2026 年 7 月 31 日，字节的 Seedance 2.5 和 MiniMax 的 海螺 H3 同一天发布。这不是巧合，而是 AI 视频生产链刚好在这一天补齐了最后两块拼图：Seedance 2.5 是一台虚拟摄影机，擅长长镜头叙事和前期拍摄；H3 是一间后期机房，擅长视频编辑、角色替换、花字包装和原生音效。两者配合，再加上写剧本的大模型和剪映，一个人从零做出 1-3 分钟的成片，流程已经压缩到 2-3 小时。
这篇教程按"开机前 → 拍摄 → 后期 → 成片"的真实顺序写，每一步都给出可直接照抄的提示词和参数，零基础可以跟着做完整条流水线。
0. 先认清工具：谁负责什么
AI 短剧最大的坑，是用一个工具硬扛所有环节。先记住这张分工表：
| 环节 | 工具 | 干什么 |
|---|---|---|
| 剧本 + 分镜表 | DeepSeek / 豆包（文本模型） | 出角色设定和分镜脚本 |
| 角色定妆照 | Seedream 5.0 Pro / 即梦图片 5.0 / 海螺 image-01 | 生成并锁定角色"母图" |
| 正片拍摄 | 即梦 Seedance 2.5 | 长镜头叙事、角色一致、运镜可控 |
| 后期包装 / 补镜 | 海螺 MiniMax H3 | 换脸换装换背景、花字特效、动作迁移、原生音效 |
| 配音配乐 | MiniMax speech-2.8-hd / Music 2.6、剪映 | 对白旁白、BGM |
| 剪辑成片 | 剪映 | 拼接、字幕、调色、节奏 |
两个主力模型的规格对比如下（数据为 2026 年 9 月官方口径，以平台实时价格为准）：
| 规格 | Seedance 2.5 | MiniMax H3 |
|---|---|---|
| 定位 | 前期拍摄、长镜头叙事 | 后期编辑、视觉包装、广告动效 |
| 单段时长 | 4-30 秒原生直出，可延长至最长 3 分钟 | 5-15 秒 |
| 最高分辨率 | 1080p（480p/720p/1080p） | 2K（1440p），24fps |
| 参考素材 | 最多 50 个（30 图 / 10 视频 / 10 音频） | 最多 12 个（9 图 / 3 视频 / 3 音频） |
| 声音 | 支持原生出声、音色参考 | 原生双声道立体声（环境音/音效/对白同步出） |
| 独门能力 | 时间戳分段控制、长镜头一致性、白模/绿幕接入、Maya/Blender 插件 | 视频编辑（ Artificial Analysis 编辑榜第一梯队）、文字/品牌元素跨帧不失真、动作迁移 |
| 入口 | 即梦 jimeng.jianying.com、豆包专业版、火山方舟 | 海螺 hailuoai.com、海螺 App、API |
| 参考价格 | 1080p 约 2.7 元/秒、720p 约 1.7 元/秒、480p 约 0.7 元/秒（折扣口径） | 2K 约 0.8 元/秒、768p 约 0.5 元/秒；网页端约 12 贝壳/秒，一条 15 秒 2K 约 10 元 |
补充一句开源党关心的：H3 的核心生成模块 H3-Base（33B）已在魔搭开源，本地 8G 显存可入门，但本地上限是 768p / 15 秒，2K 重生成和多模态理解模块仍需走官方 API。新手不用折腾本地，网页端足够。
省钱第一铁律：全程先用最低分辨率（Seedance 480p / H3 768p）"抽卡"定镜头，等整条片子的镜头都选定了，再只对终选镜头出 1080p / 2K 高清。一部 1-3 分钟的短剧，抽卡阶段成本通常几十元就能打住。
1. 第一步：写剧本和分镜表（约 15 分钟）
打开 DeepSeek 或豆包，不要只说"帮我写个职场反转短剧"，出来的东西没法落地。用下面这个五层提示词模板，直接改括号内容：
你是一名专业短剧编剧，擅长【职场轻喜剧/甜宠/悬疑反转】，熟悉抖音、快手、红果短剧的快节奏叙事。
请创作一部【1-3】分钟的竖屏微短剧《【片名】》，故事框架：【一句话梗概，如：实习生被组长抢方案，会议上反手拿出证据反转】。
角色设定必须具体到可用于 AI 生图：
- 女主 林悦：24岁职场新人，干练黑色短发，银色细框眼镜，白色衬衫+高腰西裤，五官清秀有灵气
- 反派 张组长：40岁，地中海发型，深蓝色西装，表情油腻
（每个角色都要写清：年龄、发型、五官、标志性服饰、配饰）
输出两份 Markdown 表格：
1. 角色设定表（角色名/年龄/发型/五官/服装/标志特征）
2. 分镜脚本表，表头：镜号 | 景别 | 画面详细描述 | 对白/旁白 | 时长(秒) | 运镜 | 音效
要求：
- 共 12-15 个镜头，每镜 3-5 秒
- 开头 3 秒必须有钩子（冲突/悬念/反常画面）
- 画面描述写动作和情绪，如"林悦抬头望向张组长，眼神从紧张转为坚定"，不要只写"两人对话"
- 对白简短，每句不超过 15 字
- 景别在远景（建场）、中景（叙事）、特写（情绪）之间切换
拿到分镜表后人工过一遍：人设描述里的发型、服饰、标志特征（银色细框眼镜这种）就是后面所有镜头的"一致性锚点"，一个字都别省。
2. 第二步：拍"定妆照"——角色一致性的根（约 20 分钟）
90% 的"换镜头就换脸"，病根在这一步偷懒。
- 打开即梦 → 图片生成 → 选 Seedream 5.0 Pro（或图片 5.0）；
- 把角色设定表里的描述逐字输入，例如：
24岁中国女性，干练黑色短发，银色细框眼镜，白色衬衫高腰西裤，正面半身像，纯色浅灰背景，柔和均匀光线，高清写真质感； - 每个角色生成 20-30 张，从中选出 1 张最满意的作为"唯一母图"——选定之后不替换、不重抽、不改外观（即梦不支持中途换图锁定，母图选错整集重来）；
- 进阶做法：给主角再生成一套五视图档案——正脸特写、正脸半身、45 度侧脸、90 度侧脸、背面，存进一个角色文件夹。后面拍侧脸、背影镜头时喂对应角度，AI 就不会"自由发挥"；
- 关键道具（定情信物、工牌、那封被抢的方案文件）和主场景（办公室、会议室）也各出 1-2 张参考图存档。
母图的选择标准：正面、光线均匀无逆光、背景干净、五官清晰无遮挡。
3. 第三步：用 Seedance 2.5 拍正片（约 60 分钟，核心环节）
3.1 建任务
即梦网页端 → 视频生成 → 模型选 Seedance 2.5 → 竖屏短剧选 9:16（横屏选 16:9）→ 新手单段时长先设 5-8 秒。
3.2 喂参考素材（用掉 50 个素材额度）
点"添加参考"，按角色和场景上传，并用 @image1、@video1、@audio1 在提示词里标注每份素材的用途：
@image1：女主母图（多个角色就 image1、image2 分别传）@image3：场景参考图（办公室）@video1：动作/运镜参考片段（可选，比如你想要某个特定的走位）@audio1：女主音色样本（可选，10-15 秒干净人声）
3.3 官方提示词公式（照这个结构写）
完整提示词 = [素材说明] + [一句话概括] + [时间戳分段的具体情节] + [全局补充]
可直接改的短剧镜头模板：
@image1 为女主林悦，@image2 为张组长，@image3 为会议室场景。
职场现实主义风格，电影感自然光，9:16 竖屏。
会议室里，林悦坐在长桌末端，张组长站在投影屏前抢占她的方案功劳。
0s-2s：中景，张组长指着投影屏侃侃而谈，表情得意，镜头缓慢推近
2s-4s：特写切林悦的脸，她垂眼，手指攥紧笔，眼神从紧张转为坚定
4s-6s：林悦猛地抬头看向张组长，嘴角微微上扬，镜头快速推到眼部特写
全局：人物面容、发型、服装与 @image1 @image2 严格保持一致；
林悦全程银色细框眼镜、白衬衫；不要新增人物；手部动作自然，不要多指。
一条铁律：喂了参考图之后，提示词里只写动作、表情、场景、运镜，不要再重复外貌描述（不要再写"黑短发、银框眼镜"）。重复描述会和参考图打架，反而导致五官轻微位移。
3.4 锁角色
- 开启"角色参考/智能参考"，参考强度设在 0.7-0.8：低于 0.7 锁不住脸型，高于 0.8 画面僵硬；
- 多角色同框时，每个角色用各自的母图独立标注，防止"串脸"。
3.5 镜头衔接：首尾帧接力
每个镜头生成后，截取它的最后一帧，作为下一个镜头的"首帧图"上传，提示词只写下一段的新动作。这样下一段的起始画面和上一段的结尾严格对齐，能压掉 90% 的转身、低头、侧脸崩坏。
长镜头另一种做法：用 Extend Video（延长视频）——选中已生成视频点延长，每次加 4-30 秒，提示词只描述新增部分，最长可拼到 3 分钟。
3.6 抽卡纪律（决定成片率的关键）
- 每个镜头生成 3-5 条选 1 条，不要一条过；
- 每生成 5 个镜头就强制回看校验：发色、眼睛、眼镜、服装、身形对不对，发现异常立即单镜重生，千万别抱着"后面再说"的心理批量往后跑——越往后返工成本越高；
- 抽卡阶段一律用 480p/720p，选定后再出高清。
4. 第四步：用 MiniMax H3 做后期和补救（约 30 分钟）
Seedance 拍完的素材，遇到以下情况不要重抽，交给 H3：
4.1 H3 最拿手的五件事
入口：hailuoai.com → 选择 H3 模型，支持自然语言指令编辑，一次请求最多传 12 个素材（9 图 / 3 视频 / 3 音频）。
- 替换角色/服装/背景：上传视频后直接下指令——
把 @video1 中男主的外套换成黑色皮衣，背景换成雨夜霓虹灯街道，人物动作不变； - 花字与视觉包装（H3 的招牌，视频编辑榜第一梯队）——
为视频添加综艺感花字标题"提案反转"，文字随林悦抬头的动作弹出，配色与职场风格统一，文字清晰不变形。短剧的片头字、关键反转处的弹幕式花字、品牌道具特写，都能让成片质感上一个档； - 动作迁移：
人物参考 @image1，让她表演 @video1 中的街舞动作——舞蹈、打斗、复杂运镜不用在提示词里硬描述； - 白模/绿幕上色、实拍加特效：前期用 Blender 出白模或绿幕拍素材，H3 直接上色加特效，打通实拍和生成；
- 原生双声道：H3 每次生成自带环境音、音效甚至同步对白的立体声轨。空镜、氛围镜头可以直接用它的原生声音；但人物对白仍建议后期单独配音，中文口型和情绪可控性更高。
4.2 救场三板斧（两款工具通用）
- 脸崩了但身体动作对：留底板，用 H3 的"替换角色"指令把脸修回来，或用换脸工具把母图人脸映射回去——物理锁脸比任何提示词都管用；
- 只有尾帧崩：截下没崩的最后一帧，用首尾帧接力重生成后半段；
- 轻微面部闪烁：剪映里用叠化/淡入淡出转场掩盖，或把该镜头裁成近景/中景用。
4.3 终出高清
所有镜头定稿后，需要 2K 的关键镜头（特写、反转镜头）用 H3 出 2K（约 0.8 元/秒），叙事中景用 Seedance 1080p 即可。
5. 第五步：配音、音效、剪辑成片（约 20 分钟）
- 配音：对白用 MiniMax speech-2.8-hd（多音色、带情绪）或剪映自带朗读，按角色选不同音色；旁白一句一录，方便对节奏；
- BGM：MiniMax Music 2.6（约 1 元/首，可给风格描述）或剪映曲库，注意情绪转折处换音乐；
- 剪映拼接：
- 先用"智能字幕"识别对白，字幕字号占手机屏宽 5%-8%，白底黑边或黄底黑边，小图状态也要看得清；
- 前 3 秒放最强冲突画面当钩子；
- 全片套同一个滤镜/LUT——色调统一比单镜调得多好看更重要；
- 镜头之间硬切为主，转场用叠化遮瑕疵；
- 封面单独做：用最有张力的一帧 + 大字标题。
6. 常见翻车排查表
| 问题 | 原因 | 解法 |
|---|---|---|
| 换镜头就变脸 | 没有母图，或提示词重复外貌描述 | 定妆照锁定唯一母图；提示词只写动作 |
| 侧脸/背影崩 | 只喂了正脸 | 补五视图档案，侧脸镜头喂侧脸图 |
| 多角色串脸 | 同框未分别标注 | 每角色独立母图 + @image 分别引用 |
| 多长出手指/肢体鬼畜 | 动作超出单镜边界 | 单镜动作拆小；首尾帧接力；异常帧立刻重生 |
| 服装变色 | 跨镜头参数不统一 | 全局补充里锁服装；或 H3 替换服装修回 |
| 口型对不上 | 用了模型原生对白 | 人物对白一律后期配音 |
| 花字/文字乱码 | 用了不擅长文字的模型 | 文字包装交给 H3 |
| 场景光影跳变 | 各镜独立生成无统一锚点 | 场景参考图全片复用；时间戳里固定光线描述 |
| 越做越贵 | 直接高清抽卡 | 低清抽卡、定稿再出高清 |
7. 开工前 Checklist
- 分镜脚本表（12-15 镜，含景别/运镜/时长）
- 每个角色 1 张唯一母图（主角备五视图）
- 关键道具、主场景参考图
- Seedance：参考强度 0.7-0.8、提示词用时间戳公式、不重复外貌
- 每镜 3-5 条抽卡、每 5 镜校验一次、首尾帧接力
- 崩脸交给 H3 替换、花字包装交给 H3
- 终选镜头才出 1080p/2K
- 后期配音、智能字幕、全片统一色调、前 3 秒钩子
按这条流水线走，第一部片子可能要花半天，第二部开始就能稳定在 2-3 小时。工具迭代很快（版本号和积分规则会变），但"母图锁角色、分镜控节奏、低清抽卡高清出片、拍摄和后期分开"这四个原则不会变。
参考链接
- 即梦 AI（Seedance 2.5 官方入口）：https://jimeng.jianying.com
- 海螺 AI（MiniMax H3 官方入口）：https://hailuoai.com
- MiniMax 开放平台 H3 文档：https://platform.minimaxi.com/docs/guides/video-generation
- 火山方舟（Seedance / Seedream API）：https://console.volcengine.com/ark
- Seedance 2.5 官方用户手册（提示词公式与 Extend/Edit 说明）