实测开源 skills！丢一本西游记，AI 全自动产出短剧成片

前几天刷推看到一个开源项目——有人做了一套 AI 短剧的完整流水线。丢一本小说进去，能一路跑到分镜和视频生成。

我拿西游记前 7 回试了一下，跑出来的东西超出预期。

10 个角色的完整设定卡（带形象图）、6 集大纲、15 场剧本、分镜提示词，最后用 MiniMax H3 生成了一段 30 秒的视频。整条链路从 txt 到视频，中间没有手动写一个提示词。

01

做 AI 短剧的第一步不是生视频

THE REAL FIRST STEP

这段时间 MiniMax H3 本地能跑了，好多人觉得 AI 短剧的门槛塌了。

我也这么想过。但真去做的时候发现一个问题——角色不固定，后面每一步都会跑偏。你第一段生成的孙悟空是金毛，第二段就变黑毛了。场景也是，前一秒天宫像欧式城堡，后一秒变回中式宫殿。

在生视频之前，先把角色、场景、剧本、分镜全部固定下来。

我决定跑一遍看看。

02

这套工具长什么样

THE TOOLCHAIN

6 个 Skill，一条流水线：

小说原文 → 改编大纲 → 角色设定 / 场景清单 / 剧本 → 分镜 → 视频生成

每一步都有脚本做质量检查——不是靠 AI "自觉"，而是代码硬卡。比如角色不能超过上限、爽点间隔不能太长、台词单句不能超过 35 个字。

安装很简单，git clone 下来跑个脚本就行。Claude Code 和 Codex 都能跑，用你自己的订阅额度，不用额外配 API key。

03

我拿西游记试了什么

TESTING WITH JOURNEY TO THE WEST

选了前 7 回——大闹天宫篇。角色多、关系复杂、视觉冲击强，适合测试。

第一步：拆角色

4.4 万字丢进去，AI 扫出来 26 个角色，自动合并了不同称呼（"美猴王""齐天大圣""弼马温"都归到孙悟空）。我选了前 10 个做完整设定——每个角色包含人物画像、形象提示词、音色提示词、性格分析。

生成的角色图挺有意思。孙悟空是金毛、火眼、紫金凤翅冠，跟原著描写对得上。

▼ 生成的 10 位角色设定图（左右滑动查看）

孙悟空

观音菩萨

菩提祖师

二郎神

哪吒

玉皇大帝

太白金星

李天王

太上老君

东海龙王

第二步：写大纲

设定 6 集、每集 3 分钟、神话题材。AI 自动砍线、合人、排爽点。有 13 道质量门卡着——比如爽点间隔不能超过 3 集、第 1 集必须有钩子、大爆点不能压在最后一集。

看这张爽点时间轴。每集的高潮点分布得很均匀，不是所有爆点都堆在最后一集。第 1 集就有"发现水帘洞"和"拜师学艺"两个钩子，第 4 集放了"偷吃蟠桃"的大爆点。

每集有概要、悬念、钩子。第 6 集的悬念是"被压五行山后能否等来解救"——为续集留口。

这张是 AI 做的改编决策记录。它主动砍掉了一些支线（比如龙王送兵器的细节），合并了"弼马温"和"齐天大圣"两段为一集，理由是"节奏更紧凑"。

调度矩阵能一眼看出谁在哪集出场。孙悟空全程在线，菩提祖师只出现在第 2-3 集，太上老君集中在第 5 集。

13 道质量门全绿通过。这不是 AI 自己说"我检查了没问题"——是跑了一个独立的 Node 脚本去验证 JSON 结构、爽点间距、角色引用完整性等硬指标。

第三步：写剧本

6 集、15 个场次、63 句台词。每集时长按语速自动折算（中文按 4 字/秒），台词按角色聚合后直接能对接 TTS。

单句台词卡在 35 个字以内——给配音用的，太长一口气读不完会断气。

看这个场次列表。每集里谁在什么场景说了什么话，一目了然。动作描写穿插在台词之间，不是干巴巴的"孙悟空说"。

注意台词右边的情绪标注（mood）。这个参数是给 TTS 引擎用的——不是平读，是带感情的。"愤怒""得意""恐惧"直接控制语气。

时长精确到秒。每集目标 60 秒，实际跑出来 50-58 秒，在容差范围内。

质量门全绿。台词长度、场景引用、角色 ID 匹配——又是一个独立脚本硬验的。

第四步：切分镜

第 1 集切成 5 个段、15 个分镜，每段自带 MiniMax H3 的视频提示词。这些提示词不是我写的，是 Skill 根据剧本和角色设定自动生成的。

每段有一张关键帧图片（用 gpt-image-2 生成），作为视频生成的首帧参考。

第五步：生成视频

拿分镜提示词调 MiniMax H3 的 API，用上一段的尾帧当下一段的首帧，保证视觉连贯。最后 5 段拼成 30 秒的完整片段，再用 ChatCut 加上配乐和音效。

04

踩到的坑

PITFALLS

角色图是用 Claude Code 调 API 生成的，但直接传给 MiniMax H3 的视频 API 会报错——图太大（2MB+），压缩到 200KB 以下才行。

哪吒的图生成失败了一次——提示词里有 "child warrior"，触发了内容审核。改成 "youthful celestial deity" 就过了。

分镜之间的连贯性是最大的问题。如果每段独立生成，角色长相和场景风格会跳变。解决方案是串行生成——每段用上一段的最后一帧当首帧。代价是不能并行，5 段要等 20 分钟。

05

我的判断

MY THOUGHTS

这套工具解决的核心问题是：在生视频之前，先把创作决策固定下来。

角色长什么样、场景什么氛围、台词怎么说、镜头怎么切——这些不应该在生视频的时候才临时决定。固定了这些，后面换任何视频模型都能保持一致。

AI 短剧不是一个工具的事，是一条工作流。这套 Skill 把工作流的每个环节都拆成了可检查、可重复的步骤。

如果你手上有一本想改编的小说，这套东西值得试试。clone 下来装好 Skill，丢一个 txt 进去就能跑。