南洋理工团队发布分层Agent框架：一句话生成短剧，质量可控但降本仍待突破

【导语：近年来视频基础模型提升了自动化短片生成能力，但现有短剧生产存在叙事、空间和质量控制方面的不足。南洋理工大学团队发布“一句话一短剧”分层Agent框架，实现一句话生成短剧，在多方面优于现有流水线，但大规模部署仍面临成本、人机协同和音频授权等问题。】

分层Agent框架打破短剧生成瓶颈

现有短剧生产依靠大语言模型的one - shot生成和松散耦合工作流，存在叙事节奏偏弱、空间一致性不足、质量控制不成熟等问题。南洋理工大学研究团队及其合作者发布的分层Agent框架“一句话一短剧”，用户只需提供一句创意，就能得到制作完整、画面精美的个性化短剧内容。

四步流程实现自动化视频生产

整个自动化视频生产流程分为故事生成、视觉素材与提示词生成、通过3D场景锚定实现一致的首帧生成、后期制作四步，审阅环节贯穿始终进行质量控制。在故事生成阶段，Agent通过检索和多Agent辩论生成结构化故事和分镜脚本，并调用节奏模式库和因果逻辑库搭建可控短剧框架。

视觉素材与提示词生成时，Agent先生成场景全景图和角色参考图，再为每个片段生成首帧与视频提示词，审阅模块会检查空间关系和道具连贯性。通过3D场景锚定实现一致的首帧生成中，Agent还原场景空间，统一人物走位、镜头位置和场景关系，保证跨镜头空间一致性。后期制作则统一处理转场、配乐和人声衔接，整合视频片段。

评测显示框架优势明显

研究团队构建了短剧评测基准Short - Drama - Bench，覆盖7大类型、17个细分题材，共生成约239分钟视频。评价体系分为VBench衡量通用视频质量，ViStoryBench评估故事可视化效果，还设置8个短剧指标。定性结果显示，该框架在跨片段视觉连续性、剧情节奏和转场处理上更优；定量结果表明，相比MovieAgent、Toonflow等竞品，该框架在多项指标上整体领先。

大规模部署仍面临挑战

该Agent框架虽有优势，但距离大规模部署存在现实限制。生成成本方面，One Sentence, One Drama平均API成本约为25 - 27美元/分钟，高于Toonflow的约21.53美元/分钟，生成一部约10分钟短剧需74 - 90分钟，降本是必须解决的问题。

人机协同支持方面，当前以自动生成为主，未来可通过交互式界面向用户开放审查分数和诊断反馈。音频授权问题上，当前BGM库采用免版税或可商用音乐，限制了风格和情绪表达多样性，接入更大规模授权音乐库可拓展商业应用场景。

编辑观点：“一句话一短剧”框架为短剧自动化生成带来了新突破，优势显著。但成本、人机协同和音频授权等问题制约其大规模应用，未来需在这些方面改进，以释放更大潜力。