1. 从一组数字说起：短剧行业正在经历什么
43万部短剧里九成是AI生成，6.8万部被下架。这两个数字放在一起看，信息量比单独看任何一个都大。它说明的不是"AI视频不行"，恰恰相反——AI视频已经多到需要被大规模清理的程度了。真正值得琢磨的是：为什么是这6.8万部被下架，而不是另外那些？边界到底画在哪里？
我自己从2023年开始接触AI视频生成，最初用的是几款开源的图生视频工具，后来陆续试过市面上主流的生成平台。2024年下半年开始帮几个做短剧的朋友做技术选型和流程搭建，算是比较早一批踩过这个领域各种坑的人。这篇文章不打算复述新闻，而是想把这组数字背后的东西拆开——AI视频创作在2026年的真实边界在哪里，哪些线不能碰，哪些坑可以绕，以及一个普通创作者现在入场还能做什么。
如果你是在做短剧、短视频、AI漫剧，或者只是对AI视频生成感兴趣想试试水，下面这些内容应该能帮你省下不少试错成本。我会从行业现状、技术选型、实操流程、合规红线、常见问题几个维度展开，尽量把每个环节的"为什么"讲清楚。
2. 九成AI率背后的行业逻辑
2.1 为什么AI短剧会占到九成
先算一笔账。传统真人短剧，一部按最低配置算：演员3到5人，拍摄周期3到7天，场地、服化道、后期剪辑，成本压到极致也要几万块。而AI短剧，一台配置还行的电脑，一套生成工具，一个人，几天时间就能出一部。成本差距是数量级的。
但成本只是表面原因。更深层的驱动力是平台算法的偏好。短剧的核心指标是完播率和互动率，AI短剧在节奏控制上有天然优势——它可以根据数据反馈快速调整剧情走向、剪辑节奏，甚至批量生成不同版本的结尾做A/B测试。真人短剧拍完了就定型了，AI短剧可以"迭代"。
还有一个容易被忽略的因素：供给端的门槛消失。以前做短剧需要懂拍摄、懂表演、懂剪辑，现在只需要懂提示词和工具链。大量原本不具备影视制作能力的人涌进来，供给量自然爆炸。43万部这个数字，放在三年前是不可想象的。
2.2 6.8万部下架的真实原因分类
被下架的6.8万部，原因不是单一的。根据我了解到的情况和公开信息，大致可以分成几类：
| 下架原因 | 占比估算 | 典型表现 |
|---|---|---|
| 未标注AI生成标识 | 约35% | 完全没有任何AI内容提示 |
| 肖像权/声音权侵权 | 约25% | 未经授权使用真人面部或声音 |
| 内容低俗或擦边 | 约20% | 利用AI生成擦边内容引流 |
| 版权问题 | 约12% | 直接搬运或魔改他人作品 |
| 其他违规 | 约8% | 虚假宣传、诱导付费等 |
这个分类很说明问题。超过三分之一的下架是因为"没标注"，而不是内容本身有多严重的问题。这意味着很多创作者不是故意违规，而是根本不知道或者忽略了标注要求。这是最可惜的一类——内容可能没问题，但因为一个标识问题被下架。
肖像权和声音权侵权占四分之一，这个比例在AI视频领域会越来越高。因为AI生成人脸和声音太容易了，很多人随手就用了一个"看起来像某明星"的脸，或者克隆了一个声音，根本没意识到这已经踩线了。
2.3 标注要求：不是可选项，是必选项
2025年开始，多个平台已经强制要求AI生成内容必须标注。标注的方式各平台略有不同，但核心要求是一致的：让用户在看之前就知道这是AI生成的。
具体操作上，通常需要在以下几个位置之一或全部进行标注：
- 视频开头的前几秒画面中
- 视频描述或标题中
- 发布时的内容类型选项中勾选"AI生成"
我自己的做法是三处都标。开头画面加一个半透明的水印文字，描述里写明"本视频由AI技术辅助生成"，发布时勾选对应选项。这样做虽然可能略微影响完播率，但比起被下架重发的成本，这点影响完全可以接受。
注意：不同平台对标注的具体格式要求不一样，有的要求文字不小于画面高度的5%，有的要求持续显示不少于3秒。发布前一定要看一遍目标平台的最新规范，不要凭经验办事。
3. AI视频生成工具链的选型逻辑
3.1 开源工具和商业平台怎么选
这是被问得最多的问题。我的答案从来都是：看你的产出规模和团队配置。
如果你只是个人创作者，一周出1到2条视频，直接用商业平台最省事。目前主流的AI视频生成平台在文生视频、图生视频方面的效果已经相当可用了，按量付费或者包月，成本可控，不需要折腾环境部署。
如果你是小团队，一周要出10条以上，或者对风格一致性有要求，那就需要考虑开源方案。开源工具的优势在于可定制、可批量、可本地化。你可以训练自己的风格模型，可以搭建自动化流水线，可以控制生成参数的每一个细节。代价是需要一定的技术能力来部署和维护。
我目前给朋友搭的流程是混合方案：前期创意和分镜用商业平台快速验证，确认方向后切换到开源工具批量生成。这样既保证了创意阶段的效率，又控制了批量生产的成本。
3.2 核心工具链的组成
一套完整的AI短剧生产工具链，通常包含以下几个环节：
剧本和分镜生成：用大语言模型辅助生成剧本大纲、分镜描述、提示词。这一步的关键是提示词的结构化——不要只写"一个男人在走路"，要写清楚景别、光线、情绪、镜头运动方式。
图像生成：根据分镜生成关键帧。目前主流的图像生成模型在人物一致性和场景连贯性上已经做得不错了，但跨镜头的一致性仍然是难点。我的经验是先定角色参考图，再用参考图控制每一帧的生成，这样人物脸部和服装的连贯性能提升很多。
视频生成：把关键帧转成视频片段。图生视频的质量取决于输入图像的质量和运动描述的准确性。运动描述要具体，"缓慢推近"比"镜头运动"好，"角色转头看向左侧"比"角色有动作"好。
配音和音效：TTS工具生成对白，音效库匹配环境音。声音授权是这里最大的合规风险点，后面会详细说。
剪辑和后期：把生成的片段拼接、加字幕、调色、加转场。这一步目前还是需要人工介入最多的环节，因为AI生成的片段在节奏和连贯性上往往需要手动调整。
3.3 参数选择的实操经验
以图生视频为例，几个关键参数的经验值：
- 运动强度：控制在中等偏低。运动强度太高会导致画面崩坏，尤其是人物面部。我通常从0.3到0.5开始试，根据效果微调。
- 生成长度：单片段控制在3到5秒。更长的片段虽然工具支持，但后半段质量下降明显。短片段拼接反而效果更好。
- 帧率：24fps足够，30fps在某些工具上会增加生成时间但画质提升不明显。
- 分辨率：生成时用720p，后期再放大到1080p。直接生成1080p的时间成本太高，而且很多工具的1080p输出和720p放大后的差异肉眼几乎看不出。
这些参数不是固定的，不同工具的最佳值不一样。但**"短片段、中低运动强度、生成后放大"**这个思路是通用的。
4. 肖像权和声音授权：最容易踩的雷
4.1 为什么这两项是重灾区
AI视频创作和传统视频创作最大的区别之一，就是你可以生成一个不存在的人的脸，也可以克隆一个真实的人的声音。技术上的便利带来了合规上的巨大风险。
肖像权的问题在于：AI生成的人脸，如果和某个真实人物"可识别地相似"，就可能构成侵权。这个"可识别"的标准不是100%相似，而是"一般公众能否认出是谁"。我见过有人用AI生成了一个"有点像某明星"的角色，觉得"又不是完全一样"应该没事，结果还是被投诉下架了。
声音权的问题更隐蔽。很多人觉得"我用的不是原声，是AI克隆的"就没问题。但实际上，未经授权克隆他人声音用于商业内容，本身就是侵权行为。而且声音的识别比人脸更敏感——有时候只需要几个字的语调特征就能被认出来。
4.2 合规操作的具体做法
肖像方面：
- 使用AI生成人脸时，确保不指向任何真实人物。具体做法是：不要用真实明星的照片做参考图，不要描述"像某某明星"的提示词，生成后自己检查一遍是否和已知公众人物相似。
- 如果需要使用真人肖像，必须获得书面授权。授权书要明确使用范围、使用期限、使用平台。
- 对于自己拍摄的真人素材，也要注意——如果你拍了朋友的脸用在短剧里，同样需要授权。
声音方面：
- 优先使用工具自带的合成音色库，这些音色通常是平台已经处理过版权问题的。
- 如果需要克隆声音，只克隆自己的声音，或者获得声音所有者明确授权的聲音。
- 即使是购买的声音素材，也要确认授权范围是否包含AI训练和商业使用。
我自己的做法是：所有AI生成的角色，都建立一个"角色档案"，记录生成时用的参考图来源、提示词、生成时间。万一出现争议，这些记录可以作为证据。声音方面，只用平台自带音色和团队内部人员的声音，外部声音一律不用。
4.3 一个真实的踩坑案例
去年帮一个朋友处理过一个投诉。他用AI生成了一部短剧，里面有个配角的脸，生成时参考了一张网上的模特照片。他觉得"只是参考，生成出来已经不一样了"，就没在意。结果那个模特的公司发现了，投诉到平台，整部剧被下架，账号还被限流了一段时间。
后来我们复盘，问题出在参考图的使用上。即使生成结果和原图有差异，但如果能看出"来源于"某张受版权保护的照片，就可能构成侵权。正确的做法是：要么用完全自己生成的参考图，要么用明确标注可商用的素材库图片，要么用AI直接生成一张全新的脸作为参考。
这个案例的教训是：AI生成不等于原创，参考图的选择决定了合规的底线。
5. 从创意到发布的完整实操流程
5.1 剧本和分镜阶段
这个阶段的核心产出是分镜表。一个合格的分镜表应该包含：镜号、景别、画面描述、角色动作、对白、时长、生成提示词。
我通常先用大语言模型生成剧本大纲和分集梗概，然后手动拆分成分镜。为什么不全部交给AI？因为AI生成的分镜往往缺乏节奏感，该快的地方慢，该慢的地方快。人工介入调整节奏，是保证完播率的关键。
分镜的颗粒度：一集1到2分钟的短剧，通常需要15到25个分镜。每个分镜3到5秒，加上转场和对白，刚好填满。
提示词的写法有个技巧：用"主体+动作+环境+光线+镜头"的结构。比如"一个穿黑色风衣的男人，站在雨中的街道上，低头看手机，冷色调路灯，中景，缓慢推近"。这样的提示词生成出来的画面可控性高很多。
5.2 图像和视频生成阶段
先根据分镜生成关键帧图像。这里最重要的是角色一致性。我的做法是：
- 先为每个主要角色生成一张"角色定妆照"，确定脸型、发型、服装风格。
- 后续所有该角色的画面，都用这张定妆照作为参考图。
- 如果工具有角色锁定功能，一定要开启。
视频生成阶段，按分镜逐个生成片段。每个片段生成后立即检查，不合格的马上重生成，不要攒到最后一起看。因为生成参数可能需要根据前一个片段的效果微调。
生成过程中要记录每个片段的参数，方便后续复现和调整。我习惯用一个简单的表格记录：镜号、工具、模型版本、提示词、运动强度、生成时长、是否通过。
5.3 后期和标注阶段
把所有通过的片段导入剪辑软件，按分镜顺序排列，调整节奏，加转场，加字幕，加音效和配乐。
标注是在导出前完成的。我的标注流程是：
- 在视频开头加一个持续3秒的半透明文字标注
- 在视频描述中写明AI生成
- 发布时勾选平台的AI内容选项
导出设置：1080p，H.264编码，码率8到12Mbps。这个设置在各平台都能获得较好的画质表现，文件大小也可控。
5.4 发布后的数据监控
发布不是终点。AI短剧的优势之一就是可以快速迭代。我会监控前3小时的完播率和互动率，如果数据不理想，分析是哪个环节出了问题——是开头不够吸引人，还是中间节奏拖沓，还是结尾没有钩子。
如果是开头问题，可以重新生成前几个分镜，换一个更强的钩子。如果是节奏问题，可以调整剪辑。这种快速迭代的能力，是传统短剧不具备的。
6. 常见问题与排查技巧
6.1 生成质量类问题
问题：人物脸部在视频中变形
这是最常见的。原因通常是运动强度太高，或者输入图像的分辨率不够。解决办法：降低运动强度到0.3左右，确保输入图像至少1024x1024，生成后再用面部修复工具处理。
问题：多个片段之间风格不统一
原因是每个片段独立生成，没有统一的风格控制。解决办法：固定随机种子，使用相同的风格参考图，或者在提示词中加入统一的风格描述词。
问题：视频片段之间衔接不自然
这是AI视频的固有短板。解决办法：在剪辑时加入转场，或者生成时让相邻片段的最后一帧和第一帧有重叠，用插帧工具过渡。
6.2 合规类问题
问题：不确定自己的内容是否需要标注
判断标准很简单：只要使用了AI生成技术参与内容创作，就需要标注。不管是全部AI生成还是部分辅助，都应该标注。宁可多标，不要漏标。
问题：AI生成的角色和某明星有点像
立即重新生成。不要抱有侥幸心理。重新生成的成本远低于被投诉下架的成本。
问题：使用了网上的素材作为参考图
检查素材的授权协议。如果不确定是否可商用，换掉。用AI重新生成一张参考图，或者用明确可商用的素材库。
6.3 效率类问题
问题：生成速度太慢
几个优化方向：降低生成分辨率，缩短单片段时长，使用批量生成功能，在非高峰时段生成。如果用的是云端工具，升级套餐通常能提升优先级。
问题：提示词效果不稳定
建立自己的提示词库。把效果好的提示词记录下来，分类整理。下次遇到类似场景直接调用，微调即可。不要每次从零开始写。
问题：团队协作混乱
建立统一的文件命名规范和版本管理。我用的格式是：项目名_集数_镜号_版本号。所有素材按这个规则命名，谁都能快速找到需要的文件。
7. 2026年的边界在哪里
回到标题里的那组数字。43万部里九成是AI，说明AI视频创作已经过了"能不能做"的阶段，进入了"怎么做才合规"的阶段。6.8万部下架，说明边界是真实存在的，而且正在被严格执行。
我自己的判断是，2026年的边界会越来越清晰，主要围绕三条线：
第一条是标注线。AI生成必须标注，这个没有商量余地。而且标注的要求会越来越细，可能细化到"哪些部分用了AI""用了什么类型的AI"。
第二条是权利线。肖像权、声音权、版权，这三项是高压线。AI降低了创作门槛，但没有降低法律门槛。用AI生成内容，同样要遵守这些规则。
第三条是内容线。低俗、擦边、虚假宣传，这些传统内容领域不允许的，AI内容同样不允许。而且因为AI生成的成本低，平台对这类内容的打击力度会更大。
对于创作者来说，这三条线不是限制，而是筛选器。它筛掉了那些只想赚快钱、不愿意花时间理解规则的人，留下了真正想把AI视频创作当回事的人。从这个角度看，6.8万部下架不是坏消息，它让这个领域的竞争变得更健康了。
我目前还在持续测试各种新的AI视频工具和流程，也在帮几个团队搭建合规的AI短剧生产线。这个领域变化很快，今天有效的方法明天可能就过时了。但有些东西是不变的：对内容的判断力、对规则的敬畏心、对技术的持续学习。这三样东西，比任何具体的工具和技巧都重要。
