
网上到处都在传,靠几个软件做 AI 短剧,一个人几天就能搞定一部,成本只要几百块,上线就能月入十万甚至上百万。
这个说法基本是假象。 真实情况是,行业里超过 90% 的跟风团队和个人根本不赚钱,甚至连买显卡和买算力点数的钱都收不回。根据 DataEye 以及多家行业机构在 2024 至 2025 年的跟踪统计,纯靠内容分账实现净盈利的 AI 短剧项目,实际占比只有 3% 到 5%。
如果你正准备掏钱买课,或者打算全职投入做 AI 短剧,先看完下面这套账本和真实制作流程。
制作成本确实降了,但钱被谁赚走了?
传统一部 80 到 100 集的真人微短剧,拍摄成本通常在 30 万到 80 万元 之间。演员片酬、场地租金、摄制组劳务费和后期制作是大头。
AI 的确把纯制作成本压低了。如果做一部 60 到 80 集的 AI 漫剧或者写实类短剧,不需要请演员,也不用租场地,纯制作投入能压缩到 3 万到 10 万元 左右。单从制作端看,成本确实砍掉了 70% 到 90%。
但是,成本降了不代表你能赚到钱。短剧生意的核心不是制作,而是 投流买量。
短剧的收入结构里,投流成本通常占到总消耗流水(充值金额)的 80% 到 85%。也就是说,观众充值了 100 万元,其中 80 万到 85 万元直接付给了平台作为买量广告费。剩下的 15 到 20 万元毛利,由出品方、制作方和平台分成。如果投流回报率(ROI)达不到 1.1 到 1.2 的保本线,这部剧上线第一天就会直接停投,前期投入的制作费全部打水漂。
平台和流量广告渠道分走了绝大部分利润,头部极少数公司依靠工业化规模跑通了模型,而分散的小团队往往沦为了给算力平台和广告系统交过路费的“数字民工”。
行业真实的制作成本到底是多少?
很多人以为 AI 视频就是敲几句提示词,电脑自动出片。这是完全不了解制作流程的臆想。AI 短剧制作中最大的隐性支出是 抽卡废片率 和 人力时间成本。
目前没有哪个视频模型能保证一次性生成完全符合剧情、动作准确且人物不崩坏的镜头。在实际操作中,为了得到一个满意的 3 秒镜头,平均需要反复生成 3 到 5 次,遇到复杂的运镜和互动动作,废片率甚至超过 80%。每一次生成都在消耗真金白银的算力积分。
下表整理了目前行业内三种主流制作模式的真实成本与周期对照:
| 模式类型 | 单部集数与时长 | 软硬件与算力成本 | 人工与外包成本 | 总制作成本区间 | 制作周期 | 核心痛点与风险 |
|---|---|---|---|---|---|---|
| 单兵作战(AI漫画/动态漫) | 60-80集 (每集1分钟) | 1,500 – 4,000 元 (绘图与视频会员) | 个人全职投入 (折合人力约5,000元) | 6,000 – 15,000 元 | 15 – 25 天 | 画面动态弱,主要靠旁白和音效支撑,付费转化率偏低 |
| 小团队写实 AI 短剧 | 60-80集 (每集1-1.5分钟) | 10,000 – 25,000 元 (高级算力与API调用) | 30,000 – 60,000 元 (编剧+原画+后期+修手) | 45,000 – 90,000 元 | 20 – 35 天 | 人物一致性难保持,肢体大动作容易畸变,修穿模耗费工时 |
| 传统实拍真人短剧 (对照组) | 80-100集 (每集1-2分钟) | 场地器材约 80,000 – 150,000 元 | 250,000 – 600,000 元 (导演组+演员+服化道+宣发) | 350,000 – 800,000 元 | 7天拍摄 + 15天后期 | 资金占用大,线下摄制风险高,政策与演员塌房风险 |
从数据可以看出,哪怕是用 AI 做相对精细的写实剧,一部成本也奔着 5 万到 10 万元去了。这笔钱里,人力工时占了 60% 以上。修手指、修复画面穿模、调整口型、重新对轨剪辑,全是硬体力活。
主流 AI 工具选型与参数对比
要在保证画质的前提下控制成本,必须精准搭配工具链。以下是目前制作团队常用的工具评估:
| 环节 | 主流工具 | 核心优点 | 关键限制 | 单月/单部预估成本 | 推荐使用建议 |
|---|---|---|---|---|---|
| 角色与场景分镜 | Midjourney / Stable Diffusion / Flux | 画面质感好,细节丰富,风格可塑性强 | 多角度人物一致性较差,需要搭配 LoRA 训练 | 200 – 600 元/月 | 先用三视图固定人物特征,再批量跑场景图 |
| 视频动作生成 | 可灵 (Kling) / 即梦 / 智谱清影 | 支持图生视频,首尾帧控制能力相对稳定 | 物理规律容易失真,大幅度打斗画面容易变形 | 1,000 – 3,500 元/部 (折算积分消耗) | 镜头控制在 3-5 秒以内,以微表情和镜头推拉为主 |
| 语音配音 | ElevenLabs / GPT-SoVITS | 情绪饱满,音色自然,支持克隆特定音色 | 多人对话需分段生成,情绪爆发点容易出现机械音 | 150 – 500 元/部 | 旁白优先使用成熟声线,主角台词单独精调重采样 |
| 口型同步 | LivePortrait / SadTalker | 免费开源,能对准绝大多数普通对话口型 | 侧脸角度识别率低,牙齿和舌部容易模糊 | 本地部署免费 (需要一张RTX 4090及以上显卡) | 尽量避免特写大正脸长时间说话,多用切镜带过 |
规范的标准化制作流程
如果你想自己动手跑通一部片子,不要上来就乱点生成。必须严格按照步骤推进:
第一步:剧本拆解与资产固化
先做剧本结构化拆解,把文本细化为一个个分镜台账。给每个核心角色生成标准三视图(正面、侧面、半身),并确定服装、发型与饰品参数。把这些画面保存为基准垫图,确保后续分镜角色不“换脸”。
第二步:分镜静态图批量产出
先做全剧静态分镜,而不是直接做视频。用固定好的提示词和垫图,生成每个镜头的起始帧图片。如果发现手指畸变、物体穿模,先在 Photoshop 里手动修好静态图,再送入视频生成工具。在静态阶段修图的成本,远低于在动态视频里重跑的成本。
第三步:分段视频轻量生成
把静态图导入视频模型。参数设置上,单段视频长度建议设为 3 秒到 5 秒。运动幅度参数(Motion)尽量设在中低档位(例如 3 到 5 之间),避免画面剧烈扭曲。镜头主要设计为推镜头、拉镜头、横移或人物眨眼转头等微动作。
第四步:声音生成与口型匹配
导出分镜头无声视频,导入配音软件。生成台词音频时,每句台词都要试听情绪断句。将音频和对应的人物面部镜头丢进口型同步工具,输出嘴型对齐的视频片段。
第五步:剪辑拼接与音效铺底
在剪辑软件里按分镜顺序组装。AI 视频普遍缺乏真实物理细节,必须加入密集的音效(脚步声、风声、衣服摩擦声、环境底噪)和背景音乐,依靠音画配合来掩盖画面的生硬感。最后做全片统一度盘调色。
普通创作者如何面对这个赛道?
如果你指望靠做 AI 短剧一夜暴富,最好打消这个念头。现在的短剧市场早已度过草莽期,变成了专业内容与资本买量的角力场。
但是,这不代表普通创作者完全没有机会。现实可行的路径主要有两条:
1.做制作承接方,赚确定性的服务费。很多传统影视工作室、品牌方、小说平台需要把 IP 改编成短视频进行测试,但他们缺乏熟悉 AI 工具链的技术人员。你跑通了制作流程,帮他们按集代工制作,一集收取固定制作费(例如每集 800 至 2,000 元)。放弃赌爆款分账,转为按劳取酬,风险最小。
2.深耕垂直题材小体量漫剧。避开成本极高的写实连续剧,转做规则怪谈、悬疑脑洞、历史推演等强设定漫剧。这类内容依靠脑洞剧情取胜,受众对画面逼真度宽容度高,单部制作成本能压到 1 万元以内。依靠自然流量推送和中视频分成,哪怕没有巨额投流,也能获得相对健康的现金回报。
做短剧的本质是讲故事和算账,AI 只是把铅笔换成了圆珠笔。写不出抓人的好剧本,算不清投流的账本,换什么工具都很难在市场里赚到钱。
原创文章,作者:七点互动,如若转载,请注明出处:https://ai.qidianhudong.com/aiyy/4932.html