简介:AI漫剧不是"生成几张图再让图动起来",而是一条以故事为核心的生产链。本文拆解剧本策划、角色视觉资产、分镜脚本、关键帧生成、图生视频、配音剪辑六个环节,给出可直接复制的分镜 Prompt、角色一致性优化方法和常见问题排查思路,帮你判断自己要做的究竟是一组"会动的图片",还是一部能连续追看的作品。
很多人第一次接触 AI 漫剧,会把它理解成”用 AI 生成几张图,再让图片动起来”。这个理解不能算错,但只看到了最后两步。完整的链路是:
故事内核 → 视觉资产库 → 分镜脚本 → 关键帧生成 → 图生视频 → 配音与后期
判断一个作品是不是真正的漫剧,不看它用了哪个绘图或视频模型,而看它是否具备四个要素:有可持续的故事(人物有目标、剧情有冲突、前后集有因果关系);有稳定的视觉资产(角色、场景、道具、画风能被反复调用);有镜头化表达(故事被拆成画面、动作、景别、运镜和声音);AI 参与了关键生产环节(策划、剧本、分镜、美术、视频、配音或后期)。
如果你手上已经有一个故事想法,可以先借助百度搭子(DuMate)把世界观、人物设定和分镜脚本这几步”文本环节”跑通,再进入图像与视频生成;想了解获取方式可以看 DuMate 购买页,文本创作环节本身并不依赖付费工具。
一部 3 分钟的漫剧,传统动画流程需要美术设定、原画、中间帧、上色、合成,人力密集且周期长;而纯 AI 无脑生成的问题恰好相反—— 每个镜头都换一张脸,每段剧情都接不上 。
关键认知是: AI 不是故事本身,也不是导演本身。 它更像一支速度很快、能力很多,但需要明确指令的制作团队。你让它”生成一个修仙故事”,它可能给你一段看起来热闹、实际无法拍摄的文字;你让它”生成一个修士”,它可能每个镜头都换一张脸。创作者真正要做的,是把故事拆解成 AI 能够稳定执行的任务。
举个例子。假设故事设定是:2099 年地球联盟意外打开通往修仙文明”灵墟”的空间裂隙,双方互派卧底——修士苏玄潜伏在月球背面的蓝星基地,地球特工林炎潜伏在灵墟的太虚剑宗,两人都在寻找对方,却都不知道对方的真实身份。
如果只把这段设定写成一句提示词”未来月球基地与修仙世界展开双向谍战”,AI 或许能生成一个很有气氛的镜头,但它无法自动变成一集完整的漫剧。第 1 集必须继续回答:观众先看到哪一个世界?第一个出场的是谁?他此刻想要什么?这一集结尾留下什么钩子?
先产出三份文本:一句话故事(logline)、分集大纲(每集 60~120 字,写清目标—冲突—转折—钩子)、人物小传(年龄、身份、外貌特征、说话习惯、核心欲望)。
人物小传里的 外貌特征必须写成可复用的固定描述 ,例如”男,二十七八岁,短黑发,左眼下方一道细疤,深灰色立领制服”。这段描述后面会原封不动地出现在每一个分镜提示词里,这是解决一致性的第一道保险。
先不做分镜,先”定妆”。用文生图生成角色三视图(正面、侧面、半身)和主要场景全景图,确定后再锁定。
这一步可以借助 AI 作画这类文生图能力:它支持自定义创意描述,也可以从咒语书中取推荐提示词填入优质 prompt,同时支持三种尺寸、每种尺寸下三档清晰度,并可一次批量生成 1~8 张候选图,通常等待 7~15 秒即可拿到结果。中文语义理解较好,配合风格修饰词可以生成不同风格、构图与流派的画面。
一致性的核心技巧 是改用”图生图”而不是每张都从零文生图:上传已经定稿的角色图作为参考,选择”参考人物长相”,模型会依据人物面部特征重绘;如果只想沿用构图或画风,则用”参考整图”并调节参考强度,强度越高与原图越相似。需要整体风格迁移时,可使用支持参考图作画的高级版本。
分镜表建议包含:镜号、景别、画面描述、人物动作、台词/旁白、运镜、时长、音效。示例:
| 镜号 | 景别 | 画面与动作 | 台词/旁白 | 运镜 | 时长 |
|---|---|---|---|---|---|
| 01 | 大远景 | 月球背面蓝星基地,地球弧光悬在天际 | 旁白:2099 年,裂隙开启的第七年 | 缓慢右移 | 4s |
| 02 | 中景 | 苏玄立于观察窗前,指尖凝出一枚发光符箓 | 苏玄:第七年了,还没找到他 | 固定 | 3s |
| 03 | 特写 | 符箓熄灭,玻璃倒影里他的眼神一变 | — | 轻推 | 2s |
一个经验值: 单镜头 3~5 秒 ,超过 5 秒 AI 视频容易出现画面漂移;一集 2~3 分钟大约需要 30~50 个镜头。
按分镜逐条生成,提示词统一采用”风格 + 角色固定描述 + 场景 + 动作 + 景别 + 光线 + 画质”的结构。同一场景内保持光线与色调描述一致,避免观众产生跳戏感。每个镜头生成 4~8 张备选,挑出最符合分镜意图的一张。
关键帧确定后进入动态化。可以用 AI 成片这类”图文转视频”能力:传入文本、图片、视频、背景音乐等参数创建任务,拿到任务 ID 后通过查询接口查看生成状态,视频生成完毕后即可获得视频地址链接。也可以在智能创作平台的「AI 视频」中,输入文案并上传图片或视频素材,依次完成布局、标题、模版、配音、背景音乐、角标、片头、片尾等设置,一键生成视频。
运镜提示要写得克制: “镜头缓慢右移,人物衣角轻微飘动” 这类描述比”人物转身拔剑大战三百回合”更容易成功。复杂动作建议拆成两个镜头。
AI 视频生成流程本身已覆盖配音、字幕、素材匹配与美化处理等环节。任务提交后可在导航栏「任务中心」查询进度,处理完成后在「作品」中查看或下载。最后统一做三件事:音量归一化(旁白与对白不要忽大忽小)、字幕校对(人名地名最容易错)、片头片尾与下集预告。
把下面这段交给 AI 助手,替换占位内容即可:
你是一名漫剧分镜编剧。请基于以下资料,输出一集可直接用于 AI 绘图与图生视频的分镜脚本。【故事设定】{填写世界观与核心冲突}【本集人物】{姓名、身份、固定外貌描述、说话习惯}【本集剧情节点】{目标—冲突—转折—结尾钩子}【画风要求】{国漫风/写实风/二维/三维质感,色调与光线基调}【输出要求】1. 先输出 100 字以内的本集梗概和一句话钩子;2. 再以表格输出分镜,列为:镜号|景别|画面描述|人物动作|台词或旁白|运镜|时长(秒)|音效;3. 单镜头时长 3~5 秒,总时长控制在 {2~3} 分钟;4. 每个镜头的画面描述必须包含"角色固定外貌描述"中的关键特征,不得自行更改发型、服装、疤痕等细节;5. 全片只允许出现 {2~3} 个场景,避免场景频繁跳换;6. 最后附上"本集 AI 绘图提示词清单",每条按"风格+角色描述+场景+动作+景别+光线+画质"结构书写,可直接复制使用。【质量要求】台词口语化、可朗读;不出现无法用单帧画面表达的心理描写;不出现需要复杂连续动作的镜头。
生成后重点检查三处:角色外貌描述是否每镜一致、场景数量是否超标、有没有”无法画出来”的心理描写。不达标就带着具体问题让它重写指定镜号,而不是整篇重来。
在投入完整制作前,建议先用 1 个镜头段落做样片验证画风和动态效果。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,尝试把创作思路转化为可播放的短剧内容,用来检验剧情节奏和对白是否立得住。如果画风偏向低龄或绘本感,也可以先用 儿童绘本生成体验 快速试出一版视觉基调,再决定是否沿用。角色定妆阶段需要反复挑选人物形象时,头像生成体验 也能作为候选方案的补充来源。
画面一致性差 :优先用参考图生图而非纯文生图,固定外貌描述文本,同一角色在同一集内不更换描述措辞。
动态效果僵硬 :缩短单镜时长,把大动作拆成小动作,运镜只保留一种。
剧情拖沓 :删掉不推动冲突的场景,每集只保留一个核心矛盾和一个钩子。
任务排队久 :视频生成是异步的,用任务 ID 轮询查询状态即可,不要重复提交相同任务。
风格不统一 :先定一张”风格基准图”,后续所有生成都以它为参考整图输入。
AI 漫剧的门槛从来不在”能不能生成图”,而在 你能不能把故事拆成 AI 稳定执行的任务 。先把剧本和分镜做扎实,再让 AI 去执行画面,你会发现工具只是加速器,真正的作品仍然由你的叙事判断决定。