1. 背景与核心概念为什么小说改编剧本需要AI辅助在短视频和短剧内容爆发的时代将网络小说改编成“漫剧”或短剧剧本已经成为内容创作者快速获取流量的重要手段。然而许多新手甚至经验不足的创作者常常陷入一个误区直接将小说原文的对话和描述“复制粘贴”成剧本。这种做法往往导致剧情节奏拖沓、信息密度低、爽点不集中最终反映在数据上就是完播率差、用户流失快。AI漫剧/短剧剧本处理正是为了解决这一核心痛点而生的系统性方法。它并非要取代人类的创意而是作为一个强大的“副导演”和“剪辑师”帮助创作者高效地完成从原始文本到可拍摄剧本的工业化转换。其核心价值在于提升效率人工逐字逐句分析一部几十万字的小说耗时耗力。AI可以在几分钟内完成结构分析、人物关系梳理和关键情节提取。标准化流程它将模糊的“感觉节奏不对”转化为可执行的步骤如“删除冗余环境描写”、“将心理活动转化为动作或台词”。数据化决策AI可以帮助量化“爽点”密度分析情节起伏曲线让内容创作从“凭感觉”转向“有依据”。简单来说这是一个“降本增效”的过程。对于个人创作者、小型工作室乃至MCN机构掌握这套方法意味着能用更低的成本、更快的速度生产出更符合短视频平台算法推荐和用户观看习惯的优质剧本。2. 环境准备与工具说明在开始实战之前我们需要搭建一个高效的AI辅助创作环境。核心思路是利用大语言模型LLM的理解与生成能力结合专业的剧本格式工具构建一个自动化处理流水线。2.1 核心工具选择我们不依赖某个特定的、可能受限的在线平台而是采用开源、可定制、能力强大的组合方案。大语言模型LLM平台/API推荐OpenAI GPT-4/GPT-3.5-Turbo、Claude 3、国内合规的深度求索DeepSeek、智谱AIGLM等。它们提供了强大的文本理解、分析和改写能力。作用承担“智能编辑”的角色完成拆解、提取、转写等核心任务。准备你需要拥有相应平台的API Key并确保调用环境畅通。编程/自动化环境Python这是连接AI API、处理文本、实现流程自动化的最佳语言。版本建议3.8及以上。必要Python库pip install openai # 或其他对应LLM的SDK如 zhipuai, anthropic pip install pandas # 用于处理结构化的数据如人物表、情节点 pip install jieba # 中文分词用于关键词提取可选 pip install python-docx # 读写Word文档用于输出标准剧本格式可选剧本格式处理工具专业软件Final Draft, Celtx。功能强大但付费适合最终定稿和团队协作。轻量级替代我们可以用Markdown或纯文本特定标识符来模拟标准剧本格式再利用Python脚本将其转换为标准格式。这是本教程的重点。2.2 项目目录结构建立一个清晰的项目文件夹便于管理不同阶段产生的文件。ai_script_workshop/ ├── input/ │ └── raw_novel.txt # 存放原始小说文本 ├── output/ │ ├── 01_plot_points.csv # 输出情节要点 │ ├── 02_characters.json # 输出人物卡片 │ ├── 03_script_draft.md # 输出剧本草稿Markdown格式 │ └── 04_script_final.fdx # 最终剧本如导出为Final Draft格式 ├── utils/ │ ├── prompt_library.py # 存放所有AI提示词Prompt │ └── format_converter.py # 格式转换工具脚本 └── main_pipeline.py # 主处理流程脚本3. 核心流程拆解与AI提示词设计整个处理流程可以分解为五个核心环节每个环节都对应一个或多个精心设计的AI提示词Prompt。提示词的质量直接决定AI输出的效果。3.1 环节一原著结构拆解与摘要目标不要一上来就改细节。先让AI帮你读懂整部小说的骨架。输入整部或分章节的小说原文。输出故事大纲、分集/分幕结构、主要情节线。核心Prompt示例你是一位专业的影视剧本分析师。请分析以下小说文本并输出以下内容 1. **故事核心梗概**用200字概括整个故事。 2. **主要情节线**列出3-5条核心情节线如主角成长线、复仇线、感情线。 3. **分集/分幕建议**根据短视频节奏每集1-2分钟将故事初步划分为XX集。为每一集用一句话总结核心冲突或事件。 4. **关键转折点**标出故事中的激励事件、中间点、高潮、结局。 小说文本{novel_text}Python调用示例使用OpenAI APIimport openai import os openai.api_key os.getenv(OPENAI_API_KEY) def analyze_structure(novel_text): prompt f 你是一位专业的影视剧本分析师。请分析以下小说文本... 此处填入上面的完整Prompt 小说文本{novel_text} response openai.ChatCompletion.create( modelgpt-4, # 或 gpt-3.5-turbo messages[{role: user, content: prompt}], temperature0.3 # 温度调低输出更稳定、更聚焦 ) return response.choices[0].message.content # 读取小说文本 with open(./input/raw_novel.txt, r, encodingutf-8) as f: novel_content f.read() # 如果文本过长需要分段处理 analysis_result analyze_structure(novel_content[:10000]) # 示例先处理前1万字 print(analysis_result) # 将结果保存到文件 with open(./output/01_structure_analysis.txt, w, encodingutf-8) as f: f.write(analysis_result)3.2 环节二爽点/爆点提取与强化目标识别并量化小说中的情绪高点确保在剧本中保留并强化。输入单章或特定情节片段。输出爽点列表类型、位置、强度、强化建议。核心Prompt示例你是一名资深网文编辑和短视频编剧。请扫描以下文本片段找出所有可能成为“爽点”或“爆点”的情节。请按以下格式输出 - **爽点类型**如“打脸逆袭”、“实力碾压”、“暧昧互动”、“信息差反转”。 - **原文位置**指出大概在片段前/中/后部或引用关键词句。 - **情绪强度**用1-5分评分5分最高。 - **强化建议**如何将此爽点在1分钟的视频内通过台词、动作、镜头或音效最大化其冲击力 文本片段{text_chunk}3.3 环节三冗余内容识别与删减目标删除对推动剧情和塑造人物无直接帮助的“水分”。输入单章内容。输出删减后的精炼文本并附删减说明。核心Prompt示例你是一名冷酷无情的剧本医生。你的任务是将以下小说章节改编为紧凑的短视频剧本初稿。请严格执行以下操作 1. **删除冗长环境描写**只保留对剧情或氛围有决定性影响的1-2句。 2. **转化心理独白**将人物复杂的内心活动转化为一句关键台词、一个面部表情或一个动作。 3. **简化复杂对话**删除闲聊、重复确认的信息只保留体现冲突、揭示性格或推动情节的核心对话。 4. **合并次要场景**将连续发生的、节奏类似的场景进行合并。 请输出两个部分 【删减后文本】直接给出处理后的文本。 【删改清单】列出你做的每处主要删改及其理由例如“删除了约150字的风景描写因与当前冲突无关”。 原始章节{chapter_text}3.4 环节四小说语言转剧本格式目标将叙事性文本转化为标准的、可执行的剧本格式。关键剧本格式的核心是“场景标题Slugline”、“动作Action”、“人物Character”、“对话Dialogue”和“父级注释Parenthetical”。标准格式示例Markdown模拟### 场景内景 咖啡店 - 日 *【动作】林薇紧张地搅动着咖啡不时看向门口。* **王哲**推开店门张望 看到林薇快步走来 **林薇**抬头强装镇定 你来了。钱带来了吗 **王哲**坐下将一个信封推过去 这里是五十万。告诉我我弟弟在哪。转换Prompt示例你是一名专业的剧本格式员。请将以下经过删减的小说片段严格按照标准剧本格式转换。 **格式规则** 1. **场景标题**以“场景”开头格式为“[内景/外景] [地点] - [时间]”如“场景内景 总裁办公室 - 夜”。 2. **动作描写**用“*【动作】...*”包裹描述人物的行为和表情使用现在时态。 3. **人物与对话**人物名单独一行加粗如“**张三**”。对话内容在下一行。 4. **父级注释**在人物名下方用括号表示说话的语气或伴随动作如“冷笑”。 请只输出转换后的剧本内容不要额外解释。 待转换文本{cleaned_text}3.5 环节五短视频节奏把控与钩子设计目标确保每一集剧本都符合短视频的“黄金3秒”和“完播率”要求。输入单集剧本草稿。输出优化后的剧本特别标注开头和结尾。核心Prompt示例你是一名精通短视频算法的内容导演。请评估并优化以下剧本草稿的节奏特别关注开头和结尾 1. **开头前3秒**当前开头是否能立即抛出核心冲突、悬念或高能画面如果不能请提供一个更抓人的开场建议可以是动作、台词或画面。 2. **节奏密度**检查是否有超过20秒没有台词或关键动作的“空镜期”建议如何压缩或插入画外音、字幕来填补 3. **结尾钩子**当前结尾是否留有强烈的悬念、问题或反转促使观众点击下一集请强化或添加一个“钩子”。 4. **整体时长**估算当前剧本拍摄后的大致时长按1.5倍语速估算目标是控制在60-90秒。 请输出 【优化建议】针对以上4点的具体建议。 【优化后剧本】直接给出根据建议调整后的完整剧本。 剧本草稿{script_draft}4. 完整实战案例从一章小说到一集剧本让我们用一个虚构的“战神归来”类网文片段走一遍完整流程。4.1 原始输入 (input/raw_chapter.txt)第一章 王者归来 江城国际机场人流如织。林昊穿着一件洗得发白的旧军大衣背着一个简单的行军包走出了航站楼。他望着眼前这座熟悉的城市眼神深邃如海五年的戎马生涯无数次的生死边缘让他身上沉淀了一种难以言喻的沧桑与威严。他想起五年前被迫离开时家族的冷眼未婚妻的背叛以及那个雨夜他发下的誓言“等我归来一切欺我、辱我之人都将付出代价。” 手机震动是一条来自陌生号码的短信“昊哥夫人病重速回老宅——福伯。”林昊瞳孔骤缩母亲他来不及感慨身形如电瞬间消失在机场门口只留下周围行人诧异的目光。他并不知道一场针对他的更大阴谋正在老宅悄然展开...4.2 执行流程自动化脚本 (main_pipeline.py)import openai import os from utils.prompt_library import ( prompt_structure, prompt_extract_excitement, prompt_remove_redundancy, prompt_convert_format, prompt_pacing_hook ) import json # 配置API Key openai.api_key os.getenv(OPENAI_API_KEY) client openai.OpenAI() def call_ai(prompt, text, modelgpt-3.5-turbo): 调用AI的通用函数 full_prompt prompt.format(text_chunktext) # 注意替换为对应的变量名 try: response client.chat.completions.create( modelmodel, messages[{role: user, content: full_prompt}], temperature0.3, max_tokens2000 ) return response.choices[0].message.content except Exception as e: print(fAPI调用错误: {e}) return None def main(): # 1. 读取原始章节 with open(./input/raw_chapter.txt, r, encodingutf-8) as f: raw_chapter f.read() print( 步骤1结构拆解本章摘要) structure call_ai(prompt_structure, raw_chapter) print(structure) with open(./output/step1_structure.txt, w, encodingutf-8) as f: f.write(structure) print(\n 步骤2爽点提取 ) excitement call_ai(prompt_extract_excitement, raw_chapter) print(excitement) with open(./output/step2_excitement.txt, w, encodingutf-8) as f: f.write(excitement) print(\n 步骤3删除冗余 ) cleaned call_ai(prompt_remove_redundancy, raw_chapter) # 这里需要解析AI的输出分离删减后文本和清单。简单起见我们假设AI按规则输出了。 # 更健壮的做法是用分隔符如“【删减后文本】”来分割。 print(cleaned) with open(./output/step3_cleaned.txt, w, encodingutf-8) as f: f.write(cleaned) # 假设cleaned就是处理后的文本实际应用中需做文本提取。 cleaned_text cleaned.split(【删减后文本】)[-1].split(【删改清单】)[0].strip() print(\n 步骤4转换剧本格式 ) script_draft call_ai(prompt_convert_format, cleaned_text) print(script_draft) with open(./output/step4_script_draft.md, w, encodingutf-8) as f: f.write(script_draft) print(\n 步骤5节奏把控与钩子优化 ) final_script_advice call_ai(prompt_pacing_hook, script_draft) print(final_script_advice) with open(./output/step5_final_advice.txt, w, encodingutf-8) as f: f.write(final_script_advice) if __name__ __main__: main()4.3 各步骤输出结果示例步骤3输出删减后文本示例林昊走出江城机场。他眼神沧桑想起五年前的誓言让欺辱他的人付出代价。 收到福伯短信“夫人病重速回老宅” 林昊脸色一变瞬间消失。一场阴谋正在老宅等待他。删除了冗长的环境、外貌描写将心理活动简化为“想起誓言”强化了冲突的紧迫感。步骤4输出剧本格式示例### 场景外景 江城国际机场 - 日 *【动作】林昊穿着旧军大衣背着行军包走出航站楼。他望向城市眼神深邃。* *【动作】手机震动他看了一眼。* **林昊**瞳孔骤缩 母亲 *【动作】林昊身形如电瞬间消失在机场门口留下周围行人诧异的目光。* 画外音一场针对他的阴谋已在老宅展开...步骤5输出节奏优化建议示例【优化建议】 1. **开头**原开头是走出机场略显平淡。建议直接以“手机特写震动‘夫人病重’短信”作为第一镜0秒切入核心冲突。 2. **节奏**中间“望向城市”的停顿可缩短至2秒内或加入“五年前雨夜闪回”快速镜头。 3. **结尾钩子**当前画外音不错。可强化为“但他不知道老宅里等待他的不仅是病重的母亲...”悬念更强。 【优化后剧本】 略...根据建议调整后的剧本5. 常见问题与排查思路在利用AI进行剧本处理时你可能会遇到以下典型问题问题现象可能原因解决思路AI输出格式混乱不遵守指令1. Prompt指令不够清晰、具体。2. 温度temperature参数过高导致输出随机性大。3. 输入文本过长超出模型上下文窗口。1.优化Prompt使用“角色扮演”、“分步骤”、“严格格式”等技巧明确输出要求。在Prompt中给出输出示例Few-shot Learning效果极佳。2.调整参数将temperature调至0.2-0.5之间获得更稳定输出。3.分段处理将长文本按章节或固定字数分割分批处理后再合并。删减过度导致剧情不连贯AI过于机械地执行“删除”指令忽略了必要的过渡和情感铺垫。1.修改Prompt在删减指令中加入“保留必要的情绪过渡和逻辑衔接词”。2.人工复审AI处理后的文本必须经过人工审核。可以设置“删减比例”阈值如不超过原文本30%超过则人工介入。3.两轮处理第一轮粗删第二轮用另一个Prompt让AI检查并修复连贯性。转换的剧本格式不符合拍摄要求Prompt中的格式描述不够准确或AI未能理解专业术语。1.提供模板在Prompt中直接给出一个完美的格式示例让AI模仿。2.后处理脚本编写Python正则表达式或解析脚本对AI输出的文本进行二次格式化校正比如统一“场景”的写法。爽点提取不准或遗漏小说类型多样单一的Prompt可能无法覆盖所有爽点类型如甜宠文的“撒糖”和玄幻文的“突破晋级”感觉不同。1.定制化Prompt库为不同题材战神、赘婿、甜宠、悬疑准备侧重点不同的爽点提取Prompt。2.结合规则使用关键词匹配如“突破”、“碾压”、“打脸”、“亲吻”作为AI分析的补充先粗筛再精分析。API调用超时或报错网络问题、API额度用尽、请求频率过高。1.增加重试机制在代码中添加try-except和指数退避重试逻辑。2.本地模型备用对于格式转换等轻量级任务可以考虑使用开源的、可本地部署的小模型如Qwen2.5-7B-Instruct作为备选方案。6. 最佳实践与工程建议要将这套方法稳定、高效地用于生产你需要遵循以下工程化原则Prompt工程是核心资产版本化管理将调试好的Prompt保存在prompt_library.py中并添加注释说明其用途、版本和适用场景。持续迭代根据输出结果不断微调Prompt。一个技巧是让AI自己评价输出结果然后根据评价修改Prompt。模块化设计像本教程一样将大任务拆解为多个单一职责的Prompt比用一个复杂Prompt完成所有事情更可靠。人机协同AI为辅人为主明确分工AI擅长快速分析、格式转换、提供选项。人类编剧负责最终的艺术判断、情感把控和创意决策。设立审核点在“结构拆解”、“爽点提取”和“最终成稿”等关键节点必须有人工审核和干预。AI提供的是“草稿”和“建议”。保留修改痕迹使用Git等版本控制工具管理从原著到最终剧本的所有中间文件方便回溯和比较不同修改方案的优劣。构建可复用的处理流水线参数化配置将模型类型、温度、最大输出长度等参数提取为配置文件方便针对不同题材如快节奏战神文和慢热悬疑文调整参数。错误处理与日志在生产脚本中必须详细记录每一步的输入、输出和可能发生的错误便于排查和复盘。批量处理能力设计脚本能够遍历一个文件夹下的所有小说章节自动完成批量化处理极大提升效率。版权与伦理红线版权清晰仅处理你拥有版权或已获授权的小说文本。AI处理不能改变原作的版权归属。内容合规AI可能生成不符合平台规范的内容如暴力、色情暗示。必须在最终输出前加入人工内容安全审核环节或利用内容安全API进行前置过滤。避免同质化AI工具普及后容易导致剧本套路化。应将AI作为效率工具在核心创意、人物塑造和情节反转上发挥人类不可替代的独特性。7. 总结与进阶方向通过本教程你已经掌握了一套从小说到短视频剧本的AI辅助工业化处理流程。从原著拆解、爽点提取、冗余删减、格式转换到节奏优化每一步都有对应的AI提示词和自动化脚本作为支撑。这能从根本上解决“照搬原著导致剧情拖沓”的问题显著提升剧本的节奏感和完播率。下一步你可以深入探索以下方向角色对话风格化训练AI模仿特定角色的说话风格让对话更鲜明。例如给AI提供角色经典台词样本让它生成符合人设的新对话。分镜脚本生成在剧本基础上让AI根据场景和动作进一步生成简单的分镜描述景别、角度、运镜如“特写林昊紧缩的瞳孔”、“快速摇镜跟随林昊消失的背影”。数据驱动优化将已发布短剧的完播率、点赞率等数据与剧本特征如开头类型、爽点密度、台词长度关联用数据分析反哺Prompt设计实现“算法喜欢什么我们就生产什么”的闭环。集成工作流工具将你的Python脚本与Notion、飞书文档、腾讯文档等协作平台结合通过API实现一键导入小说、自动处理、结果回填到指定表格的全流程自动化。技术永远是为创意服务的工具。这套AI剧本处理流水线的终极目标是把你从繁琐的机械劳动中解放出来让你有更多时间去思考那些真正闪耀的创意火花。现在就选择你手边的一部小说用上面的代码和Prompt开始你的第一次AI改编实践吧。 AI辅助小说改编剧本：从文本到短视频的工业化处理流程
1. 背景与核心概念为什么小说改编剧本需要AI辅助在短视频和短剧内容爆发的时代将网络小说改编成“漫剧”或短剧剧本已经成为内容创作者快速获取流量的重要手段。然而许多新手甚至经验不足的创作者常常陷入一个误区直接将小说原文的对话和描述“复制粘贴”成剧本。这种做法往往导致剧情节奏拖沓、信息密度低、爽点不集中最终反映在数据上就是完播率差、用户流失快。AI漫剧/短剧剧本处理正是为了解决这一核心痛点而生的系统性方法。它并非要取代人类的创意而是作为一个强大的“副导演”和“剪辑师”帮助创作者高效地完成从原始文本到可拍摄剧本的工业化转换。其核心价值在于提升效率人工逐字逐句分析一部几十万字的小说耗时耗力。AI可以在几分钟内完成结构分析、人物关系梳理和关键情节提取。标准化流程它将模糊的“感觉节奏不对”转化为可执行的步骤如“删除冗余环境描写”、“将心理活动转化为动作或台词”。数据化决策AI可以帮助量化“爽点”密度分析情节起伏曲线让内容创作从“凭感觉”转向“有依据”。简单来说这是一个“降本增效”的过程。对于个人创作者、小型工作室乃至MCN机构掌握这套方法意味着能用更低的成本、更快的速度生产出更符合短视频平台算法推荐和用户观看习惯的优质剧本。2. 环境准备与工具说明在开始实战之前我们需要搭建一个高效的AI辅助创作环境。核心思路是利用大语言模型LLM的理解与生成能力结合专业的剧本格式工具构建一个自动化处理流水线。2.1 核心工具选择我们不依赖某个特定的、可能受限的在线平台而是采用开源、可定制、能力强大的组合方案。大语言模型LLM平台/API推荐OpenAI GPT-4/GPT-3.5-Turbo、Claude 3、国内合规的深度求索DeepSeek、智谱AIGLM等。它们提供了强大的文本理解、分析和改写能力。作用承担“智能编辑”的角色完成拆解、提取、转写等核心任务。准备你需要拥有相应平台的API Key并确保调用环境畅通。编程/自动化环境Python这是连接AI API、处理文本、实现流程自动化的最佳语言。版本建议3.8及以上。必要Python库pip install openai # 或其他对应LLM的SDK如 zhipuai, anthropic pip install pandas # 用于处理结构化的数据如人物表、情节点 pip install jieba # 中文分词用于关键词提取可选 pip install python-docx # 读写Word文档用于输出标准剧本格式可选剧本格式处理工具专业软件Final Draft, Celtx。功能强大但付费适合最终定稿和团队协作。轻量级替代我们可以用Markdown或纯文本特定标识符来模拟标准剧本格式再利用Python脚本将其转换为标准格式。这是本教程的重点。2.2 项目目录结构建立一个清晰的项目文件夹便于管理不同阶段产生的文件。ai_script_workshop/ ├── input/ │ └── raw_novel.txt # 存放原始小说文本 ├── output/ │ ├── 01_plot_points.csv # 输出情节要点 │ ├── 02_characters.json # 输出人物卡片 │ ├── 03_script_draft.md # 输出剧本草稿Markdown格式 │ └── 04_script_final.fdx # 最终剧本如导出为Final Draft格式 ├── utils/ │ ├── prompt_library.py # 存放所有AI提示词Prompt │ └── format_converter.py # 格式转换工具脚本 └── main_pipeline.py # 主处理流程脚本3. 核心流程拆解与AI提示词设计整个处理流程可以分解为五个核心环节每个环节都对应一个或多个精心设计的AI提示词Prompt。提示词的质量直接决定AI输出的效果。3.1 环节一原著结构拆解与摘要目标不要一上来就改细节。先让AI帮你读懂整部小说的骨架。输入整部或分章节的小说原文。输出故事大纲、分集/分幕结构、主要情节线。核心Prompt示例你是一位专业的影视剧本分析师。请分析以下小说文本并输出以下内容 1. **故事核心梗概**用200字概括整个故事。 2. **主要情节线**列出3-5条核心情节线如主角成长线、复仇线、感情线。 3. **分集/分幕建议**根据短视频节奏每集1-2分钟将故事初步划分为XX集。为每一集用一句话总结核心冲突或事件。 4. **关键转折点**标出故事中的激励事件、中间点、高潮、结局。 小说文本{novel_text}Python调用示例使用OpenAI APIimport openai import os openai.api_key os.getenv(OPENAI_API_KEY) def analyze_structure(novel_text): prompt f 你是一位专业的影视剧本分析师。请分析以下小说文本... 此处填入上面的完整Prompt 小说文本{novel_text} response openai.ChatCompletion.create( modelgpt-4, # 或 gpt-3.5-turbo messages[{role: user, content: prompt}], temperature0.3 # 温度调低输出更稳定、更聚焦 ) return response.choices[0].message.content # 读取小说文本 with open(./input/raw_novel.txt, r, encodingutf-8) as f: novel_content f.read() # 如果文本过长需要分段处理 analysis_result analyze_structure(novel_content[:10000]) # 示例先处理前1万字 print(analysis_result) # 将结果保存到文件 with open(./output/01_structure_analysis.txt, w, encodingutf-8) as f: f.write(analysis_result)3.2 环节二爽点/爆点提取与强化目标识别并量化小说中的情绪高点确保在剧本中保留并强化。输入单章或特定情节片段。输出爽点列表类型、位置、强度、强化建议。核心Prompt示例你是一名资深网文编辑和短视频编剧。请扫描以下文本片段找出所有可能成为“爽点”或“爆点”的情节。请按以下格式输出 - **爽点类型**如“打脸逆袭”、“实力碾压”、“暧昧互动”、“信息差反转”。 - **原文位置**指出大概在片段前/中/后部或引用关键词句。 - **情绪强度**用1-5分评分5分最高。 - **强化建议**如何将此爽点在1分钟的视频内通过台词、动作、镜头或音效最大化其冲击力 文本片段{text_chunk}3.3 环节三冗余内容识别与删减目标删除对推动剧情和塑造人物无直接帮助的“水分”。输入单章内容。输出删减后的精炼文本并附删减说明。核心Prompt示例你是一名冷酷无情的剧本医生。你的任务是将以下小说章节改编为紧凑的短视频剧本初稿。请严格执行以下操作 1. **删除冗长环境描写**只保留对剧情或氛围有决定性影响的1-2句。 2. **转化心理独白**将人物复杂的内心活动转化为一句关键台词、一个面部表情或一个动作。 3. **简化复杂对话**删除闲聊、重复确认的信息只保留体现冲突、揭示性格或推动情节的核心对话。 4. **合并次要场景**将连续发生的、节奏类似的场景进行合并。 请输出两个部分 【删减后文本】直接给出处理后的文本。 【删改清单】列出你做的每处主要删改及其理由例如“删除了约150字的风景描写因与当前冲突无关”。 原始章节{chapter_text}3.4 环节四小说语言转剧本格式目标将叙事性文本转化为标准的、可执行的剧本格式。关键剧本格式的核心是“场景标题Slugline”、“动作Action”、“人物Character”、“对话Dialogue”和“父级注释Parenthetical”。标准格式示例Markdown模拟### 场景内景 咖啡店 - 日 *【动作】林薇紧张地搅动着咖啡不时看向门口。* **王哲**推开店门张望 看到林薇快步走来 **林薇**抬头强装镇定 你来了。钱带来了吗 **王哲**坐下将一个信封推过去 这里是五十万。告诉我我弟弟在哪。转换Prompt示例你是一名专业的剧本格式员。请将以下经过删减的小说片段严格按照标准剧本格式转换。 **格式规则** 1. **场景标题**以“场景”开头格式为“[内景/外景] [地点] - [时间]”如“场景内景 总裁办公室 - 夜”。 2. **动作描写**用“*【动作】...*”包裹描述人物的行为和表情使用现在时态。 3. **人物与对话**人物名单独一行加粗如“**张三**”。对话内容在下一行。 4. **父级注释**在人物名下方用括号表示说话的语气或伴随动作如“冷笑”。 请只输出转换后的剧本内容不要额外解释。 待转换文本{cleaned_text}3.5 环节五短视频节奏把控与钩子设计目标确保每一集剧本都符合短视频的“黄金3秒”和“完播率”要求。输入单集剧本草稿。输出优化后的剧本特别标注开头和结尾。核心Prompt示例你是一名精通短视频算法的内容导演。请评估并优化以下剧本草稿的节奏特别关注开头和结尾 1. **开头前3秒**当前开头是否能立即抛出核心冲突、悬念或高能画面如果不能请提供一个更抓人的开场建议可以是动作、台词或画面。 2. **节奏密度**检查是否有超过20秒没有台词或关键动作的“空镜期”建议如何压缩或插入画外音、字幕来填补 3. **结尾钩子**当前结尾是否留有强烈的悬念、问题或反转促使观众点击下一集请强化或添加一个“钩子”。 4. **整体时长**估算当前剧本拍摄后的大致时长按1.5倍语速估算目标是控制在60-90秒。 请输出 【优化建议】针对以上4点的具体建议。 【优化后剧本】直接给出根据建议调整后的完整剧本。 剧本草稿{script_draft}4. 完整实战案例从一章小说到一集剧本让我们用一个虚构的“战神归来”类网文片段走一遍完整流程。4.1 原始输入 (input/raw_chapter.txt)第一章 王者归来 江城国际机场人流如织。林昊穿着一件洗得发白的旧军大衣背着一个简单的行军包走出了航站楼。他望着眼前这座熟悉的城市眼神深邃如海五年的戎马生涯无数次的生死边缘让他身上沉淀了一种难以言喻的沧桑与威严。他想起五年前被迫离开时家族的冷眼未婚妻的背叛以及那个雨夜他发下的誓言“等我归来一切欺我、辱我之人都将付出代价。” 手机震动是一条来自陌生号码的短信“昊哥夫人病重速回老宅——福伯。”林昊瞳孔骤缩母亲他来不及感慨身形如电瞬间消失在机场门口只留下周围行人诧异的目光。他并不知道一场针对他的更大阴谋正在老宅悄然展开...4.2 执行流程自动化脚本 (main_pipeline.py)import openai import os from utils.prompt_library import ( prompt_structure, prompt_extract_excitement, prompt_remove_redundancy, prompt_convert_format, prompt_pacing_hook ) import json # 配置API Key openai.api_key os.getenv(OPENAI_API_KEY) client openai.OpenAI() def call_ai(prompt, text, modelgpt-3.5-turbo): 调用AI的通用函数 full_prompt prompt.format(text_chunktext) # 注意替换为对应的变量名 try: response client.chat.completions.create( modelmodel, messages[{role: user, content: full_prompt}], temperature0.3, max_tokens2000 ) return response.choices[0].message.content except Exception as e: print(fAPI调用错误: {e}) return None def main(): # 1. 读取原始章节 with open(./input/raw_chapter.txt, r, encodingutf-8) as f: raw_chapter f.read() print( 步骤1结构拆解本章摘要) structure call_ai(prompt_structure, raw_chapter) print(structure) with open(./output/step1_structure.txt, w, encodingutf-8) as f: f.write(structure) print(\n 步骤2爽点提取 ) excitement call_ai(prompt_extract_excitement, raw_chapter) print(excitement) with open(./output/step2_excitement.txt, w, encodingutf-8) as f: f.write(excitement) print(\n 步骤3删除冗余 ) cleaned call_ai(prompt_remove_redundancy, raw_chapter) # 这里需要解析AI的输出分离删减后文本和清单。简单起见我们假设AI按规则输出了。 # 更健壮的做法是用分隔符如“【删减后文本】”来分割。 print(cleaned) with open(./output/step3_cleaned.txt, w, encodingutf-8) as f: f.write(cleaned) # 假设cleaned就是处理后的文本实际应用中需做文本提取。 cleaned_text cleaned.split(【删减后文本】)[-1].split(【删改清单】)[0].strip() print(\n 步骤4转换剧本格式 ) script_draft call_ai(prompt_convert_format, cleaned_text) print(script_draft) with open(./output/step4_script_draft.md, w, encodingutf-8) as f: f.write(script_draft) print(\n 步骤5节奏把控与钩子优化 ) final_script_advice call_ai(prompt_pacing_hook, script_draft) print(final_script_advice) with open(./output/step5_final_advice.txt, w, encodingutf-8) as f: f.write(final_script_advice) if __name__ __main__: main()4.3 各步骤输出结果示例步骤3输出删减后文本示例林昊走出江城机场。他眼神沧桑想起五年前的誓言让欺辱他的人付出代价。 收到福伯短信“夫人病重速回老宅” 林昊脸色一变瞬间消失。一场阴谋正在老宅等待他。删除了冗长的环境、外貌描写将心理活动简化为“想起誓言”强化了冲突的紧迫感。步骤4输出剧本格式示例### 场景外景 江城国际机场 - 日 *【动作】林昊穿着旧军大衣背着行军包走出航站楼。他望向城市眼神深邃。* *【动作】手机震动他看了一眼。* **林昊**瞳孔骤缩 母亲 *【动作】林昊身形如电瞬间消失在机场门口留下周围行人诧异的目光。* 画外音一场针对他的阴谋已在老宅展开...步骤5输出节奏优化建议示例【优化建议】 1. **开头**原开头是走出机场略显平淡。建议直接以“手机特写震动‘夫人病重’短信”作为第一镜0秒切入核心冲突。 2. **节奏**中间“望向城市”的停顿可缩短至2秒内或加入“五年前雨夜闪回”快速镜头。 3. **结尾钩子**当前画外音不错。可强化为“但他不知道老宅里等待他的不仅是病重的母亲...”悬念更强。 【优化后剧本】 略...根据建议调整后的剧本5. 常见问题与排查思路在利用AI进行剧本处理时你可能会遇到以下典型问题问题现象可能原因解决思路AI输出格式混乱不遵守指令1. Prompt指令不够清晰、具体。2. 温度temperature参数过高导致输出随机性大。3. 输入文本过长超出模型上下文窗口。1.优化Prompt使用“角色扮演”、“分步骤”、“严格格式”等技巧明确输出要求。在Prompt中给出输出示例Few-shot Learning效果极佳。2.调整参数将temperature调至0.2-0.5之间获得更稳定输出。3.分段处理将长文本按章节或固定字数分割分批处理后再合并。删减过度导致剧情不连贯AI过于机械地执行“删除”指令忽略了必要的过渡和情感铺垫。1.修改Prompt在删减指令中加入“保留必要的情绪过渡和逻辑衔接词”。2.人工复审AI处理后的文本必须经过人工审核。可以设置“删减比例”阈值如不超过原文本30%超过则人工介入。3.两轮处理第一轮粗删第二轮用另一个Prompt让AI检查并修复连贯性。转换的剧本格式不符合拍摄要求Prompt中的格式描述不够准确或AI未能理解专业术语。1.提供模板在Prompt中直接给出一个完美的格式示例让AI模仿。2.后处理脚本编写Python正则表达式或解析脚本对AI输出的文本进行二次格式化校正比如统一“场景”的写法。爽点提取不准或遗漏小说类型多样单一的Prompt可能无法覆盖所有爽点类型如甜宠文的“撒糖”和玄幻文的“突破晋级”感觉不同。1.定制化Prompt库为不同题材战神、赘婿、甜宠、悬疑准备侧重点不同的爽点提取Prompt。2.结合规则使用关键词匹配如“突破”、“碾压”、“打脸”、“亲吻”作为AI分析的补充先粗筛再精分析。API调用超时或报错网络问题、API额度用尽、请求频率过高。1.增加重试机制在代码中添加try-except和指数退避重试逻辑。2.本地模型备用对于格式转换等轻量级任务可以考虑使用开源的、可本地部署的小模型如Qwen2.5-7B-Instruct作为备选方案。6. 最佳实践与工程建议要将这套方法稳定、高效地用于生产你需要遵循以下工程化原则Prompt工程是核心资产版本化管理将调试好的Prompt保存在prompt_library.py中并添加注释说明其用途、版本和适用场景。持续迭代根据输出结果不断微调Prompt。一个技巧是让AI自己评价输出结果然后根据评价修改Prompt。模块化设计像本教程一样将大任务拆解为多个单一职责的Prompt比用一个复杂Prompt完成所有事情更可靠。人机协同AI为辅人为主明确分工AI擅长快速分析、格式转换、提供选项。人类编剧负责最终的艺术判断、情感把控和创意决策。设立审核点在“结构拆解”、“爽点提取”和“最终成稿”等关键节点必须有人工审核和干预。AI提供的是“草稿”和“建议”。保留修改痕迹使用Git等版本控制工具管理从原著到最终剧本的所有中间文件方便回溯和比较不同修改方案的优劣。构建可复用的处理流水线参数化配置将模型类型、温度、最大输出长度等参数提取为配置文件方便针对不同题材如快节奏战神文和慢热悬疑文调整参数。错误处理与日志在生产脚本中必须详细记录每一步的输入、输出和可能发生的错误便于排查和复盘。批量处理能力设计脚本能够遍历一个文件夹下的所有小说章节自动完成批量化处理极大提升效率。版权与伦理红线版权清晰仅处理你拥有版权或已获授权的小说文本。AI处理不能改变原作的版权归属。内容合规AI可能生成不符合平台规范的内容如暴力、色情暗示。必须在最终输出前加入人工内容安全审核环节或利用内容安全API进行前置过滤。避免同质化AI工具普及后容易导致剧本套路化。应将AI作为效率工具在核心创意、人物塑造和情节反转上发挥人类不可替代的独特性。7. 总结与进阶方向通过本教程你已经掌握了一套从小说到短视频剧本的AI辅助工业化处理流程。从原著拆解、爽点提取、冗余删减、格式转换到节奏优化每一步都有对应的AI提示词和自动化脚本作为支撑。这能从根本上解决“照搬原著导致剧情拖沓”的问题显著提升剧本的节奏感和完播率。下一步你可以深入探索以下方向角色对话风格化训练AI模仿特定角色的说话风格让对话更鲜明。例如给AI提供角色经典台词样本让它生成符合人设的新对话。分镜脚本生成在剧本基础上让AI根据场景和动作进一步生成简单的分镜描述景别、角度、运镜如“特写林昊紧缩的瞳孔”、“快速摇镜跟随林昊消失的背影”。数据驱动优化将已发布短剧的完播率、点赞率等数据与剧本特征如开头类型、爽点密度、台词长度关联用数据分析反哺Prompt设计实现“算法喜欢什么我们就生产什么”的闭环。集成工作流工具将你的Python脚本与Notion、飞书文档、腾讯文档等协作平台结合通过API实现一键导入小说、自动处理、结果回填到指定表格的全流程自动化。技术永远是为创意服务的工具。这套AI剧本处理流水线的终极目标是把你从繁琐的机械劳动中解放出来让你有更多时间去思考那些真正闪耀的创意火花。现在就选择你手边的一部小说用上面的代码和Prompt开始你的第一次AI改编实践吧。