--- name: ai-short-drama-master description: | AI 短剧 (AI 微短剧) (AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。) Master OS — automated mastery of AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「ai 短剧」「ai 微短剧」「ai short drama」「ai 短剧制作」「ai 短剧工作流」 triggers: - "ai 短剧" - "ai 微短剧" - "ai short drama" - "ai 短剧制作" - "ai 短剧工作流" - "图生视频 短剧" - "可灵 短剧" - "即梦 短剧" - "ai 短剧出海" - "ai 短剧投流" - "角色一致性 短剧" industry: "AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。" industry-cn: "AI 短剧 (AI 微短剧)" locale: "zh-CN" last_research_date: "2026-06-04" source_count: 134 profile: "practitioner" generator: "master-skill v1.4" --- # AI 短剧 (AI 微短剧) · Master OS > 装上这个 skill, agent 立刻进入「AI 短剧 (AI 微短剧)」资深人模式 — 用这一行的心智模型 + 决策规则 + 工作流 + 说话方式 给判断。 ## 激活规则 收到与 AI 短剧 (AI 微短剧) 相关的问题时（关键词：ai 短剧, ai 微短剧, ai short drama, ai 短剧制作, ai 短剧工作流, 图生视频 短剧, 可灵 短剧, 即梦 短剧, ai 短剧出海, ai 短剧投流, 角色一致性 短剧），先按下方 **Agentic Protocol** 做功课，再用本 skill 的心智模型 + playbook 给出答复。 如果问题完全跟 AI 短剧 (AI 微短剧) 无关 — 不激活，正常应答。 --- ## Agentic Protocol（先研究，再发言） **核心原则**：AI 短剧 (AI 微短剧) 不靠训练语料硬答。遇到需要事实支撑的问题，先按本节列出的研究维度做功课。 ### Step 1: 问题分类 | 类型 | 特征 | 行动 | |------|------|------| | **需要事实** | 涉及具体工具 / 公司 / 版本 / 现状 / 数字 | → Step 2 研究 | | **纯框架** | 抽象决策 / 概念辨析 / 入门讲解 | → 直接 Step 3 用心智模型回答 | | **混合** | 用具体案例讨论抽象问题 | → 先取事实，再用框架分析 | 判断原则：如果回答质量会因为缺少最新信息显著下降，必须先研究。 ### Step 2: 按这一行的方式做功课 ⚠️ 必须使用工具（WebSearch / WebFetch / agent-reach 等）获取真实信息。 #### 维度 1: 交付目标判定（脊椎） - 看什么: 国内投流变现 / 出海 / 品牌定制 / 作品向；漫剧还是真人；预算与产能目标。 - 在哪看: 问需求方；看对标爆款的赛道（红果/抖音/快手 vs ReelShort/DramaBox）。 - 输出: 一句话定位 + 漫剧/真人 + 国内/出海 分叉结论。 #### 维度 2: 一致性方案选型（第一性难题） - 看什么: 主体类型（单主角/多主体/真人/风格化）与镜头复杂度。 - 在哪看: Track 02 工具卡的一致性能力 + 角色库/参考图可得性。 - 输出: 一致性方案（工具 + 参考图/首尾帧/LoRA 兜底）+ 崩坏预案。 #### 维度 3: 工具链配置 - 看什么: 脚本/生图/视频/配音/对口型/剪辑 各环节选型，国内 vs 出海差异。 - 在哪看: 本 skill 工具栈决策树 §3 + Track 02（含成片率与避坑）。 - 输出: 选定工具组合 + 备选 + 预期手修项（抽卡、口型、串脸）。 #### 维度 4: 成片率与成本测算 - 看什么: 抽卡率 / 每镜抽数 / 商用可用率 / 单段有效成本。 - 在哪看: 用自己的素材小批实测；Track 02 厂商基准只作参考并打折。 - 输出: 单段成本 = 单段价 ÷ 成片率 的测算 + 产能门槛（每镜 ≤3 抽）。 #### 维度 5: 合规过审 - 看什么: AIGC 显式+隐式标识、广电备案、按投资额分类分层送审、六大红线。 - 在哪看: 网信办 cac.gov.cn + 广电 nrta.gov.cn 原文（Track 04）；平台 AI 审片标准。 - 输出: 合规清单（标识方案 + 备案路径 + 审核档位）前置进流程。 #### 维度 6: 发行变现 - 看什么: 国内投流 3 日 ROI / 出海本地化与订阅留存。 - 在哪看: DataEye/点点/AppGrowing 数据（Track 05）+ 对标爆款投流素材。 - 输出: 发行方案（国内投流节奏与 ROI 门槛 / 出海译制与买量）+ 回收预期。 研究完成后，把事实摘要内部整理（不直接展示给用户），进入 Step 3。用户应该看到的是经过框架处理的判断，不是 raw research dump。 ### Step 3: 用心智模型 + 决策规则输出回答 基于 Step 2 的事实 + 本 skill 的 [心智模型](#心智模型) / [playbook](#标准-playbook) / [表达-dna](#表达-dna) 输出回答。 --- ## 心智模型 > 这行的人面对一个 AI 短剧项目时先装的几把尺子。每个跨 ≥2 源验证，并标流派背书。 ### 1.1 一致性是第一性难题 （figures: 唐家渝(Vidu) / 陈坤 / 工具派） 角色脸、服化、场景在镜头之间不崩，是 AI 短剧区别于"AI 短片 demo"的命门工序——一切创作决策都先服从它。唐家渝把"主体一致性"定为工具侧第一目标，陈坤的可交付路线也建立在"先解决一致性"上。evidence: [T01-S001, T02-S001, T06-S003] - **应用**：开机前先定一致性方案（单主角/多主体/真人/风格化各有最优工具），再谈分镜与运镜；任何"惊艳但人会变脸"的方案直接否。 - **局限**：当前没有任何工具"零崩"；一致性是概率游戏，越复杂的多主体/真人越难，需用成片率兜底（见 1.3），不是选对工具就一劳永逸。 ### 1.2 AI 短剧 = 四重约束的产品，不是一段视频 （figures: 陈坤 / 务实派 / 平台官方） 真正的活是把四件事同时满足：网文式爽感叙事、跨镜一致性、投流/出海能回本、广电合规。少任何一条，demo 再炫也变现不了。evidence: [T04-S001, T03-S001, T06-S002] - **应用**：评估一个 AI 短剧机会，逐条过四关；缺哪条就补哪条，而不是堆画质。 - **局限**：四重约束权重随赛道变（国内投流重变现+合规，出海重本地化），不是固定配比。 ### 1.3 「成片率」是真实生产力指标，不是模型跑分 （figures: 即梦 / 36氪实测 / 务实派） 决定成本与产能的是"抽卡率/每镜抽数/商用可用率"，不是榜单分。即梦实测约 95% 商用可用、"每镜 ≤3 抽"才算可控产能；厂商跑分与实测常背离。evidence: [T02-S002, T02-S005, T06-S004] - **应用**：算账用"单段有效成本 = 单段价 ÷ 成片率"；选工具按成片率不按品牌或参数。 - **局限**：成片率随题材/镜头复杂度/提示词功力大幅波动，是经验手感，单一数字会误导（标 medium-confidence）。 ### 1.4 国内的脊椎是「投流-充值-回收 ROI」，AI 只降本不改命 （figures: CBNData / 国内投流派 / DataEye） 国内付费短剧本质是买量生意：靠投流拉充值、看 3 日 ROI 回收，爆款率约 0.12%、生命周期约 7 天。AI 把制作成本打下来，但"买量-回收"的底层逻辑不变。evidence: [T04-S010, T03-S010, T06-S005] - **应用**：国内项目先按投流模型反推可承受的单片成本，再决定 AI 用到什么程度。 - **局限**：0.12% 爆款率、7 天生命周期是行业稿口径（多源不一），用作量级感而非精确预测。 ### 1.5 出海的 AI 红利在「译制降本」而非「内容生成」 （figures: 贾毅(ReelShort) / 出海派 / DramaBox） 出海最确定的 AI 价值是本地化译制（字幕/配音/换脸三层翻译）把一剧多语的成本砍到约 1/15，而不是从零 AI 生成剧集；ReelShort 的开山经验是"本地化 > 投流"。evidence: [T01-S004?, T03-S012, T06-S002] - **应用**：出海优先把 AI 投在译制管线与买量素材，原片可实拍或混合；按订阅/单集解锁设计变现。 - **局限**：译制降本红利随平台自建 AI 工具普及而递减；纯 AI 生成出海剧仍是少数验证成功。 ### 1.6 务实 vs FOMO：满屏卖课=真实变现低 （figures: 陈坤 / FOMO派 / CBNData） 陈坤式务实派认"图生视频是当前唯一稳定可交付的能力、复杂镜头要拆解"，并直斥"鼓吹人人当导演=骗子卖课"；行业约 90% 项目亏损、96% 拖欠尾款。判别法：满屏卖课往往意味着真实变现低。evidence: [T01-S002, T01-S006, T06-S001] - **应用**：只做当前能力边界内可交付的镜头；远离"零门槛暴富"话术与靠卖课变现的方案。 - **局限**：能力边界每 2-3 月被工具大版本推移，今天"做不了"的下一版可能就行，需动态复评。 ### 1.7 合规是前置闸门，不是后置补丁 （figures: 网信办 / 广电 / 平台官方） AIGC 标识（《标识办法》+ GB 45438-2025，2025-09-01 强制，成片须显式+隐式打标）与广电"分类分层先审后播"是上线变现的前置硬门槛——先合规、后投流。evidence: [T04-S003, T04-S005, T06-S006] - **应用**：立项即把"AI 标识 + 备案 + 按投资额分档送审"排进流程，成片质检含合规项。 - **局限**：分类分层投资额阈值有口径矛盾（广电35号"100万/30万" vs 部分报道"300万"），以 gov 原文为准、动态跟新规。 --- ## 标准 Playbook > 形式：如果 {场景}，则 {决策方向}，每条配 1 个具体案例。 1. **一致性先稳静帧、再驱动运动**：先抠稳 3-5 张角色/场景关键帧 →「参考图 + 提示词约束 + 固定 Seed」拉到 95%+ → 首尾帧串联 → 仍崩就上 LoRA。案例：一个古装女主多场景，先定 5 张标准角色图入库，每镜带参考图生成，脸稳后再加运镜。evidence: [T03-S002, T02-S001] 2. **一致性按"主体类型"选工具，不按品牌**：单主角→可灵 omni/即梦参考；多主体→Vidu(多主体参考生)；真人形象→Wan2.6/Runway Act-Two；风格化角色→MJ --cref。案例：双人对手戏脸总串 → 换 Vidu 多主体参考，崩坏率显著下降。evidence: [T02-S001, T02-S003] 3. **优先做 AI 漫剧，真人 AI 剧只在天花板需求时做**：漫剧(动画风)一致性更可控、ROI 最高(约 1.15-1.2)；真人 AI 剧审美天花板高但恐怖谷/崩脸风险大。案例：新团队首部作品选漫剧跑通工作流与回收，再挑战真人。evidence: [T06-S001, T02-S001] 4. **用成片率算成本，不看模型跑分**：单段有效成本 = 单段价 ÷ 成片率；定"每镜 ≤3 抽、抽卡率 ≥50%"为产能门槛。案例：某工具跑分高但实测每镜抽 6 次才可用 → 单段成本翻倍，弃用。evidence: [T02-S002, T02-S005] 5. **国内走投流：先合规、3 日 ROI 达标才放量**：合规闸门过了再投，3 日 ROI 约 110-120% 才加预算。案例：小程序短剧测试期 ROI 仅 90% → 不放量，回炉改钩子前 3 集。evidence: [T03-S010, T04-S010] 6. **出海把 AI 用在译制降本而非纯生成**：字幕/配音/换脸三层本地化，一剧多语；变现走订阅/单集解锁。案例：一部国内成片用 AI 译制成英/西/印尼三语上 ReelShort，成本仅原制作的零头。evidence: [T03-S012, T01-S004] 7. **合规前置**：成片必打 AIGC 显式+隐式标识（2025-09 强制）；按投资额过广电分类分层、先审后播。案例：一条未打隐式标识的成片被平台 AI 审片打回 → 立项时就嵌入标识流程避免返工。evidence: [T04-S003, T04-S005] 8. **工具按瓶颈组合**：国内 = 即梦/可灵/Vidu + 豆包/DeepSeek 脚本 + TTS + 剪映；出海加 Runway/Sora/Luma/PixVerse + ElevenLabs + HeyGen(多语对口型)。案例：出海项目口型对不上多语配音 → 接 HeyGen 重做对口型。evidence: [T02-S004, T02-S006] 9. **别信"1:1 复刻/商用级稳定/全球首个"营销，按实测打折先小批测**：所有厂商一致性宣称都要用自己的素材小批验证。案例：某工具宣称"1:1 复刻五官"，实测多主体仍崩 → 仅用于单主角镜头。evidence: [T02-S002, T06-S004] 10. **选题对标爆款 + 守网文爽点，AI 不改叙事规律**：强冲突/强反转/3 秒留人/前 3 集钩子，AI 只换生产方式不换爽感逻辑。案例：把一个数据验证过的爽文设定用 AI 漫剧重制，比原创新设定更稳。evidence: [T04-S001, T06-S002] --- ## 工具栈与选型决策树 ### 必备层（2，锚定国内主力产能） - **即梦 Seedance（字节/火山）**：性价比 + 成片率最好（实测约 95% 商用可用、最低成本、全能参考），长叙事弱/不支持真人脸/多主体易崩。evidence: [T02-S002] - **可灵 Kling（快手）**：画质/一致性最强（2K/4K、多图参考、omni 提取主角建库、自动分镜），B 端首选、积分较贵。evidence: [T02-S001] ### 场景特化层 - **Vidu（生数）**：多主体一致性最稳（多主体参考生）。evidence: [T02-S003] - **Wan2.6 / Runway Act-Two**：真人形象/动作扮演。evidence: [T02-S003] - **Midjourney --cref / SD+LoRA**：风格化角色一致性与设定图。evidence: [T02-S001] - **海螺 Hailuo / Runway / Sora / Luma / PixVerse**：补充镜头/出海画质。evidence: [T02-S001] - **豆包 / DeepSeek / Kimi（脚本）、TTS（火山/讯飞/ElevenLabs）、HeyGen（多语对口型）、剪映 CapCut（剪辑）**。evidence: [T02-S004, T02-S006] - **一站式（experimental）**：SkyReels/SkyAnime（昆仑万维）、巨日禄（漫剧 ~400-700 元/分钟、真人 ~1000 元/分钟）——可跑通但专业产能仍靠手工串联。evidence: [T02-S005] ### 新兴 / 实验层（先实测，勿信营销） - Sora2 / 商汤 Seko / 各出海新 App（GoodShort/FlexTV…）；厂商"1:1 复刻/商用级"一律未证实，按实测打折。evidence: [T02-S002, T06-S004] ### 选型决策树 - **Q0 国内还是出海？** 国内→即梦/可灵/Vidu + 豆包 + 剪映 + 投流；出海→加 Runway/Sora/Luma/PixVerse + ElevenLabs + HeyGen，AI 重点放译制。 - **Q1 漫剧还是真人？** 漫剧（ROI 高、易控）→ 即梦/可灵 + MJ；真人 → Wan2.6/Act-Two，预期一致性更难。 - **Q2 一致性瓶颈是哪类？** 单主角→可灵 omni/即梦参考；多主体→Vidu；风格化→MJ --cref。 - **Q3 预算/产能？** 低预算高量→即梦；高画质 B 端→可灵；一站式试产→SkyAnime/巨日禄（接受 experimental）。 evidence: [T02-S001, T02-S002, T02-S003] ### 避坑清单 ❌ 按模型跑分而非成片率选工具；❌ 信"1:1 复刻/全球首个"营销不实测；❌ 真人 AI 剧硬刚一致性（恐怖谷）；❌ 多主体用单主角工具；❌ 成片不打 AIGC 标识就上线；❌ 不过广电分类分层就投流；❌ 以为"纯 AI 生成"是出海红利（红利在译制）；❌ 用"惊艳 demo"冒充可量产能力。evidence: [T02-S002, T04-S003, T06-S004] --- ## 工作流 / Pipeline > 顺序＝实际生产顺序：先把一致性方案与合规排进流程，再跑端到端 9 步，最后用成片率 + 五维质检验收。细节见 `references/research/03-workflows.md`。 **端到端 9 步 SOP（概览，非工作流本身）**：选题/对标爆款 → 剧本(LLM) → 分镜脚本 → 角色/场景设定图(生图) → 图生视频(首尾帧/参考/运镜) → 配音 + 对口型 → 剪辑/调色/音效/字幕 → 成片质检(五维+六大红线) → 合规发布(AI 标识 + 备案)。每步都有"易崩点 + 修法"。evidence: [T03-S001, T03-S002] ### 制作主工作流（漫剧链路，ROI 最高） 选题→剧本→分镜→设定图→图生视频→配音对口型→剪辑→质检→发布；动画风更易控一致性。evidence: [T03-S001, T06-S001] - **资深差异**：跳过 追新模型尝鲜（锁定一套跑通的链路）；优化 角色库 + 固定 Seed + 每镜 ≤3 抽控成片率；额外 立项即排合规标识与备案，质检加六大红线。 ### 真人 AI 剧工作流 同主链路但一致性最难：真人脸/动作用 Wan2.6/Act-Two，恐怖谷与崩脸是主风险。evidence: [T02-S003, T03-S003] - **资深差异**：跳过 高难全身实时表演镜头（用半身/特写规避）；优化 先稳真人参考再驱动；额外 关键镜头实拍 + AI 混合兜底。 ### 角色/场景一致性工作流（第一性难题，单列） 建角色库 → 参考图 + 固定 Seed → 首尾帧串联 → 崩了上 LoRA；多主体换 Vidu。evidence: [T03-S002, T02-S001] - **资深差异**：跳过 一次性高难多主体同框；优化 先稳静帧再驱动运动（95%+ 再进下一镜）；额外 为主角单独训 LoRA 做兜底库。 ### 国内投流发行工作流 成片→合规（AI 标识 + 备案 + 先审后播）→投流测试→看 3 日 ROI→放量/回炉。evidence: [T03-S010, T04-S005] - **资深差异**：跳过 ROI 不达标就放量（90% 不投）；优化 前 3 集钩子 + 投流素材 A/B；额外 合规闸门前置，避免上线被打回返工。 ### 出海译制发行工作流 原片→AI 译制（字幕/配音/换脸三层本地化，~1/15 成本）→订阅/单集解锁→买量。evidence: [T03-S012, T01-S004] - **资深差异**：跳过 纯 AI 从零生成出海剧（不确定性高）；优化 把 AI 集中在译制管线；额外 按地区做面容/声音本地化的差异化版本。 ### 成片质检 QA 环 五维（一致性/穿帮/口型/时长/合规标识）+ 六大内容红线，参考平台 AI 审片标准；成片率不达标回炉。evidence: [T03-S001, T04-S005] - **资深差异**：跳过 肉眼一次过（按五维逐项查）；优化 用成片率门槛卡产能；额外 上线前再过一遍 AIGC 标识与红线。 **近期变化（工具月级 + 政策强约束）**：视频工具每 2-3 月大版本（可灵 3.0 / 即梦参考 / Vidu 多主体 / 对口型）；政策 AIGC 标识 2025-09-01 强制（2025-11 已现执法）、广电分类分层先审后播——流程被"合规前置 + 一致性工程化"重写。工具/政策层衰减最快，约每季复查。evidence: [T04-S003, T02-S001, T03-S005?] --- ## 表达 DNA **外行一眼露馅的话（outsider tells）**： - "AI 能一键生成一部短剧"（没有；要跨镜一致性工程 + 大量抽卡 + 人工串联） - "模型跑分高就能做短剧"（真指标是成片率/抽卡率，不是榜单） - "纯 AI 生成是出海最大红利"（红利在译制降本，不是从零生成） - "AI 短剧零门槛、人人当导演"（务实派直斥这是卖课话术；~90% 亏损） - 只谈画质不提"成片率/一致性/ROI/AI 标识" （evidence: [T06-S001, T02-S002, T01-S006]） **内行的反射用语 / 习惯**：开口先问"一致性怎么保？成片率多少？每镜抽几次？3 日 ROI 回正没？AI 标识打了吗？"；说"先稳静帧再驱动运动""漫剧 ROI 高""出海靠译制降本""按瓶颈选工具"。 **黑话核心**：成片率 / 抽卡率 / 首尾帧 / 图生视频 / 参考生 / 主体一致性 / 对口型 / 漫剧 / 投流 / 3 日 ROI / 充值率 / 回收 / 分账 / 单集解锁 / AIGC 标识 / 分类分层先审后播 / 恐怖谷。流派站队：纯 AI vs 混合、国内投流 vs 出海订阅、闭源 vs 开源自建。 **被拒斥的话术**："1:1 复刻五官 / 商用级稳定 / 全球首个 / 一键成剧 / 零门槛暴富"——格式与实测都说要打折。（evidence: [T02-S002, T06-S004]） --- ## 质量基准 + 反模式 ### 什么算"好"（可验证基准） - **一致性**：主角/场景跨镜不崩、不串脸、不穿帮（五维质检过）。evidence: [T03-S001] - **成片率**：每镜 ≤3 抽、商用可用率达项目门槛（即梦基准 ~95%）。evidence: [T02-S002] - **口型/译制**：配音与口型对齐（出海多语用 HeyGen 复核）。evidence: [T02-S006] - **合规**：AIGC 显式+隐式标识齐全、备案与分类分层过审、无六大红线。evidence: [T04-S003, T04-S005] - **变现**：国内 3 日 ROI 达标 / 出海订阅留存达标；选题守网文爽点。evidence: [T03-S010] ### 反模式（外行/入门常犯） 纯生成无叙事、忽视一致性硬上多主体、不算成片率账、信"1:1 复刻"营销、用 demo 冒充量产、不打 AI 标识就上线、不过广电审核就投流、把"纯生成"当出海红利、真人 AI 剧硬刚恐怖谷。evidence: [T02-S002, T04-S005, T06-S001] --- ## 智识谱系 **六轴流派分歧矩阵（本行业最有价值，framework 甜区，保留分歧不和稀泥）**： - **纯 AI 全流程 vs AI+实拍混合**：陈坤倾向"两者难融合"，混合派认"转绘恰是融合"——两种"融合"定义不同。 - **国内付费投流 vs 海外订阅出海**：买量-充值-3 日 ROI（DataEye/国内派） vs 本地化-订阅（ReelShort/贾毅）。 - **AI 漫剧 vs 真人 AI 剧**：漫剧 ROI 高、一致性可控、极度内卷 vs 真人天花板高、恐怖谷崩脸。 - **视频工具派之争**：即梦（性价比/成片率） vs 可灵（画质/一致性） vs Vidu（多主体）各有拥趸。 - **务实 vs FOMO/伪风口**：陈坤"图生视频唯一可交付、反卖课" vs 暴富神话（96% 拖欠尾款、0.12% 爆款率）。 - **闭源大模型 vs 开源自建**：可灵/即梦/Vidu 闭源 vs Wan/混元 + LoRA 自训。 evidence: [T06-S001, T01-S002, T02-S001] **figures（活着的解释者）**：陈坤（星贤文化/山海奇镜，务实派、最可蒸馏的方法论）、闫俊杰（MiniMax/海螺）、唐家渝（生数/Vidu，一致性=第一难题工具侧背书）、贾毅/南亚鹏（ReelShort，出海"本地化>投流"）、万鹏飞（可灵）。evidence: [T01-S001, T01-S002] **技术血脉**：DiT/扩散视频生成 → OpenAI Sora（标杆报告）→ 国产可灵/即梦/Vidu/海螺 追赶；"创作者视角"够用即可，底层模型非本 skill 重点。**未解核心分歧**：纯 AI vs 混合的"融合"定义、厂商一致性宣称 vs 实测、漫剧 vs 动画的边界。evidence: [T04-S002?, T02-S001] --- ## 诚实边界 - **信息截止 2026-06-04**。工具能力（每 2-3 月大版本）与政策（AIGC 标识 2025-09 强标、广电分类分层）衰减最快，约每季复查 §近期变化 + Track 02/05；叙事/变现/合规框架衰减较慢。 - **前正典(pre-canonical)领域**：行业约 2.5 年，无教科书、无大学课程、无同行评审专著（国产视频模型多为厂商公告而非论文）。本 skill 的工作流与 playbook 是从工具行为 + 政策 + 务实派方法论综合推断，不是抄某套公开标准流程。 - **一手率结构性偏低（≈50.7%）**：zh-CN 内容行业，最详尽的实操与操盘复盘大量沉淀在被排除的公众号/知乎；本 skill 用平台/工具官方、gov 政策原文、B站创作者一手、行业媒体长稿补厚，figures 偏冷（头部操盘手多匿名/化名）。 - **数字口径矛盾保留**：市场规模增速（+34.9% vs +58.97%）、红果月活（1.5 亿 vs 3 亿）、付费率（国内 ~10% vs 北美 ~50%）、分类分层投资额阈值（100万/30万 vs 300万）——均标口径、不混用，以 gov 原文为准。 - **不存在中立的第三方保真/成片率 benchmark**：成片率、一致性数字多为厂商或行业稿转引（medium-confidence），请用自己的素材小批实测。 - **营销话术需打折**："1:1 复刻 / 商用级稳定 / 全球首个 / 一键成剧"按实际成片率打折。 - **本 skill 不替代实操手感**：抽卡、提示词、选题爽点是练出来的；本 OS 给镜片与 playbook，不是逐条成片保证。 --- ## Time-decay Registry This skill's modules decay at different speeds. Re-run `update 大师 {slug}` when the dates below cross the recommended cadence (see references/extraction-framework.md § 八). | Module | last_updated | decay_risk | Recommended refresh cadence | |--------|-------------|-----------|---------------------------| | Mental models | last_updated: 2026-06-04 | decay_risk: low | 1-2 years | | Standard playbook | last_updated: 2026-06-04 | decay_risk: low | 6-12 months | | Tool stack | last_updated: 2026-06-04 | decay_risk: high | 3-6 months | | Workflows / pipeline | last_updated: 2026-06-04 | decay_risk: high | 3-6 months | | Expression DNA | last_updated: 2026-06-04 | decay_risk: low | 6-12 months | | Sources (Track 5) | last_updated: 2026-06-04 | decay_risk: medium | 6 months | | Glossary / standards / regulations | last_updated: 2026-06-04 | decay_risk: medium | 6 months (regulations may force sooner) | | Intellectual genealogy | last_updated: 2026-06-04 | decay_risk: low | 1-2 years | | Honest boundaries | last_updated: 2026-06-04 | decay_risk: low | re-assess each refresh | last_updated values reflect the synthesis date. Individual research notes in `references/research/` may have more granular last_checked dates per item.