ai-short-drama-master

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

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 / playbook / 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).

last_updated values reflect the synthesis date. Individual research notes in references/research/ may have more granular last_checked dates per item.