2026 年一个被广泛引用的行业测算是：剧本质量对 AI 短剧成败的影响权重约 67%，画质占 18%，音效占 15%。这个比例解释了你刷到的绝大多数失败作品——工具人手一份，画面都不差，死全死在故事上。第 1 篇说 0.6% 的爆率，第 2 篇说工具是公开采购品；把三句话连起来就是这个赛道的唯一优先级：选题 > 剧本 > 制作。本篇是全系列最重的一篇，讲透前两样：结构公式、LLM 工作流，以及那张连接文字与画面的分镜表。
90 秒的节拍图：结构不是灵感，是工程
先看生死线数据：38.6% 的观众在 3 秒内划走，而留存超过 5 秒的内容完播概率提升 4.2 倍（抖音快手 500 部爆款拆解数据）。所以竖屏短剧的单集结构已经被压缩成一张精确的节拍图——它不是创作建议，是平台算法识别“高潜力内容”的信号簇：
- 0–3 秒：硬钩子。 高冲突台词或反常画面，零铺垫。“你爸的车祸，是他策划的”——第一句话就扔炸弹。五种被反复验证的钩子模板：冲突式（直接展示吵架瞬间）、悬念式（“这个女人死了三次……第三次你绝对猜不到”）、反差式（“上一秒被全家欺负，下一秒亮出身份”）、极限式（“最后 10 秒神反转”）、共鸣式（“你有没有被最亲近的人背叛过”）。
- 4–10 秒：身份/关系颠覆——78% 的爆款在前 8 秒完成“人物关系 + 核心冲突”的双交代。
- 11–15 秒：埋悬念。16–30 秒：障碍出现。31–45 秒：情感对抗。46–60 秒：转折契机。 期间每 15–20 秒必须落一个小钩子——这是防观众走神的最小刺激密度。
- 最后 3–10 秒：在最高点切断。 追更和关注都是在这里赚到的。
系列层面同样有结构：每 3–5 集一个小高潮，每 10 集一个大反转，每集结尾必留钩子。两条铁律写在图上：反转必须有前文暗示，禁止机械降神（天降贵人、突然开挂是评论区处刑最快的写法）；每集场景 ≤2 个、全系列 ≤3 个——场景就是你的渲染预算，这条规则同时约束剧本和成本。
选题与人设：入池之前定生死
结构是骨架，选题是入场券。平台短剧库的爆款高度集中在几个“情绪刚需坐标”里：职场打脸、豪门真假千金、重生救赎、逆袭复仇——它们不是题材，是可被算法识别的情绪合约：观众点开之前就知道自己会得到什么情绪。新手最常见的错误是写“自己想写的故事”，而选题的正确问法是“哪个情绪坐标我能提供新变体”。
人设的合格线是前三秒完成三重暴露：身份 + 缺陷 + 欲望。“被退婚的医学生（身份），手抖但记性超群（缺陷），想夺回实验室主导权（欲望）”——这是算法识别角色辨识度的关键信号，也是观众决定追不追的全部依据。反派设计同样有公式：极致恶行 + 阶段性胜利（制造焦虑缺口），观众对“反派速死”的期待就是下一集的完播率。
LLM 工作流：级联生成，两道人工闸门
剧本层的人机分工，行业里已收敛到一个稳定比例：AI 承担约 70% 的结构化劳动，人做 30% 的创造性校准。把工作流画出来，是一条级联管道加两道人工闸门：
- 一句话创意 → 系列大纲：给 LLM 题材、情绪坐标、集数（8–16 集），生成全剧大纲。
- 闸门 1（人工）：砍掉弱集、重排高潮位置。先把前 3–5 集大纲亲手写一遍再找 AI 扩写——审美是在这道闸门练出来的，不是下载来的。
- 大纲 → 分集节拍 → 分场景脚本：逐集展开，每集 8–15 个场景。
- 闸门 2（人工）：校验伏笔回收、跨场逻辑、术语准确性——LLM 最擅长前两句对话，最容易在第 12 集忘掉第 3 集的伏笔。
- QA 环：用另一个 LLM 给剧本打分（连贯性、角色漂移、节奏），低分回流重生成，绝不带病进分镜。
分镜表：写给机器看的脚本
传统剧本是写给人读的，AI 管线的分镜表是写给机器执行的——这是 AI 漫剧剧本与真人短剧剧本的本质区别。它的最小单元是一行结构化记录，行业普遍用 JSON 或表格（Excel/飞书）管理：
{
"scene_id": 7,
"shot_size": "close-up",
"camera": "slow push-in",
"location": "hospital corridor, night, flickering light",
"characters": ["Lin (ref: char_sheet_v3)"],
"action": "Lin grips the diagnosis, knuckles white",
"dialogue": "Save him. Whatever it costs.",
"emotion": "suppressed panic",
"duration": 3,
"style_anchor": "guofeng-ink, muted palette, film grain",
"av_sync": "heart monitor beep stops exactly on the line"
}字段分两组。经典字段：镜号、景别（远/全/中/近/特写）、运镜（推/拉/摇/移）、动作、台词、情绪、时长（单镜头 2–4 秒，一分钟约 20 个分镜）。AI 专属字段：参考图 ID（这镜用哪张角色设定图）、风格锚点（所有提示词头部绑死同一段风格前缀，禁止中途换模型或调权重）、音画同步提示、以及人体结构多发区的负向约束。
三条执行军规：每格画面只承载一个叙事单元（信息多的场景拆成连续帧，别塞）；主提示词 + 变量槽位（只替换动作/表情/景别，其余逐字复用——机械才一致）；合格标准是“下游无需追问”——如果出图模型需要猜，这一行就没写完。让 LLM 固定输出 JSON 还有一个工程红利：下游解析、批量生成、自动校验全都成立，这是从“做一集”到“做一百集”的分水岭。
行动清单，以及第 4 篇
- 拉片练节拍：找 3 部破亿 AI 漫剧的第一集，用秒表标出它们的九个节拍点。你会发现公式存在但参数各异——记住差异，那才是各家编剧的真实功夫。
- 跑通级联：用本篇的工作流生成一个 8 集大纲（题材任选），亲手改一遍，再展开第 1 集为 JSON 分场景脚本。目标不是好，是走完闸门 1 和闸门 2。
- 建分镜表模板：在 Excel 或飞书里建一张表，列齐经典字段 + AI 专属字段，把第 2 步的第 1 集填进去。这张表会贯穿你的整个连载期。
第 4 篇进入画面生产，也是整条管线技术上最难的一环：角色一致性。Character Bible 怎么写、参考图锁定（Reference Lock）的各模型接口、LoRA 微调值不值得、以及 5–10% 崩坏率下的抽卡预算与兜底剪辑术。