生成角色四视图。画面左侧是人物面部超大特写，右侧依次放人物正面全身、侧面全身、背面全身，纯白背景，保持同一张脸、同一套服装、同一发型、同一体型。真人写实电影质感，不要文字，不要水印，不要明星脸。

这里给大家对比同样的提示词，gpt出的跟nano banana出的效果。

上面是gpt，很有美感，下面nano banana，一言难尽。。。

所以后面的资产我都接着用gpt生成图片了。

场景也一样，做一张订婚宴大厅备用：

最后复制步骤三的提示词，让 Gemini 或豆包生成分镜提示词，再复制到即梦、LibTV、Flow这类视频工具里，关于如何过seedance真人审核，参考。

视频提示词可以这样写：

镜头一【0-3s】：大特写，正面视平线固定机位，顾清晚面部肌肉紧绷，眼神如冰凌般冷艳、凌厉地死死锁定前方。（无台词，纯情绪压迫）
镜头二【3-6s】：中景，低角度仰拍极速推镜头，顾清晚（左）狠狠一耳光把陆宇航（右）打得偏头、嘴角渗血，神色霸气凌厉。（台词：顾清晚：“陆宇航，这一巴掌，打你是个白眼狼！”）
镜头三【6-9s】：中特写，180度轴线过肩机位微右移，陆宇航（右）捂着红肿的脸向顾清晚（左）低头，眼神装出极度委屈与隐忍。（台词：陆宇航：“清晚，今天是我们的订婚宴，你凭什么打我？！”）
镜头四【9-12s】：中景，保持轴线拉开跟镜头，苏曼从台下冲上舞台挡在陆宇航身前，伸出手指狠狠指着顾清晚 的鼻子，显得刻薄泼辣。（台词：苏曼：“顾清晚！你仗势欺人，还有没有教养了？！”）
镜头五【12-15s】：全景舞台正前方机位拉镜头，台下无数宾客交头接耳、摇头议论对顾清晚指指点点，形成强烈的舆论压制感。（台词：宾客甲：“顾家大小姐太欺负人了，陆少真委屈！”）
统一风格后缀：真人写实短剧，35mm 胶片拍摄，轻微胶片颗粒感，真实物理光影，高动态范围，视频不出现字幕，视频不出现音乐。

这段如果跑出来不崩，基本就是一个能继续往下做的开场了。