想把小說拍成 AI 短劇？先別急著生影片：我用靜態圖做完十集《金瓶梅》的方法

你手上有一本喜歡的小說，想把它拍成一集一集的短劇。最直覺的做法，是把劇情丟給影片生成模型，期待它自己演出來。

但長篇故事最難的往往不是「讓畫面動」，而是讓同一個人撐過十集不換臉，讓沒讀過原著的觀眾也看得懂。這篇用我做完的十集《金瓶梅》短劇，整理出一套非影視本科也能照著走的做法。

素材是公共領域的《金瓶梅詞話》（萬曆本），全文收錄在站上的原文書房；十集成片、選角與角色參考圖組，都在金瓶梅影像工作室。

先問：畫面真的需要動嗎？

這套短劇從第一天就定好格式：生成的靜態圖片＋配音＋剪輯，完全不用影片生成模型。十集片長從 3 分多鐘到將近 8 分鐘，合計約 54 分鐘。

EP08〈紅妝鬥氣〉EP09〈失子與離世〉EP10〈月夜出門到重遊舊園〉

我選靜態圖，是因為長篇古裝故事要的東西跟動作片不一樣：

• 人物要撐十集不換臉。每生成一次，臉就可能跑掉；靜態圖可以一張一張放大檢查，不合格就退件。
• 劇情靠對白與心事推進。多數畫面只要「讀得懂的一瞬間」，不需要角色真的走路、倒水。
• 成本壓得很低。第八到第十集，圖片用 ChatGPT 訂閱裡的生圖額度，配音用免費的語音合成服務，新增的付費費用是 US$0。

靜態圖也不能一張撐到底。我給自己的規則是：

• 不用 AI 變形假裝角色走路、接吻或倒下，也不要每張圖都慢慢放大（看三張就膩了）。
• 運鏡要有理由：緩推＝人物意識到真相，緩拉＝她被空間包圍。
• 同一構圖做第二張狀態圖，只改一件事，例如「手握簪／簪落地」，用剪接代替生成動作。
• 每 6 到 10 秒，至少要有一個聲音或畫面的變化。一張圖硬撐 20 秒，就是在消耗觀眾。

十道關卡，兩條規則

從第五集起，我把整個流程拆成十道關卡，前一關沒過，就不進下一關。

關卡的數量不是重點，重點是兩條規則：

1. 改哪裡，就回到最早受影響的那一關。台詞錯了就回劇本關，後面已經通過的配音與剪輯，全部重新審。
2. 機器檢查通過，不等於人工核准。程式可以確認檔案都在、尺寸正確、句數沒少；但臉對不對、這句話演得像不像，要人看、要人聽。

還有一個順序是刻意的：聲音比分鏡先鎖定。旁白實際唸多長，決定每張圖要停多久。先畫圖再配音，最後一定是在剪輯台上削足適履。

第一步：鎖住原典和敏感邊界

以第八集〈紅妝鬥氣〉為例，開工第一步不是寫劇本，而是把取材範圍鎖在第四十回與第四十一回，列出這兩回的六個關鍵事件，由我逐一核對。

同一份開工清單也先寫好敏感內容怎麼處理，例如：

• 角色扮成丫鬟的段落，維持成年的臉與身形。
• 丫鬟受罰不拍身體接觸，改用偏頭、茶盤落地與旁人反應來表現。
• 兩個角色受辱、受害的事都要清楚呈現，不能互相抵銷。

這一步看起來像在拖時間，其實是防兩件事：AI 用推論補上原文沒有的情節，以及生圖時才發現某個畫面根本不該這樣拍。

生圖指令我也寫成固定清單：畫風、角色基準圖、場景方位、一個看得懂的動作瞬間、構圖、道具數量、光線，再加一份排除清單。其中一條我到處沿用：中文字一律後製排版，不讓圖片模型寫字。模型寫的中文常是假字，一出錯整張圖就不能用。

「我有點看不懂」：最有價值的一句審核意見

第八集的第一版約 4 分鐘，技術檢查全部通過。我看完之後的審核意見是：

「建議字幕加上是誰說的話，其實這部我有點看不懂，很多畫面都沒有旁白，有沒有辦法加一些旁白來讓我覺得比較好懂或是比較精彩」

所有自動檢查都只能確認「東西都在」，沒有一項能回答「觀眾看不看得懂」。

AI 助手第一次補的旁白，寫成了一份解說稿。我沒讓它送出，只補了一個方向：旁白要跟前幾集同一種語氣，不要像在上課。它回去對照前兩集已發布的字幕，重寫成 14 段，用動作、物件與心事串起事件。

第二版變成 6 分 14 秒，每段字幕都標出是誰在說話，畫面也依每句配音的實際長度重新排。最後我還做了一個減法：拿掉全部配樂，只留旁白、對白與畫面，第九、第十集也照這個做法。

示意：下面兩句旁白是依本文原則寫的範例，不是成片台詞。同一件事：他等了一整晚的電話，最後沒有響。哪一句是「故事旁白」？

讀音、道具與資料外傳，都要有人點頭

每張圖最多生成兩次。我曾在睡前請 AI 助手把能生的分鏡先生出來，醒來再一起審；一個晚上產出 47 張候選。範圍事先寫死：不花錢做影片、不上傳，每張最多兩次。有一張第二次沒有回傳，它沒有自己重送，而是保留第一版、把差異寫清楚交給我判斷。這條上限逼你停下來問：是指令寫錯，還是這個畫面本來就不該用生成的？

讀音要人耳確認。第二版我覺得有個詞唸起來怪怪的，請它重查。它逐句重查了文字讀音，但也照實寫明：當時的環境聽不到音訊，實際發音仍要人耳確認。這比一句「已全部校正」誠實得多。

道具照畫面寫，不照提示詞寫。有一張圖的指令要三顆木球，畫面只生出兩顆，紀錄就寫「實際兩顆」，再判斷影不影響劇情。包袱一開始用哪隻手提，後面出門的鏡頭也要沿用同一隻手。

資料外傳要先同意。免費的語音合成服務，代表每句台詞都要傳到外部。第八集補旁白時，第一次外傳先被自動審查擋下，等我明確同意才送；第九、第十集的新台詞，AI 助手也沒有沿用上一次的同意，而是再問一次。資料什麼時候離開你的電腦，應該是有人負責的決定。

完成後，我還用拉片工具回頭量了第八集的剪接點，46 刀全部對上剪輯時間軸；方法寫在拆解 AI 影片那一篇。成片在這裡：

所有人物影像、分鏡與語音都是 AI 生成，不是真人或實拍；成片已標註 AI 生成。

你可以這樣開始

1. 先判斷畫面需不需要真的動。以對白與心事為主的故事，先試「靜態圖＋旁白＋有理由的運鏡」。
2. 開工前寫一頁取材清單：用哪幾章、關鍵事件有哪些、敏感內容怎麼拍。
3. 先錄好旁白再畫分鏡，讓聲音決定每張圖停多久。
4. 每張圖設生成上限，例如兩次；第二次還不行，就回頭檢查指令或換畫面。
5. 第一版給沒讀過原著的人看，問他一句：「哪裡看不懂？」

這個系列接著讀

• AI 影片製作筆記
• 看到厲害的 AI 影片想學？先別抄提示詞，拆清楚它到底做到了什麼
• AI 影片的角色每一鏡都長得不一樣？五個做法讓角色不走樣
• 讓 AI 助手幫你做影片，又不會半夜亂花錢
• 用 AI 替一部百回小說建立全劇組角色設定
• 當 AI 拒絕金瓶梅：測出大語言模型的道德邊界