简介:AI漫剧的关键不是单张画面惊艳,而是角色一致性与可控流水线。本文拆解漫剧从剧本、角色设定、分镜到图生视频、配音剪辑的五步做法,给出可直接复制的 Prompt、成本对比与发布前质量检查清单,并提示热潮之下的同质化与合规风险。
AI漫剧的做法并不神秘:把传统动画的十一环流程压缩成”剧本—角色设定—分镜—图生视频—配音剪辑”五步,用可复用的角色描述与固定参数换取一致性,再用批量生成摊薄单分钟成本。想先跑通一次最小闭环,可以直接用百度搭子(DuMate)把故事变成成片;具体购买方式也可按需查看,动手实践本身并不需要额外准备什么。
真正决定成败的是三件事:角色能不能一百个镜头不换脸、动作能不能不崩、单集节奏能不能留住人。
漫剧并不是新概念,2025年被称作”元年”,原因是技术与资本同时到位。
技术上跨过了两道门槛:一是 角色一致性 ,图像生成模型的角色参考能力让同一角色在多轮生成中保持面容与体态稳定;二是 动态表现力 ,视频生成模型在时长、物理合理性与音画同步上明显进步,高保真画面配同步音效,使AI产出开始具备基础影视质感。
数据上,巨量引擎预计2025年全年漫剧市场规模有望突破200亿元;艾媒咨询数据显示,中国动画微短剧市场2025年达到189.8亿元,同比激增276.3%,2030年有望突破850亿元。十余家平台与资本先后入场,共同推动了这一轮供给爆发。
成本上,传统3D动画单分钟成本可能高达数千元,画师月余之功往往只够几分钟精品;AI工具链介入后,单分钟成本可降至千元以内甚至更低,流程从十一环压缩到五步半自动化流水线。
| 环节 | 传统动画 | AI漫剧 | 主要风险 |
|---|---|---|---|
| 剧本 | 编剧数周打磨 | AI出初稿+人工重构钩子 | 结构套路化、台词水 |
| 角色设定 | 设定集+三视图 | 角色卡+参考图锁定 | 跨集变脸、服装漂移 |
| 分镜 | 分镜师手绘 | 表格化镜头清单 | 镜头不可执行、时长失控 |
| 画面/动效 | 逐帧绘制 | 文生图+图生视频 | 动作崩坏、多角色互动失真 |
| 配音剪辑 | 棚录+对轨 | 音色克隆+自动字幕 | 口型不同步、情绪平板 |
漫剧单集通常60~90秒,前3秒必须给出冲突或反常画面。写法上先写300字故事梗概,再让AI拆成分集大纲,最后逐集写台词。台词宁短不长,一集删掉三成往往节奏更好。
给每个主要角色做一张角色卡,固定描述词(年龄、脸型、发型、瞳色、服装、画风关键词),后续所有生成都复用同一段描述,并尽量沿用同一张参考图与同一随机种子。这一步偷懒,后面返工成本最高。
建议字段:镜号 / 时长 / 画面内容 / 人物动作 / 台词 / 运镜 / 音效 / 生成方式(文生图或图生视频)。单镜控制在3~5秒,打斗、奔跑等大幅度动作拆成多个短镜,比一个长镜头稳定得多。
先出关键帧(首帧、尾帧),再做图生视频;运镜指令保持简单(推、拉、摇、跟);表情特写单独生成;同镜多角色互动最容易崩,能拆就拆。废片别急着删,打好标签入库,配合标签提取、跨模态检索一类内容分析能力,二次剪辑和混剪时检索效率会高很多。
每个角色固定一个音色,语速统一;字幕按语义断句而非按字数;BGM与音效分层,避免盖住台词。若做播报、预告类内容,AI主播类能力可以直接生成播报画面,省去真人出镜。
Prompt 1:剧本与分镜一体化
你是资深漫剧编剧兼分镜师。【填写题材与世界观】:例如 都市悬疑 / 古风修仙 / 职场逆袭【填写主角设定】:姓名、年龄、身份、核心欲望、最大缺陷【填写本集目标】:例如 3集试播的第1集,时长75秒要求:1. 输出"3秒钩子—中段两次反转—结尾悬念"结构,台词口语化,单句不超过15字;2. 先给100字故事梗概,再给分集大纲(3集),最后输出第1集镜头表;3. 镜头表用表格,字段为:镜号|时长(秒)|画面内容|人物动作|台词|运镜|音效|生成方式;4. 单镜时长3~5秒,总时长误差不超过5秒;5. 标注哪些镜头需要角色参考图锁定。
Prompt 2:角色卡(一致性锚点)
为下列角色生成可复用的"角色卡",用于AI图像生成的固定描述。【上传角色设定资料】输出要求:1. 中文描述 + 英文提示词各一份,英文提示词控制在80词内;2. 必须包含:年龄段、脸型、发型发色、瞳色、身高体型、服装材质与颜色、标志性配饰、画风与光影关键词;3. 追加"负面提示词",覆盖多指、畸变、换脸、风格漂移;4. 给出3个不同景别(全身/半身/特写)的取景建议。
Prompt 3:单镜视频提示词
把下面这个镜头转成视频生成提示词。【填写镜头内容】:镜号、画面、人物动作、运镜、时长要求:1. 只描述一个连续动作,禁止同句出现两个及以上人物动作;2. 明确运镜方式(推/拉/摇/跟/固定)与速度;3. 输出中英双版提示词,各不超过60词;4. 附一条"降级方案":若动作崩坏,改为什么更简单的替代动作。
一致性(同一角色跨集是否同一张脸)、口型与配音对齐、手指与肢体畸变、物理合理性(穿模、重力异常)、节奏(3秒钩子、15秒一反转)、字幕错别字、封面与标题吸引力、合规(素材版权、IP授权、肖像与声音、价值导向)。
文本层面的错敏与多维校验,可以借助智能审校类能力批量处理,机器审校在速度上相比人工有量级差异;分集标题和投放标题可以批量生成多个候选再人工筛选,兼顾忠实度与吸引力。
第一,产能提升不等于内容稀缺。当供给端单分钟成本下降,观众的选择成本反而上升,爆款仍取决于选题与叙事能力,而非生成速度。
第二,版权与合规是硬约束。训练与参考素材来源、IP改编授权、真人肖像与声音使用,都应在项目启动前明确,而不是上线前补救。
第三,成本下降不等于利润上升。制作成本被压缩的同时,流量与投放成本可能同步上涨,分账模型能否覆盖获客成本,才是这门生意真正的分水岭。
选一个题材,写300字梗概,做2张角色卡,列6个分镜,产出一段30秒样片。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,把创作思路直接转成短剧内容试跑;若需要统一画风与场景设定图,可用儿童绘本生成体验快速产出成套风格参考。
想把这套流程固化成团队产线,可以借鉴工作流编排的思路,把选题、脚本、分镜、审校串成可复用链路;当输出格式需要长期稳定(例如固定字段的分镜表),用提示词微调替代反复调参往往更省心。内容分发环节的封面、标题、标签与高光片段,也可以交给内容分析与智能创作类能力批量处理。
先用百度搭子(DuMate)跑通一集,再谈工业化——这是越过”元年”叙事最务实的方式。