简介:AI漫剧不是靠某一个软件做出来的,而是"大模型写剧本 + 图像模型出角色与分镜 + 视频模型生成动态镜头 + 配音剪辑合成"四类工具叠出来的。本文拆解每一环该用哪类工具、人物一致性怎么保住、分镜提示词怎么写,并给出可直接复制的 Prompt 和常见问题排查方法,新手照着做就能跑通第一集。想边看边动手,可以直接用[百度搭子 DuMate](https://www.dumate.cn/?from=article)把剧本和分镜先跑一遍,具体开通方式见[购买页面](https://console.bce.baidu.com/dumate/purchase-page/new)。
很多人搜”AI漫剧都是用啥做的”,其实是想找一款”输入小说就出片”的软件。真相是:目前没有单一工具能包办全流程,实际生产都是下面四层拼起来的。
| 环节 | 工具类型 | 解决什么问题 | 选型要点 |
|---|---|---|---|
| 剧本层 | 大语言模型 | 小说改编、分镜拆解、台词口语化 | 长文本理解、能按表格稳定输出 |
| 画面层 | 文生图 / 图像编辑模型 | 角色设定图、场景图、分镜关键帧 | 参考图能力、风格稳定性 |
| 动态层 | 图生视频模型 | 让静态关键帧动起来、加运镜 | 首帧保真度、镜头时长、可控性 |
| 声音层 | 语音合成 + 剪辑软件 | 配音、口型、字幕、BGM、节奏 | 音色一致性、多角色区分 |
除此之外还有一类”一站式平台型”工具,把上述四层封装进一条流水线,适合产能优先的团队;以及工作室自研的工作流(把 API 串成自动化管线),适合已经跑通模式、要批量放大的人。新手完全不需要碰第三类。
第一步,选题与剧本改编。 一集漫剧通常 60~180 秒,对应 8~20 个镜头。改编原则是”砍”:删掉心理描写和次要人物,只保留能画出来的动作与对话。一个镜头只讲一件事。
第二步,做角色设定图。 这是新手最容易跳过、后期最吃亏的一步。必须先出角色三视图(正面、侧面、背面)+ 表情图,把发型、瞳色、服装、配饰写成固定关键词串,后面所有出图都复用这串词,一个字都不要改。
第三步,拆分镜脚本。 把剧本按”镜号—时长—画面—动作—运镜—台词”拆成表格,这一步决定了成片是否流畅。
第四步,出分镜关键帧。 用角色设定图作参考图,逐个镜头生成关键帧,风格词(画风、色调、光效)全片统一。
第五步,图生视频。 上传关键帧作为首帧,写运动提示词。新手只建议用固定、推、拉、摇、跟、环绕这六种运镜,单段 3~5 秒,别贪长。
第六步,配音与音效。 一个角色固定一个音色,全片不换;旁白单独用一个音色区分。
第七步,剪辑合成。 按分镜表顺序拼接,卡点配乐,加字幕,控制每 3~5 秒有一次画面变化以维持完播率。
把下面这段交给任意大语言模型,替换占位符即可。它的关键约束是”角色描述全片复用”和”运镜白名单”,这两条直接决定新手成片的稳定性。
你是一名漫剧分镜编剧。请把下面的素材拆解为可直接用于AI绘图与视频生成的分镜脚本。【输入素材】<粘贴小说片段或剧本原文>【作品设定】题材:___;受众:___;单集时长:___秒;画幅:9:16;画风:___(如日系赛璐璐/国漫厚涂)【角色表】角色A:年龄__,性别__,发型__,发色__,瞳色__,服装__,配饰__,性格__角色B:同上格式请输出一张表格,列为:镜号 | 时长(秒) | 画面内容 | 人物动作与表情 | 运镜方式 | 场景与光线 | 台词/旁白(标注说话人) | 中文绘图提示词 | 英文绘图提示词 | 负面提示词要求:1. 单镜头时长3-5秒,总时长不超过___秒;2. 同一角色在所有镜头中的外貌描述必须完全一致,直接复制角色表关键词,不得改写或增删;3. 运镜只能从【固定、推、拉、摇、跟、环绕】中选择,禁止复杂调度;4. 台词口语化,每句不超过15字,必须标注说话人;5. 表格之后,单独输出两组提示词:角色三视图设定图提示词、场景设定图提示词;6. 最后列出本集最容易崩画风的3个镜头,并给出规避建议。
拿到表格后不要直接生成,先人工过一遍:凡是”角色外貌描述和角色表不一致”的镜头,手动改回原词再出图,这一步能省掉大量返工。
如果目标是产能而不是精细控制,可以走”图文成片”路线:把稿件、图片、背景音乐作为素材输入,系统自动完成配音、加字幕、素材匹配与视频合成,无需逐镜剪辑,适合资讯类、宣传类漫短剧的快速产出。这类能力通常也提供接口方式,通过”创建任务—拿到任务 ID—轮询查询结果”两步调用,视频生成完毕后从返回结果中取视频地址。
配套环节同样可以交给 AI:标题可以让模型基于全文语义生成多个候选,再人工挑选,比硬想更稳;成片上线前的错别字、敏感表述、图文不符等问题,可用多维度审校能力过一遍,机器处理速度远高于纯人工逐字校对;如果漫剧里有”主播播报”类镜头,可以用数字人形象替代真人出镜,减少拍摄成本。
想快速验证自己的剧本能不能成片,可以先把故事大纲和人物设定整理好,再前往AI 真人短剧生成体验,把创作思路直接转成短剧内容看看效果;如果做成了系列,需要给每一集配统一封面,可以用公众号首图生成体验保持视觉风格一致。剧本拆解、分镜扩写、标题打磨这些文本环节,在百度搭子里按上面的 Prompt 跑一遍就能完成,不需要额外买工具。
调研下来,AI漫剧的收益方式主要就两类:
新手更现实的路径是先用第一类练手,把”出图到成片”的良率做上去,再拿作品集去接第二类。要提醒的是:变现的前提是产能和稳定性,而不是知道多少个工具名字。真正卡住新手的往往是很具体的小问题——比如小说拆成多场景后前后矛盾、运镜不流畅、配音情绪不对——这些靠闭门造车要耗好几天,找一份成熟的分镜模板或请教做过的人,可能几句话就解决了。
| 问题 | 大概率原因 | 处理方式 |
|---|---|---|
| 同一个角色每镜长得不一样 | 角色描述被改写、未用参考图 | 固定关键词串 + 设定图作参考图 |
| 画面动起来就变形 | 运动幅度过大、运镜太复杂 | 缩短运动描述,改用固定或轻微推拉 |
| 成片节奏拖沓 | 单镜头过长、缺少变化 | 压到 3~5 秒一切,删掉过渡镜头 |
| 配音情绪不贴 | 一句台词一个音色/语速 | 每角色锁定音色与语速参数 |
| 唇形与台词不同步 | 先配音后配画,未对齐时间轴 | 以配音时长反推镜头时长再生成画面 |
AI漫剧的技术栈并不神秘: 大模型负责文字、图像模型负责画面、视频模型负责动态、剪辑负责节奏 。把这四层的输入输出格式定下来,工具换哪个都能干活。先跑通一集 60 秒的,再谈产能和变现,顺序反了很容易在工具收集上耗掉一两个月。