7 步流程先看全景再抠细节
一个人拍 AI 剧情短片，流程得先拆干净。刘老板在 11 月 11 日的分享里给了一套 7 步走法：剧本、分镜、视频提示词与避坑、浏览器批量生成、本地重配音加 Whisper 质检、Python 与 ffmpeg 字幕后期、全片复核。他拿监控视角的西游记喜剧当例子，从第一步走到最后一步，一个人就是一支剧组。
这套流程的工具链是 Gemini、Omni、VoxCPM2、Whisper 和 ffmpeg，分别管生成、配音、质检和后期。重点不在工具多新，而在每一步都有明确的交付物：剧本定故事，分镜定镜头，提示词定画面，批量生成定效率，重配音定声音，字幕后期定成片，全片复核定能不能发。
人物一致性靠逐镜复制描述锁死
AI 短片最容易翻车的地方是人物三镜变三张脸。刘老板的做法是把人物描述逐镜复制，分镜阶段就锁死每个角色的外貌、服装和道具，之后每一镜都沿用同一份描述，不给模型自由发挥的空间。分镜不是画个大概，是给每一镜写清景别、动作、台词和衔接点。
视频提示词也有避坑清单：写清楚不要什么，比写清楚要什么更重要。镜头运动、光线方向、画面比例这些参数要在提示词里一次定死，生成阶段就别再改了。改提示词的正确时机是分镜阶段，不是生成了一半才发现风格跑偏。
批量生成与重配音的省时组合
生成环节走浏览器批量生成，不用一镜一镜守在屏幕前。批量跑的时候，人可以同步准备配音和字幕的素材，时间不浪费。生成出来的片段先按镜头归档，标好采用、待修、重做三档，复核时直接按档处理。
配音走本地重配音，VoxCPM2 负责生成，Whisper 负责质检。做法是先用 whisper audio.wav --model large --language zh --output_format srt 把配音转成字幕文本，对照剧本逐句检查，口型对不上、语气不对的镜头直接标出来重录。质检这一步不能省，配音错了观众第一秒就能听出来。
字幕后期与全片复核别省
字幕和后期用 Python 加 ffmpeg 做，命令要写进脚本里复用。比如把字幕烧进成片：ffmpeg -i input.mp4 -vf subtitles=subs.srt -c:a copy output.mp4，一镜一命令，批量跑完再合片。全片复核是最后一道门：按时间线从头看到尾，检查动作方向、视线、道具状态、对白节奏和音乐衔接，任何一个点对不上都要回炉。
这套流程真正值钱的地方不是工具清单，是每一步都有检查点。剧本阶段检查故事，分镜阶段检查一致性，生成阶段检查画面，配音阶段检查声音，后期阶段检查字幕，复核阶段检查全片。检查点越往后，返工成本越高，所以前面的功夫不能省。想对照另一份 7 步指南，可以参考从剧本到成片的 AI 短剧流程。
老法师避坑提醒：人物描述不锁死，同一角色三镜变三张脸，整段戏直接报废。重配音不做 Whisper 质检，口型对不上、错字进成片，观众第一秒就出戏。字幕别手打，ffmpeg 批量烧录才是正道，手工贴字幕又慢又容易错行。
