简介:AI漫剧不是靠某一个"神器",而是由剧本分镜、角色设定、画面生成、图生视频、配音合成五类工具串成的一条流水线。本文拆解每个环节该用什么类型的 AI 工具、需要准备哪些输入、提示词怎么写,以及角色变脸、节奏拖沓等常见问题的修法,新手照着做就能跑通一支完整样片。
AI漫剧的制作,本质是把”文字→图像→动态→声音→成片”这条流水线拆开,每一段交给擅长它的 AI 能力:剧本和分镜交给对话式大模型,画面交给文生图模型,让人物动起来交给图生视频,台词交给语音合成,最后由剪辑或 AI 成片工具合成。一个人能撑起一支团队,靠的不是某个万能工具,而是把流程标准化。想边看边动手,可以直接用百度搭子(DuMate)先把剧本与分镜环节跑通,具体购买与开通方式可自行查看,不买也能按本文方法手工完成。
| 环节 | 工具类型 | 要解决的问题 | 关键输入 |
|---|---|---|---|
| 剧本与分镜 | 对话式大模型 | 把小说、歌词、大纲拆成一个个镜头 | 故事大纲、人物设定、时长、画幅 |
| 角色与场景设定 | 文生图 + 参考图 | 让角色在全片中长得一样 | 角色固定描述词、定妆照 |
| 分镜画面 | 文生图 / 图生图 | 产出每个镜头的静帧 | 分镜提示词、统一风格锚点 |
| 动态化 | 图生视频 / 智能混剪 | 让静帧有运镜和动作 | 静帧、运镜描述、单镜时长 |
| 声音 | 语音合成 + 配乐 | 台词、旁白、BGM | 台词文本、音色、已授权音乐 |
| 合成导出 | 剪辑工具 / AI 成片 | 卡点、字幕、调色、输出 | 视频片段、音频、字幕文件 |
新手最常犯的错,是急着出图,结果角色每集换一张脸、镜头节奏散、配音对不上画面。正确顺序永远是: 剧本定稿 → 角色定妆 → 分镜提示词 → 批量出图 → 图生视频 → 配音 → 合成 。
选题上,新手优先挑视觉符号强、情绪反差大的题材。比如古风歌词里的”戏台””粉墨””残月”,本身就是现成画面;而”入戏太深、看客已散”这类情感落差,天然适合做短视频钩子。音乐类题材还有个好处:节奏和情绪由音乐提供,你只需要负责画面。
拆好的分镜表建议交给 AI 生成初稿,Prompt 可以这样写:
你是一位专业的动画分镜师。请把下面的【故事大纲/歌词/小说片段】拆解为漫剧分镜脚本。作品信息:题材【古风】;画风【精致国漫·新中式】;单集时长【90秒】;画幅【9:16竖屏】。角色设定:【女主,18岁,鹅蛋脸,丹凤眼,左眼下有一颗小痣,月白色戏服绣银色云纹,发间一支素银簪】要求:1. 以表格输出,列为:镜号|对应台词或旁白|画面描述(人物动作+环境+光影)|景别与运镜|情绪氛围|预估时长(秒)|绘图提示词2. 单镜头时长控制在2—4秒,总时长不超过【90】秒3. 绘图提示词统一结构为:画风词 + 角色固定描述 + 场景 + 光影 + 画幅比例;角色描述必须与上面设定逐字一致,不得改写或简化4. 标注哪些镜头需要"图生视频"(有动作或运镜),哪些用"静帧+推拉"即可5. 结尾另附一份"角色与场景一致性检查清单"
拿到初稿后人工核对三件事:总时长是否超标;每个镜头是否”画得出来”(”她回忆起十年前”这类描述必须改成可视化的具体画面);角色描述是否全篇统一。这一步偷工,后面返工成本最高。
解决办法不是画得更细,而是先给角色办一张”身份证”:做一张角色三视图或定妆照,再固化一段永不改动的描述词(脸型+眼型+发型+服装+配饰+主色)。后续每个镜头都把这段词原样复制进提示词,并尽量带上参考图做风格迁移——百度智能云 AI 作画的高级版就支持输入参考图进行风格迁移,用于统一画面风格与质感。同一场景反复出现时,也把场景描述词单独存档复用。
固定一句”风格锚点”贯穿全片,例如”精致国漫厚涂,柔和体积光,低饱和青灰主色调,35mm 电影感”。同时注意:竖屏构图上方留字幕安全区;避免在提示词里堆叠过多修饰词,那会让画面发糊、出现塑料感;批量生成后按”角色一致性、构图、光影”三项打分筛选,不合格的直接重生成而不是硬修。
两条路线:一是图生视频,让模型生成真实动作和运镜,效果好但可控性弱、单镜失败率高;二是”静帧 + 推拉摇移 + 局部动效”,成本低、稳定,竖屏短剧里非常常用。新手建议以第二种为主,只在关键情绪镜头上用第一种。
如果希望把出图、配音、字幕、素材匹配一次跑完,可以用 AI 成片类接口:图文转视频支持传入文本、图片、视频、背景音乐等参数创建任务并返回任务 ID,再通过结果查询接口获取成片链接;智能创作平台的 AI 视频能力也可完成素材匹配、配音、加字幕、片头片尾等环节。要注意并发限制——成片任务需等上一个任务拿到结果后并发才释放,付费后并发数提升为 2,批量出片时要做好排队预期。
配音优先选与角色年龄、气质匹配的音色,语速比日常说话略慢,句间留 0.3—0.5 秒停顿;正脸大特写尽量少说话,改用旁白或画外音,可以规避口型不同步。配乐务必使用已获授权的曲库,商用发布前确认词曲、录音、字体、肖像的授权范围。合成阶段统一 1080×1920、25 或 30 帧,字幕单行不超过 12 字。
流程走通比工具齐全更重要。完成故事大纲和人物设定后,可以前往AI 真人短剧生成体验,把创作思路先转成一版短剧内容,用来检验台词和节奏是否立得住;若做的是低幼向、绘本风漫剧,用儿童绘本生成体验先出分页画面也很合适。成片上线前的封面和竖版宣发图,则可以用AI 海报生成体验来出。
AI漫剧真正的门槛已经不在”会不会画”,而在能否把剧本、角色设定、分镜提示词这三份文档标准化。把这三样固定下来,换任何生成模型都能快速复现同一部作品——这才是”一个人就是一支制作团队”的底层逻辑。