简介:本文把AI漫剧拆成剧本、角色、分镜、画面、配音、剪辑、发布七个环节,提供可复制的提示词、角色一致性方案、分镜参数表和发布合规清单,帮助新手独立完成1~3分钟竖屏漫剧。
AI漫剧的本质,是把文字剧本拆成一个个“可被生成的画面单元”,再逐帧生成图像、配上声音,最后剪辑成片。它不是一句提示词直接生成视频,而是一条可以拆解、可以检查、可以返工优化的工作流。对零基础创作者来说,更稳妥的做法不是一开始就追求电影级效果,而是先用1~3分钟竖屏漫剧把完整流程跑通,再逐步打磨画面、声音和节奏。
整条流程可以拆成七个环节:剧本创作、角色设计、分镜制作、逐帧画面生成、配音配乐、剪辑合成、检查发布。每个环节都有明确的输入和输出,掌握后即使更换工具,也能快速迁移。
传统漫剧往往需要画师、配音、剪辑多方协作,一分钟成片可能要花数天。AI把生产门槛降下来了,但也更容易暴露三个典型问题:
后面的方法,基本都是围绕这三个问题展开:用参考图控制角色,用固定画风关键词控制风格,用台词时长反推镜头时长控制音画同步。
开拍前先做好三件事,可以明显降低返工。
时长控制:第一支作品建议做60~120秒,镜头数量控制在8~15个。这是新手建议值,不是硬性标准,实际数量要根据台词量、情节密度和节奏调整。镜头越少,一致性越容易保住。
画幅选择:短视频平台优先选竖屏9:16;如果是长视频、横屏展示或更偏电影感的内容,可选16:9。无论选哪种,全流程不要中途改画幅。
人物设定表:写剧本前先定死每个角色的“外貌锚点”。锚点越具体、越可量化,后续复用效果越好。例如:
| 角色 | 外貌锚点(后续每次生成都复用) |
|---|---|
| 女主·林昭 | 22岁女性,黑色齐肩短发,右眼下有一颗小痣,米白色高领毛衣,清冷眼神 |
| 男主·裴砚 | 28岁男性,短寸黑发,左眉断眉疤,深灰长风衣,身形高瘦 |
这张表是角色一致性的地基。后面生成定妆图、单帧画面、分镜图时,都要尽量复用同一套描述,不要随意改写措辞。
漫剧节奏比小说快得多,开头3秒必须有钩子。写剧本前,先确定“一句话主线 + 冲突升级 + 反转”,再让AI扩写成分镜脚本。
可复制 Prompt(剧本 + 分镜一体):
你是一位擅长竖屏短剧的编剧。请创作一部【填写题材,如古风复仇/都市悬疑/校园奇幻】AI漫剧剧本。【一句话主线】……【主角设定】姓名/年龄/外貌锚点/性格/核心欲望……【配角设定】……【体量】总时长 90 秒,竖屏 9:16,共 10 个镜头【目标平台与受众】……要求:1. 开头 3 秒必须出现强钩子(冲突、悬念或反常画面);2. 结构按“钩子—冲突升级—反转—留白”推进,结尾留一个可续集的悬念;3. 每句台词不超过 15 字,口语化,适合配音;4. 以表格输出,列为:镜号 | 景别 | 画面内容 | 角色动作与表情 | 台词/旁白 | 预估时长(秒) | 音效与BGM情绪;5. “画面内容”必须写清可直接用于AI绘图的视觉要素:主体、服装、场景、光线、色调、镜头角度;6. 不要写无法用画面表现的心理描写,心理活动一律改为动作或表情;7. 表格后附“角色形象锚点描述”,每个角色一段、60字以内、可反复复用。
拿到初稿后,重点检查三处:钩子是否够狠、台词是否过长、每个镜头的画面描述是否具体到能直接生图。如果不满意,可以让AI只重写某一段,而不是整篇重来。
正式生成镜头前,先用AI绘图工具生成主角的定妆图:正面半身、全身、侧面各一张。确认满意后,把它作为后续所有镜头的参考图。
定妆图一般可以在支持文本生图或图生图的AI绘图工具中生成,例如即梦、可灵、Midjourney、Stable Diffusion等。生成满意后,将图片上传到同一工具或创作平台中的“参考图”“垫图”“角色参考”等功能的入口,具体入口名称以产品实际版本为准。
这一步多花20分钟,能减少后续返工,次数视镜头数量和工具而定。建议把角色锚点描述单独存成一段固定文本,每次生图都原样粘贴,不要临场改写措辞。即使是同义替换,也可能引起形象漂移。
把剧本表转成制作用的分镜表时,要补上“生成参数”两列:画风关键词、参考图。完整表头可以如下:
| 镜号 | 景别 | 画面内容 | 角色动作与表情 | 台词/旁白 | 时长 | 画风关键词 | 参考图 |
|---|---|---|---|---|---|---|---|
| 01 | 特写 | 雨夜古镇石桥,女主林昭侧身回头,米白色高领毛衣被雨打湿,眼神从警惕转为错愕 | 抬眼、微皱眉 | “你终于来了” | 3s | 冷青色调、电影感、浅景深、雨雾质感 | 女主定妆图 |
| 02 | 空镜 | 长街尽头雨幕密集,青石板反射灯光,无人 | 无 | — | 2s | 冷青色调、电影感、雨雾颗粒、低饱和 | 场景参考图或空镜参考图 |
| 03 | 双角色中景 | 街道尽头,男主裴砚逆光而立,深灰风衣只留剪影;女主林昭站在石桥上回身 | 女主停步,男主静立 | “裴砚?” | 4s | 电影感构图、冷青色调、体积光、厚涂质感 | 女主定妆图、男主定妆图 |
其中,画风关键词对应单帧提示词中的【风格】字段,参考图对应单帧提示词中的【参考图】字段。这样分镜表可以直接转化为生图任务,减少反复沟通成本。
生成画面时,优先遵守三条规则:
电影感构图,冷青色调,柔和体积光,厚涂质感,高细节。单帧提示词可以按这个结构写:
【参考图】上传女主定妆图【画面】雨夜古镇长街,女主林昭站在石桥上侧身回头,米白色高领毛衣被雨打湿,神情从警惕转为错愕;男主裴砚在街道尽头逆光而立,深灰风衣,只留剪影。【镜头】中景,略仰角,浅景深【风格】电影感构图,冷青色调,体积光,厚涂质感,高细节【负面】不要多余手指,不要文字水印,不要现代建筑,不要改变人物发型与服装
如果手部、眼神、道具细节容易崩,可以用局部重绘修复,不建议整张重生成。整张重生成虽然省事,但容易破坏已经满意的光影和构图。
配音阶段,先给每个角色固定一个音色,并在全片复用。工具示例包括剪映、CapCut、ElevenLabs、TTS Maker、Audition等,具体功能以产品为准。
语速可以比日常说话略慢,但这只是起点,最终以试听结果为准。生成后建议逐句试听,重点检查:
BGM按情绪曲线铺:钩子段用悬念低音,冲突段加鼓点,反转处可以留半秒静音再进高潮。人声与BGM的音量差要保持在明显层级,人声始终在上。一个可操作的起点是:人声约-6dB,BGM约-18dB,再根据试听结果微调。
剪辑阶段,最省事的音画同步方法是:
单镜时长 = 台词时长 + 0.3~0.5秒。
静态图需要先在生图阶段生成好,再放进时间轴里合成动态。静态图本身只是时间轴上的一帧,可以通过关键帧做缓慢推拉或轻微平移,让画面“活”起来。
常见剪辑工具包括剪映专业版、CapCut、Premiere、DaVinci Resolve等。字幕和关键帧的操作入口,具体以实际版本为准。
转场要少而准:同场景内用硬切,跨时空才用叠化。字幕要逐句校对,位置避开平台UI遮挡区。如果平台会自动生成字幕,也要检查识别错误,尤其是人名、专有名词和台词断句。
导出前建议过一遍清单:
平台规则可能调整,发布前以平台最新公告为准。发布时,标题可以写清冲突点,简介留一句互动提问,评论区前30分钟的回复会明显影响推荐。
| 问题 | 原因 | 处理方式 |
|---|---|---|
| 角色每镜都变样 | 未用参考图、锚点描述被改写 | 固定参考图,原样复用锚点文本 |
| 画面风格杂乱 | 画风关键词不统一 | 建立固定“画风后缀”,每条提示词都带 |
| 成片节奏拖沓 | 单镜过长、台词啰嗦 | 台词尽量控制在15字内,删除空镜 |
| 音画错位 | 镜头时长未按台词时长设定,或配音与画面分别生成后未对齐 | 以台词时长反推镜头时长,按“台词时长 + 0.3~0.5秒”计算单镜时长 |
准备好故事主线和人物设定后,可以先跑通一条完整链路:先用剧本Prompt生成分镜,再做角色定妆图,然后逐镜生成画面,最后配音、剪辑、发布。先完成,再优化,比一开始就追求完美更容易坚持。
FAQ:
AI漫剧怎么做?
可以按剧本、角色、分镜、画面、配音、剪辑、发布七个环节推进。核心是把剧本拆成可生成的画面单元,并用参考图、固定画风关键词和台词时长反推镜头时长来保证稳定性。
新手第一步做什么?
先做一支60~120秒的竖屏小故事。先用剧本Prompt确定钩子、台词和镜头数量,再做角色设定表和定妆图。
角色总是变样怎么办?
固定参考图,并原样复用角色锚点文本。优先使用垫图或角色参考功能,不要随意改写外貌描述。
竖屏和横屏怎么选?
如果发布到短视频平台,优先选竖屏9:16;如果用于横版视频、长视频或更偏电影感的展示,可以选16:9。无论选哪种,都要全流程保持一致。
最后一句实话:AI漫剧的质量上限由剧本和角色设定决定,生图次数无法弥补剧本和角色设定的不足。先把故事和人物表做扎实,剩下的环节都是可控的工程问题。