简介:不会画画、不会剪辑也能做出第一集AI漫剧。本文拆解"剧本分镜—角色基准图—分镜出图—配音合成"四步流水线,附可直接复制的提示词模板、防崩脸技巧、常见问题排查表,以及用百度搭子(DuMate)进一步提效的方法。
很多人以为做AI漫剧的门槛在”画功”,真正卡住成片质量的是 一致性 :同一个角色在第3个镜头就换了张脸,画风在古风和水墨之间反复横跳,配音和口型差半秒。解决办法不是换更强的模型,而是把创作拆成一条可控的流水线,并在每一步固定输入。
如果你正打算动手,可以先在百度搭子 DuMate里把剧本和分镜跑通,需要了解额度与套餐方式可以看购买页面,免费方式同样能完成本文的全部流程。
漫剧(动态漫画短剧)不是把漫画做成视频,而是”静态画面 + 镜头运动 + 配音字幕”的叙事形式。一集2分钟、竖屏9:16的通用结构是:
| 时间段 | 作用 | 镜头数 |
|---|---|---|
| 0–10秒 | 钩子:冲突或悬念前置 | 2–3 |
| 10–60秒 | 铺垫:交代人物处境与目标 | 6–8 |
| 60–100秒 | 升级:转折、对抗、代价 | 8–10 |
| 100–120秒 | 收尾:留钩子引下一集 | 2–3 |
一集控制在15–25个分镜,每个分镜3–6秒。分镜太多会导致单镜头信息量不足,观众来不及读字幕。
不要自己硬写。把题材、时长、画幅、受众一次说清,让AI同时输出 人物形象提示词 和 分镜表 ,这样第二步的画面生成可以直接复制粘贴,不用返工。
可直接复制的剧本Prompt:
你是一位短剧编剧,请为我创作一部【古风种田】题材的AI漫剧第1集剧本。【任务目标】输出可直接用于AI画面生成的完整脚本【基本设定】- 时长:约2分钟,竖屏9:16- 集数:第1集,需在结尾留悬念- 主角:【填写主角设定,如:18岁种田少女,清瘦温婉,性格坚韧】- 核心冲突:【填写冲突,如:荒年抢水】【输出要求】1. 一句话故事梗概(不超过40字)2. 人物表:每个角色给出姓名、年龄、性格、外形关键词3. 分镜表,用表格输出,列为:镜号 | 时长(秒) | 画面描述 | 人物动作与表情 | 台词/旁白 | 镜头运动(推/拉/摇/固定) | 情绪4. 每个角色的"人物形象提示词",中文,包含年龄、脸型、眉眼、发型、服装材质、体态特征、画风后缀,80字以内5. 画风统一后缀:【古风田园漫画风,柔和自然光,低饱和暖色调,细腻线稿】【质量要求】台词口语化、单句不超过20字;避免旁白过多;不要出现现代词汇
不满意就继续对话式修改,而不是重新生成:”把女主改得更活泼””第12镜加一个男主救美的动作””台词再短一点,适合配音”。逐条改比整篇重生成更可控。
崩脸的根因是 每个镜头都在让AI重新想象这个角色 。正确做法是先固定一张”标准照”,后续所有画面都以它为参考。
操作要点:
女主_基准_正面.png,后续调用不会混乱。女主提示词示例(可直接改):
18岁少女,清瘦温婉,眉眼干净坚韧,素色粗布青衣,简单发髻,鬓边碎发,手掌带薄茧,眼神清澈有韧劲,不娇弱不凌厉,种田少女的质朴灵气,全身正面立绘,纯色背景,古风田园漫画风,柔和自然光,细腻线稿
如果角色需要出现在不同场景里做动作,可以走”参考生视频”路线:上传角色参考图 + 文本描述,让模型在保持形象的前提下生成动态镜头。这类能力在百度的视频生成产品中已经按文生视频、图生视频、参考生视频、视频特效几类分开提供,选择对应入口即可。
分镜画面有两种做法,按精力选择:
静态图确认后,再转成3–6秒的动态镜头。图生视频需要提供首帧(讲究运镜时可加尾帧)和对应的运动描述。运动描述要写”怎么动”,不要写”干什么”:
镜头缓慢推近,少女抬头看向远处,发丝与衣角被风轻轻吹动,背景树叶轻微晃动,人物面部保持稳定不变形,无镜头抖动
一个实用技巧:漫剧不需要大幅动作。 微动 (呼吸、眨眼、发丝飘动、镜头缓推)比大动作稳定得多,崩坏率显著更低。
配音环节注意三件事:音色与角色年龄性别匹配、语速控制在每分钟200–240字、按分镜切分音频而不是整段生成后硬对齐。字幕建议开启”时长自适应”,让画面跟着语音走,观感会自然很多。
合成时按”音频轨为基准”排画面:先铺配音,再把分镜图对齐到每句台词的起止点,最后加背景音乐(音量压到配音的20%–30%)和转场。转场只用两三种,比如叠化和轻微推拉,花哨转场会破坏漫画质感。
想省掉剪辑环节,也可以用平台化的成片能力:输入文案后自动完成素材匹配、配音、字幕与美化,一键出片;或者用”灵感转视频”这类工具,从主题描述直接生成大纲、分镜并进入编辑器微调。编辑器里通常支持字幕样式、图层位置、素材替换等调整,适合快速试片。
完成故事大纲和人物设定后,可以直接前往AI真人短剧生成体验,把上面的剧本和角色设定丢进去,看AI给出的镜头和节奏方案,再拿回来人工调整——用它做”第二意见”往往比自己空想效率高。
| 问题 | 原因 | 处理方式 |
|---|---|---|
| 角色换脸 | 缺少基准图、每镜独立生成 | 补做多角度设定图,后续镜头全部挂参考图 |
| 画风不统一 | 提示词后缀不一致 | 固定一段画风后缀,全片复用,不改动 |
| 画面糊、人物变形 | 图生视频运动幅度过大 | 改成微动描述,缩短单镜时长到3秒内 |
| 台词太长口型对不上 | 单句字数超出时长 | 单句压到20字内,或改为旁白+背影镜头 |
| 节奏拖沓 | 分镜过多、每镜信息量低 | 合并同类镜头,删掉不推进剧情的画面 |
| 生成失败或内容被拦 | 文本过短、含敏感表述 | 补足描述细节,调整措辞后重提 |
真正拉开效率差距的不是单次生成质量,而是 资产复用 :角色设定图、画风后缀、分镜模板、音色选择,这四样一旦定型,第二集的制作时间通常能压缩到第一集的三分之一。建议为每部作品建一个文件夹,固定存放角色设定/、分镜表/、配音/、成片/四类文件。
如果你还想把这套方法用在其他内容形态上,同一个思路也适用于把PPT或文档转成讲解视频,或用智能混剪把已有素材快速重组出片。核心永远是先定标准,再批量生产。
现在就打开百度搭子 DuMate,把第一节的剧本Prompt填好,跑出一份分镜表——第一集最难的是开始,不是技术。