AI漫剧制作全流程：从剧本拆解到成片剪辑的六道工序

1. 先搞清楚AI漫剧到底在做什么1.1 从一条弹幕说起为什么我突然开始研究AI漫剧去年年底我在一个动画交流群里看到有人发了一段四十多秒的短片画面是漫画分镜的质感但人物会动、镜头会推拉、打斗时有速度线和冲击帧配音配乐齐全结尾还带了个下集预告。底下有人问“这是哪个工作室做的”作者回了一句“一个人三天AI”。当时我第一反应是不信第二反应是去翻他的制作记录。翻完之后我沉默了大概十分钟然后打开电脑开始自己试。这就是我接触AI漫剧的起点。所谓AI漫剧说白了就是用AI工具把漫画或图文脚本变成有动态、有配音、有节奏的短剧集。它介于传统动画和动态漫画之间但制作成本和时间完全不在一个量级。传统二维动画一集二十分钟团队做几个月是常态AI漫剧一集一到三分钟一个人熟练之后一天能出好几集。这个效率差距是我认为它值得所有内容创作者认真对待的原因。这篇文章我打算把一整场戏从零到成片的完整流程拆开讲一共六道工序。我会把每一步用什么工具、参数怎么设、提示词怎么写、哪里容易翻车全部摊开来说。不管你是完全没碰过AI绘画的新手还是已经在用即梦、Seedance这类工具做单张图的老手应该都能从里面找到能直接抄作业的东西。1.2 六道工序的全景图一场戏是怎么被拆解的在动手之前你得先接受一个观念AI漫剧不是“输入一句话出来一集剧”。它是流水线作业每一道工序解决一个具体问题工序之间有严格的先后依赖。我把它拆成六步剧本与分镜拆解把一场戏拆成若干个镜头每个镜头写清楚画面内容、景别、时长、台词。主体图库搭建为每个角色、每个关键场景生成标准参考图保证后续所有镜头里的人物长得一样。分镜图生成用文生图或图生图把每个镜头的关键帧画面做出来。图生视频把静态分镜图变成动态片段处理动作、运镜、转场。配音与音效生成台词配音配上环境音和打击音效。剪辑合成与导出把所有素材按时间线拼起来调节奏、加字幕、导出成片。这六步里第三步和第四步是耗时最多的也是决定成片质量的关键。第一步和第二步看起来简单但如果你在这里偷懒后面会加倍还回来。我见过太多人跳过主体图库直接生成分镜结果第三集里主角换了张脸观众直接出戏。提示不要试图用一个大模型一次性完成所有工序。每个环节用专门的工具效果和可控性都远好于“全能型”方案。1.3 适合谁看从零基础到进阶的路线图如果你是纯新手建议先按顺序把六道工序各跑通一遍哪怕每个环节只做一个镜头。跑通之后再回头优化质量。如果你已经有AI绘画基础可以直接从第二步主体图库开始看那里是区分“能看”和“好看”的分水岭。如果你已经在做AI视频但总觉得人物不稳定、动作不自然重点看第四步图生视频的参数部分我会把Seedance和即梦的实际参数配置写清楚。我自己的设备是一台带独立显卡的台式机但整个流程里真正吃本地算力的只有剪辑环节。生成部分全部在云端完成所以一台普通笔记本加稳定网络就能开工。这一点对预算有限的创作者来说很友好。2. 剧本拆解与分镜设计别急着打开AI工具2.1 一场戏拆成镜头颗粒度决定后续效率很多人拿到一个剧本第一反应是打开即梦开始生成画面。我劝你先忍住。AI漫剧的剧本和传统剧本最大的区别在于它必须提前拆到“镜头级”。一个镜头就是一次生成任务对应一张分镜图加一段视频。你拆得越细后面生成时越不容易乱。我通常按这样的颗粒度来拆一场两分钟的戏大概拆成18到25个镜头。每个镜头平均4到6秒。对话密集的地方镜头短一些2到3秒一个动作场面可以到5到8秒。拆的时候用表格记录字段包括镜头编号、景别远/全/中/近/特、画面描述、台词、时长、备注。举个例子一场“主角在雨夜巷子里被追”的戏我会这样拆镜头景别画面描述台词时长01远景雨夜巷子全景主角从画面左侧跑入无3s02中景主角回头张望雨水打在脸上“该死甩不掉。”4s03特写主角脚踩水坑水花溅起无2s04全景三个黑影从巷口出现无3s05近景主角咬牙加速奔跑无3s这样拆完之后每个镜头要生成什么画面、多长、有没有台词一目了然。后面不管是用Seedance还是即梦都是按这个表逐个执行。2.2 分镜脚本的写法给AI看的和给人看的要分开这里有个坑我踩过分镜脚本里写“主角很愤怒地转身”这是给人看的AI理解不了“愤怒”具体是什么表情、什么姿态。你需要把它翻译成AI能执行的描述“主角猛地转身眉头紧锁眼睛睁大嘴角向下双手握拳身体前倾”。所以我习惯写两套描述。一套是给人看的分镜说明一套是直接复制到AI工具里的提示词。提示词那套要包含主体描述、动作、表情、服装、环境、光线、镜头角度、画风。比如上面那个转身镜头我的提示词大概是一个黑发少年穿着深蓝色连帽外套猛地转身眉头紧锁眼睛睁大嘴角向下双手握拳身体前倾雨夜巷子背景霓虹灯反射在湿滑地面侧逆光中景漫画风格高对比度动态构图这套提示词可以直接喂给即梦或Seedance的文生图模块。注意我没有写“愤怒”这个词而是把愤怒拆成了可视觉化的元素。这是提示词设计里最基础也最重要的一条原则描述你能看到的东西而不是你感受到的东西。2.3 节奏控制为什么你的漫剧看起来像PPT新手做出来的AI漫剧最常见的问题就是“像PPT”——每个镜头都是静态图加轻微缩放镜头之间硬切没有节奏变化。根源在于分镜阶段没有设计节奏。节奏控制有三个抓手。第一是镜头时长要有变化不能全是4秒。紧张的地方用1到2秒的短镜头快速切换抒情的地方用6到8秒的长镜头让观众沉浸。第二是景别要有跳跃不能一直是中景。远景接特写视觉冲击力远大于中景接中景。第三是转场要有设计硬切、叠化、黑场、闪白不同转场传递不同情绪。我在分镜表里会额外加一列“转场方式”提前想好这个镜头怎么进入下一个镜头。比如追逐戏里镜头03水花溅起之后直接硬切到镜头04黑影出现这种突兀感正好制造紧张。而抒情戏里镜头之间用叠化情绪是连贯的。注意分镜阶段多花一小时生成阶段能省三小时。不要跳过这一步。3. 主体图库搭建让人物在每一集里长得一样3.1 为什么必须建主体图库AI生成有个随机性同一个提示词跑两次人物脸型、发型、服装细节都可能不一样。如果你每一集都重新生成主角观众会发现主角在第三集突然换了张脸。解决这个问题的唯一办法就是提前建一个“主体图库”——把每个角色的标准形象固定下来后续所有镜头都以这个标准图为参考。主体图库至少包含三类图角色正面半身图、角色全身图、角色表情集喜、怒、哀、惊、平静。如果角色有特殊服装或武器也要单独出图。场景方面主要场景各出一张全景参考图。我一般用即梦的“角色一致性”功能来生成主体图。先写一段详细的人物描述生成一张满意的正面图然后以这张图为参考生成其他角度和表情。即梦的角色参考强度我通常设在0.7到0.8之间太低会跑偏太高会僵硬。3.2 角色提示词的写法从“好看”到“稳定”角色提示词和分镜提示词不一样它追求的不是单张惊艳而是多张稳定。所以描述要具体、可复现避免模糊的形容词。一个可复用的角色提示词模板[性别] [年龄] [发型发色] [脸型特征] [眼睛特征] [服装描述] [配饰] [体型] [画风] [光线] [背景]具体例子男性十七岁黑色短发略微凌乱瓜子脸剑眉深棕色眼睛穿深蓝色连帽外套内搭白色T恤黑色长裤运动鞋偏瘦但结实漫画风格干净线条平光纯白背景这段提示词里每个元素都是可视觉化的没有“帅气”“冷酷”这类主观词。生成出来的角色图我再挑一张最符合设定的存为“角色标准图”。后续所有分镜生成时都把这张图作为角色参考图传进去。3.3 图库管理文件命名和版本控制主体图库建起来之后管理是个问题。我见过有人把图全堆在一个文件夹里用的时候靠翻效率极低。我的做法是按项目建文件夹里面再按角色和场景分子文件夹。文件命名规则是角色名_角度_表情_版本号.png比如林夜_正面_平静_v2.png。版本号很重要。角色设定可能会调整比如你觉得外套颜色太深改成浅灰。这时候不要覆盖旧图而是存为新版本。因为已经生成的分镜可能用的是旧版本如果你覆盖了后面想回溯就找不到了。提示主体图库建好之后先别急着做分镜。用同一个角色提示词跑十张图看看稳定性如何。如果十张里有三张以上脸型明显不同说明提示词还不够具体需要继续细化。4. 分镜图生成把文字变成画面的关键一步4.1 文生图还是图生图不同场景的选择逻辑分镜图生成有两条路文生图和图生图。文生图适合没有参考、需要从零创造画面的镜头比如全景环境、群众场面。图生图适合有明确角色和场景参考的镜头比如主角特写、对话场景。我的习惯是第一个镜头用文生图确定整体氛围和构图后续同场景的镜头用图生图以第一个镜头的图为参考保持场景一致性。角色出场的镜头一律用图生图把主体图库里的角色标准图作为参考。即梦的图生图里有个“参考图强度”参数我一般设在0.6到0.75。这个区间既能保持角色特征又给构图留出变化空间。如果设到0.9以上生成出来的图会几乎和参考图一样失去了分镜的意义。4.2 提示词结构主体、动作、环境、镜头、风格五段式分镜提示词我固定用五段式结构这样不容易漏元素主体谁长什么样穿什么动作与表情在做什么什么表情环境在哪里天气时间周围有什么镜头景别角度焦段感风格画风光线色调质感一个完整的例子黑发少年林夜深蓝色连帽外套白色T恤从画面左侧奔跑进入表情紧张回头张望雨夜巷子地面湿滑反射霓虹灯光两侧墙壁有涂鸦中景略微仰拍漫画风格高对比度冷色调电影感构图这五段里镜头和风格是最容易被忽略的。但恰恰是这两个决定了画面的“漫剧感”。如果你不写镜头AI默认给你一个平视中景所有镜头都一样剪出来就是PPT。如果你不写风格AI可能给你写实风和漫画风混在一起会很割裂。4.3 参数表即梦与Seedance的实际配置下面这张表是我自己跑了几百张图之后总结的参数配置针对AI漫剧场景。不同工具的参数名称可能略有差异但逻辑相通。参数项推荐值说明画面比例16:9适配横屏视频竖屏短剧用9:16分辨率1920x1080低于这个值后期放大损失细节参考图强度0.6-0.75角色一致性场景用高值环境场景用低值采样步数30-40太低细节不足太高收益递减提示词引导强度7-9太低跑偏太高僵硬随机种子固定同场景多镜头固定种子保持风格一致关于随机种子补充一句同一个场景的多个镜头我会用同一个种子值。这样生成出来的图在色调、光线质感上会非常接近剪在一起不会有跳变感。换场景时才换种子。4.4 常见翻车与修正手崩了、脸歪了、背景串了分镜图生成阶段最常见的三个问题手部崩坏。AI画手一直是老大难。如果镜头里手不是重点我直接在提示词里写“双手插兜”或“手在画面外”绕开这个问题。如果手是重点比如握剑、结印那就多跑几张挑一张能用的或者后期用局部重绘修。脸部变形。通常是因为参考图强度太低或者提示词里脸部描述不够具体。解决办法是提高参考图强度到0.8同时在提示词里把脸型、眼睛、发型再描述一遍。背景串场。比如雨夜巷子的镜头里突然出现了白天的天空。这是因为提示词里环境描述不够强被主体描述压过去了。解决办法是把环境描述提前或者单独用图生图以场景参考图为主。注意不要在一张图上反复重绘太多次。每重绘一次画质就损失一点。如果一张图跑了五次还不满意不如重新写提示词从头生成。5. 图生视频让静态画面动起来5.1 动作设计哪些动作AI擅长哪些容易翻车图生视频是把分镜图变成动态片段。这里要认清一个现实AI视频模型不是万能的有些动作它做得好有些一做就崩。AI擅长的动作轻微转头、眨眼、头发飘动、衣角摆动、镜头推拉、雨雪粒子、光影变化。这些动作幅度小、规律性强模型训练数据里多生成稳定。AI容易翻车的动作复杂打斗、多人交互、快速奔跑、手部精细操作、大幅度转身。这些动作涉及大量遮挡和形变模型容易糊。所以我在分镜阶段就会规避打斗场面不追求连贯动作而是用“冲击帧”来表现。比如一拳打出去我不生成完整的出拳过程而是生成一张拳头接近目标的特写加一张目标被击飞的全景中间用闪白转场。观众的大脑会自动补全中间过程效果反而比强行生成连贯动作好。5.2 Seedance与即梦的视频参数配置视频生成这块我主要用Seedance和即梦两个工具。Seedance在动作连贯性上表现更好即梦在画面质感和风格保持上更稳。实际工作中我会混用对话和静态场景用即梦动作和运镜用Seedance。视频参数配置表参数项推荐值说明视频时长3-5秒单镜头超过5秒容易崩帧率24fps电影感30fps偏电视感运动强度中等太高画面撕裂太低像静止镜头运动根据分镜推、拉、摇、移不要全用固定参考图权重0.7-0.85保持画面与分镜图一致种子与分镜图一致保持色调连贯关于运动强度我踩过一个坑为了让画面“动起来”把运动强度拉满结果人物脸都扭曲了。后来发现中等强度加镜头运动比高强度加固定镜头效果好得多。镜头在动人物轻微动观众就觉得画面是活的。5.3 转场与运镜用镜头语言代替复杂动作前面说了复杂动作容易翻车。那怎么让漫剧看起来不呆板答案是靠镜头语言。同样一个“主角发现敌人”的情节固定镜头拍主角表情就是一张图加眨眼。但如果用镜头运动从主角背后慢慢推近到过肩视角同时主角头部微微转动紧张感立刻就出来了。这个推近动作AI做得很稳因为它是整体画面的缩放不涉及人物形变。我常用的几个安全运镜缓慢推近制造紧张、聚焦情绪缓慢拉远制造孤独、揭示环境横向摇移展示场景、连接两个主体轻微手持晃动增加临场感适合追逐戏这些运镜在Seedance里都有对应的预设选好之后调一下强度就行。不要自己写复杂的运镜描述模型理解不了。5.4 视频片段的质量检查清单每个视频片段生成后我会快速过一遍检查清单人物脸部是否变形手部是否崩坏画面是否与分镜图一致动作是否自然有没有跳帧时长是否够用首尾帧是否能和相邻镜头衔接任何一项不过关就重新生成。不要想着“后期能修”视频片段后期修起来成本极高。宁可多跑几次也不要留问题到剪辑阶段。6. 配音、音效与剪辑合成6.1 配音生成语气比音色更重要配音我用的是AI语音合成工具。选音色的时候很多人只看“好不好听”但我更看重“对不对味”。一个十七岁少年角色你用浑厚大叔音再好听也出戏。我的做法是先确定角色的声音画像年龄感、音调高低、语速快慢、性格特征。然后在这些维度上找最接近的音色。生成台词时我会在文本里加语气标记比如“急促该死甩不掉”或者“低声别出声。”这些标记会影响合成时的语调。如果工具支持情绪参数紧张场景把情绪调到“紧张”或“急促”抒情场景调到“平静”或“温柔”。不要所有台词都用默认情绪那样听起来像新闻播报。6.2 音效与配乐氛围的隐形推手音效是很多新手忽略的部分但它对成片质感的影响巨大。雨夜戏没有雨声打斗戏没有打击音画面再好看也像默片。我的音效来源分三类环境音雨声、风声、城市底噪、动作音脚步、打击、衣物摩擦、情绪音心跳、耳鸣、低频轰鸣。环境音铺底动作音对点情绪音在关键情节点缀。配乐我一般用无版权音乐库按场景情绪选。追逐戏用快节奏鼓点抒情戏用钢琴或弦乐。音量控制在人声的30%到40%不要盖过台词。6.3 剪辑节奏卡点、留白与情绪曲线剪辑是把所有素材拼起来的过程。我用的是常规剪辑软件操作不复杂关键是节奏。卡点动作音效要和画面动作对齐。拳头击中目标的瞬间打击音必须同步差一帧都能感觉出来。留白不是每个镜头都要填满声音。关键台词之前留半秒静音观众注意力会瞬间集中。情绪曲线一场戏有起承转合。开头铺垫用长镜头慢节奏冲突升级加快剪辑频率高潮用短镜头快切结尾放缓留余韵。这条曲线在分镜阶段就要设计好剪辑时执行。6.4 导出参数与发布注意事项导出设置参数项推荐值分辨率1920x1080帧率24fps码率10-15Mbps格式MP4 (H.264)音频AAC, 192kbps发布前检查字幕有没有错别字音量是否统一片头片尾是否完整封面图是否吸引人。这些细节决定完播率。7. 常见问题与排查技巧实录7.1 人物一致性问题的系统排查人物不一致是最高频的问题。排查顺序先看主体图库是否足够详细再看参考图强度是否够高最后看提示词里角色描述是否每次都有。三个环节任何一个偷懒都会导致跑偏。我的经验是主体图库建得越细后面越省心。一个角色至少要有正面、侧面、背面、三个表情共六张标准图。特殊服装再加一套。7.2 视频生成失败的典型原因视频生成失败通常表现为画面静止不动、人物扭曲、时长不足、首尾帧跳变。对应原因和解决现象可能原因解决画面静止运动强度太低提高到中等人物扭曲运动强度太高降低改用镜头运动时长不足模型限制拆成两个镜头首尾跳变参考图不一致统一种子和参考图7.3 提示词失效的底层逻辑提示词写了一大堆AI就是不听话为什么因为提示词有优先级。模型对前面的词更敏感对具体名词更敏感对抽象形容词不敏感。所以把最重要的信息放最前面用具体名词代替形容词是提示词设计的基本功。另外不同模型对提示词的理解能力不同。即梦对中文提示词理解较好Seedance对结构化提示词响应更准。同一个提示词换工具效果可能差很多。多试找到每个工具的最佳表达方式。7.4 效率提升批量生成与模板复用熟练之后我会把常用提示词存成模板换角色名和场景词就能复用。分镜表也做成模板新项目直接填。主体图库建一次同系列作品可以一直用。批量生成时我会一次性提交多个镜头让工具排队跑自己去处理其他工序。这样并行作业整体效率能提升一倍以上。8. 我个人的实操体会这套流程我跑了大概半年做了十几集短剧。最大的体会是AI漫剧的门槛不在工具在流程管理。工具每天都在更新今天好用的明天可能就换了但“拆镜头、建图库、控节奏、查质量”这套方法论是不变的。另一个体会是不要追求单镜头完美。一个镜头跑五次还不行就换个思路用剪辑和音效去弥补。观众看的是整体节奏不是某一帧的细节。把精力花在分镜设计和剪辑节奏上回报率远高于死磕一张图。最后分享一个小技巧每做完一集把这一集里所有用到的提示词、参数、种子值整理成一个文档存档。下一集做同系列的时候直接调用一致性有保障效率也高。这个习惯看起来麻烦但长期来看省的时间远超整理的时间。