简介:AI漫剧做不下去,卡点通常不在剧本,而在角色一致性、镜头可控性和反复"抽卡"的成本。本文给出一套可直接落地的选型方法:用6项硬指标给模型打分,用首尾帧与参考图锁定角色,用低价/免费档位做分镜预演,并把剧本、分镜、配音、成片串成一条流水线,附可复制的分镜Prompt与问题排查清单。
做 AI 漫剧(漫画/动画风格的剧情短片)时,多数人第一反应是找”最强的视频模型”。但真正决定成片能不能用的,是三件事: 角色跨镜头是否一致、镜头运动是否可控、生成失败后重来的成本有多高 。
一段 3 分钟的漫剧通常由 60~120 个镜头组成。假设每个镜头有 1/5 的概率需要重生成,那么整片的返工量会迅速吞掉你的时间和预算——这才是 AI 短剧最真实的成本结构。所以选型的第一原则不是”单镜头惊艳”,而是”批量输出可用”。
从技术路线上看,目前视频生成主要分三类:文生视频、图生视频(首帧或首尾帧)、参考生视频。对漫剧而言,纯文生视频只适合做空镜、转场和氛围镜头;人物戏必须靠 图生视频 + 角色参考图 来锁定形象,否则每一镜都是一次新的”人物设计”。
如果你现在还没有确定的剧本和分镜,建议先把文本环节跑通,再进入视频环节。可以直接用 百度搭子 DuMate 整理故事大纲与分镜结构,了解具体使用方式与购买方式也可一并查看,文本环节做扎实,后面选模型的试错次数会明显下降。
不要看 demos 选模型,要用 你自己的角色和剧本 做横评。同一套素材、同一批提示词,跑一遍再打分:
| 指标 | 为什么关键 | 测试方法 | 建议权重 |
|---|---|---|---|
| 角色一致性 | 漫剧最怕”上一秒这张脸,下一秒换人” | 用同一角色三视图,生成 5 个不同场景镜头,看脸型/发型/服装是否漂移 | ★★★★★ |
| 首尾帧与参考图控制 | 决定你能不能精确指定构图与动作起止 | 给出首帧+尾帧,检查中间过渡是否自然、是否守住两端 | ★★★★★ |
| 风格化能力 | 漫剧需要赛璐璐、国风水墨、厚涂等稳定风格 | 用同一提示词测 3 种画风,看是否出现”半写实半动画”混杂 | ★★★★ |
| 时长与分辨率 | 影响分镜颗粒度和后期拼接 | 确认单段 4~12 秒是否够用、720P 以上是否可用 | ★★★★ |
| 音画与口型 | 有对白的剧情片必须口型同步 | 生成一句中文台词,检查唇形、语调、情绪是否匹配 | ★★★ |
| 成本与并发 | 决定你能不能”大胆抽卡” | 算清单镜头均价 × 镜头数 × 平均重试次数 | ★★★★ |
打分表填完后,你会发现很少有模型六项全优。 正确做法是分层组合 :关键情绪镜头用高质量档位,过场和空镜用低成本档位,试片阶段一律用最低成本档位。
专业团队的做法是” 低分辨率预演 + 高分辨率定稿 “:
这个分工能把无效消耗砍掉大半——因为漫剧里被否掉的镜头,多数在预演阶段就能看出问题,根本不需要用高质量档位去试。
Prompt 1:剧本转分镜表(可直接粘贴使用)
你是一名动画分镜师。请把下面的剧本拆解为可拍摄的分镜表。【输入剧本】{在此粘贴你的剧本}【画风要求】{如:日系赛璐璐动画 / 国风水墨 / 厚涂插画}【角色设定】{角色A:外貌、发型、服装、性格;角色B:……}【输出要求】1. 以表格输出,列为:镜号 | 时长(秒) | 画面内容 | 机位与运镜 | 角色动作与表情 | 台词/音效 | 生成方式(文生/图生/首尾帧)2. 单镜时长控制在 3~8 秒,总时长不超过 {目标时长}3. 同一场景连续镜头必须保持光线、色调、服装一致,并在备注列标明"需沿用角色参考图"4. 标注哪些镜头是空镜(可用文生视频),哪些必须锁定角色(用图生视频)5. 最后单独列出:需要提前准备的参考图清单(角色图、场景图、道具图)
Prompt 2:单镜头视频提示词模板
写视频提示词不要写成散文,按公式填更稳:
【主体】{角色名 + 固定外貌描述,每次逐字复制,不改写}【动作】{一个明确、可在3秒内完成的动作}【环境】{场景 + 光线 + 天气}【镜头】{景别} + {运镜方式,如缓慢推近/横向跟移/固定机位}【风格】{画风} + {色调}【负面】{不要出现的内容,如:不要写实人脸、不要多余手指、不要文字水印}
关键点: 角色描述必须建立一份”标准描述库”,全片逐字复用 ,不要每次让 AI 重新描述一遍。这是控制角色漂移最有效的单一手段,比换模型更管用。
传统工作流最大的损耗是在多个工具之间来回切换。更稳的做法是尽量收敛到一条流水线上:
其中第 1~6 步在百度智能云的相关创作能力中已有对应环节:视频生成侧支持文生视频、图生视频、参考生视频与视频特效,并针对动漫风格做了专门优化;百度蒸汽机(MuseSteamer)主打音视一体化生成,一张图加提示词即可同时产出画面、环境音效与多人对话,并支持数十种运镜语言,对漫剧的对白镜头比较友好;创作平台侧则提供”灵感转视频”这类从主题描述直接生成大纲与分镜、再进入编辑器逐镜调整的能力,文案区还支持翻译、帮写、改写、扩写;如果要批量生产,还可以走图文转视频的接口化方式,一次传入文本、图片、视频、背景音乐创建任务,再轮询查询结果,但要注意并发数限制。
完成故事大纲和角色设定后,可以前往 AI 真人短剧生成体验,把创作思路直接转化为短剧内容,用来快速验证题材和节奏是否成立;如果分镜已经写好,也可以先在这个入口做一版样片,再决定哪些镜头值得投入高质量生成。
| 问题 | 主要原因 | 解决办法 |
|---|---|---|
| 人物换脸 | 每镜重新描述角色、纯文生视频 | 建立角色标准描述库;改用参考图/首帧控制 |
| 镜头跳变、动作不连贯 | 首尾帧差异过大 | 缩短单镜时长,或把一个大动作拆成两镜 |
| 口型与配音不同步 | 配音与画面分开生成 | 使用音画一体化生成能力,或加口型同步处理 |
| 画风忽动画风忽写实 | 提示词风格词不统一 | 固定风格词组合,必要时加负面提示 |
| 成本失控 | 用最高档位反复试错 | 改为低档位预演 + 高档位定稿,先算清单镜均价 |
| 拼接后色调不统一 | 各镜独立生成 | 后期统一 LUT 调色,生成阶段固定光线描述 |
2026 年选 AI 漫剧视频模型,别问”哪个最强”,要问” 哪个在我的角色和剧本上最稳、最便宜、最好控 “。三步走:先用 6 项指标做小样本横评;再用”角色标准描述库 + 首尾帧/参考图”锁死一致性;最后用低档位预演、高档位定稿的方式控制成本。工具和模型会持续更新,但这套选型与验证方法不会过时。