简介:AI 漫剧一个人做 100 集,靠的不是一句"万能提示词",而是把生产拆成剧本、设定、分镜、生图、生视频、合成六条可复用流水线。本文给出完整的连续剧制作流程、角色一致性控制方法、可直接复制的分镜 Prompt,以及批量生成时的并发与失败重试处理思路。
一个人能做 100 集 AI 漫剧,核心能力不在于会用某个 AI 短剧 Agent,而在于把剧集生产改造成 工业化的流水线 :剧本结构化、资产可复用、每集可单独重做、失败可断点续跑。目前市面上的 AI 短剧工具确实已经支持超长剧情和多剧集模式,但成品质量仍然高度依赖人工把控——这也是为什么头部团队仍需要大量人力”手搓”漫剧。
如果你的目标是自己跑通这条链路,可以先准备好一份剧本大纲和人物设定, via 百度搭子 DuMate 把创作思路直接落成可执行的任务;想了解具体使用方式和套餐,可查看购买页面,基础创作任务并不需要额外付费即可完成。
传统动态漫一集的成本集中在三块:画师产能、动画/运镜工时、配音配乐外包。三块都是人力线性堆叠,集数越多,边际成本几乎不下降。
AI 接手的是其中 可标准化 的部分:
| 环节 | 传统做法 | AI 流水线做法 | 人工仍需负责 |
|---|---|---|---|
| 剧本/分集 | 编剧逐集写 | 大模型批量扩写分集梗概 | 主线设计、爽点节奏 |
| 角色与场景 | 画师设定集 | 文生图生成角色三视图+场景图 | 挑选与定稿 |
| 分镜 | 分镜师手绘 | 结构化 Prompt 批量生成分镜表 | 镜头语言审校 |
| 首帧画面 | 画师逐张绘制 | 文生图批量出图 + 抽卡筛选 | 一致性与崩坏排查 |
| 视频片段 | 逐帧动画 | 图生视频批量生成 | 动作合理性判断 |
| 配音配乐 | 外包录制 | TTS + 音乐库自动匹配 | 情绪与断句微调 |
| 合成 | 剪辑师 | 自动拼接 + 片头片尾包装 | 成片质检 |
真正省下来的是”产能”,省不下来的是”审美和判断”。所以一个人的产能上限,取决于你能多快判断”这一帧能不能用”。
参考传统剧集工作流,AI 漫剧的稳定流程可以固定为 8 步,每一步的产出物都要落盘成文件,而不是留在对话框里:
第 3、4 步是 100 集能不能”看起来像同一部剧”的分水岭。跳过资产库直接开生成,第 20 集之后角色脸就完全对不上了。
角色一致性目前有三条实用路径,可以叠加使用:
场景同理。给每个场景编号(S01 客栈大堂、S02 皇宫长廊),分镜表里只写编号 + 机位,生成时再展开成完整提示词。这样 100 集的场景描述维护成本几乎为零。
Prompt 一:从故事梗概生成 100 集分集表
你是一位资深短剧主编剧。请将下面的故事改写为一部【填写总集数,如100】集的竖屏短剧分集表。【输入故事梗概】:【填写你的故事梗概,或上传剧本文件】【目标受众】:【填写受众,如男频/女频、年龄段】【单集时长】:【填写,如90秒】【爽点密度要求】:每集至少1个反转或情绪爆点,每3集一个小高潮,每10集一个大高潮请按以下要求输出:1. 先输出"剧集圣经":世界观、主角成长线、核心矛盾、3个主要配角的功能定位。2. 再输出分集表,每集包含:集数 / 标题 / 开场钩子(前3秒)/ 剧情梗概(150-250字)/ 结尾悬念 / 本集情绪关键词。3. 保持人物动机和世界观前后一致,不得出现设定冲突。4. 以 Markdown 表格输出分集表,一次输出10集,我说"继续"你再输出下一个10集。【输出质量要求】:台词口语化、可直接配音;避免大段旁白;每集场景数不超过4个。
Prompt 二:单集分镜表(流水线核心)
你是分镜师。基于以下第【N】集内容,输出可直接用于AI生图/生视频的分镜表。【本集梗概】:【粘贴上一环节输出的该集梗概】【可用角色资产】:角色A=【粘贴固定外观描述】;角色B=【粘贴固定外观描述】【可用场景资产】:S01=【场景描述】;S02=【场景描述】【画风】:【填写画风关键词,如赛博朋克、国风水墨、日系厚涂】【画幅】:9:16 竖屏每个镜头输出以下字段,用表格呈现:镜头号 | 时长(秒) | 景别 | 机位与运镜 | 画面描述(含角色+场景编号+动作+光线)| 台词/音效 | 首帧生图提示词(英文,含风格与负面词)要求:1. 单镜头时长3-5秒,全集总时长控制在【填写】秒内。2. 运镜方式从固定、推、拉、摇、跟、环绕中选择,避免连续3个镜头运镜相同。3. 首帧提示词必须包含角色固定描述块,不得自行更改角色外观。4. 台词必须与画面口型节奏匹配,每句不超过15字。
使用顺序建议:先跑 Prompt 一拿到分集表并人工删改,再逐集跑 Prompt 二。分镜表定稿后再进入生图和生视频环节—— 分镜阶段的修改成本是最低的 ,一旦开始出片,改一个镜头等于重做整条链。
单集靠工具点按钮就行,100 集必须靠脚本或表格驱动的批处理。这类 AI 成片能力通常被拆成”创建任务”和”查询结果”两类接口:提交文本、图片、视频、背景音乐等素材后拿到任务 ID,再轮询生成状态,完成后取回成片地址。围绕这个模式,工程上要处理四件事:
1. 并发与配额 。并发指服务同时能处理的任务数量,一个任务从提交到拿到结果才算占用结束。100 集 × 每集几十个镜头,任务量轻易上千,务必先做小批量测速,算出实际吞吐再排期。付费资源包通常能提升并发额度。
2. 失败重试与错误分类 。批量跑一定会遇到失败,关键是区分”可重试”和”必须改输入”:
| 错误类型 | 含义 | 处理方式 |
|---|---|---|
| 并发超限 | 单用户并发超出额度 | 降低并发或购买资源包,退避重试 |
| 图片低质/格式错误 | 首帧图不合格 | 更换图片重新提交 |
| 内容不适合生成 | 标点过多、文本过短等 | 改写文本后重提 |
| 文本含敏感信息 | 涉政等敏感内容 | 修改文本 |
| 内部错误 | 任务处理失败 | 重新提交,持续出现则反馈 |
3. 断点续跑 。用表格记录每个镜头的状态(待生成/成功/失败/已废弃)和产物路径,脚本只跑”待生成”和”失败”的行。100 集的体量下,一次性跑完几乎不可能。
4. 素材与版本管理 。角色图、场景图、配音文件按 剧名/集数/镜头号 建目录,每次重生成保留版本号。返工时的定位速度直接决定你能不能撑到第 100 集。
想快速验证自己的剧本和人物设定是否成立,可以先在 AI 真人短剧生成体验 跑一集样片,确认风格与节奏后再铺开做长剧集,避免 100 集做完才发现方向不对。
角色脸在第 20 集之后不一致 :说明参考图没有全程携带,或角色描述块被模型改写。检查分镜提示词里角色描述是否逐字一致。
剧情拖沓、观众流失 :单集钩子不够前置。把每集最刺激的画面提到前 3 秒,再用 5 秒交代必要信息。
生成失败率高 :多数是首帧图质量问题或文本过短。给分镜的画面描述补足光线、材质、构图信息,通常能显著降低失败率。
成本失控 :优先在首帧阶段多抽卡、在视频阶段少返工。视频生成的单位成本远高于图片。
不要一上来就规划 100 集。按这个顺序推进:写 1500 字故事梗概 → 用 Prompt 一生成前 10 集分集表 → 定角色三视图和 3 个主场景 → 用 Prompt 二做第 1 集分镜 → 生成第 1 集成片 → 复盘后再批量。
跑通一集的全流程,你就掌握了 100 集的全部环节;剩下的只是重复和调度问题。