简介:做AI漫剧最容易踩的坑就是一上来批量生图,结果人物换脸、衣服换色、道具消失、镜头接不上。真正决定精度的不是模型,而是生产顺序:先定故事,再锁角色与场景资产,最后才做分镜、图生视频和配音。本文给出可直接照做的七步流程、资产卡模板和可复制 Prompt。创作前可先用[百度搭子(DuMate)](https://www.dumate.cn/?from=article)梳理故事结构,了解购买方式可查看[DuMate 购买页](https://console.bce.baidu.com/dumate/purchase-page/new),本文方法本身不依赖任何付费功能。
AI 漫剧的”崩”,本质是三个技术问题叠加,而不是运气不好。
第一,每次生图都是一次独立采样。 你只写”女捕快,黑红轻甲”,模型每次都会重新理解这句话,脸型、甲片样式、腰牌位置自然各不相同。文字描述的粒度不够,一致性就无从谈起。
第二,缺少参考图约束。 文生图完全靠 prompt,图生图才引入视觉锚点。AI 作画这类工具支持两种参考方式:上传整图做参考并选择参考强度,强度越高与原图相似度越高;或上传人物形象,由模型根据面部特征重绘。这就是”锁角色”的技术抓手。在更底层的”主体一致图像生成与调整”类 API 中,当传入 image、url 或 pdf_file 字段时,change_degree 是必填参数,用来控制生成结果与原图的偏离程度。
第三,场景没有资产化。 每个镜头都重新描述一遍”雨巷”,青砖颜色、灯笼位置、雨势大小必然漂移。
结论很清楚: 先完成故事设定、剧本拆解、角色资产、场景资产这四步,再进入分镜和视频生成。 顺序对了,画面统一度和剧情清晰度会同时提升。
不要跳过这步直接想画面。用六个要素把故事钉住:
| 要素 | 说明 | 示例 |
|---|---|---|
| 题材 | 类型与基调 | 雨夜悬疑、国风 |
| 人设 | 身份+外貌+性格+目标 | 女捕快,冷峻执拗,查清三年前一桩失踪案 |
| 触发事件 | 故事为什么开始 | 收到一封火漆旧信 |
| 阻力 | 谁/什么在阻碍 | 卷宗被销毁、上级施压 |
| 转折 | 中段反转 | 失踪者与自己人有关 |
| 视觉风格 | 光影、色彩、镜头语言 | 冷蓝雨夜+暖黄灯火,低照度高对比 |
这六项一旦确定,后面所有 prompt 都要复用同一套措辞,不要中途改词。
单集结构按四段拆: 开场钩子 → 冲突升级 → 行动推进 → 结尾悬念 。
拆解时每个镜头必须能回答四个问题: 谁在做、在哪里、做什么、结果是什么 。答不上来的镜头,就是废镜头,删掉比硬生成更省时间。
一集控制在 12–20 个镜头比较稳。镜头越多,一致性维护成本呈线性上升。
角色卡的作用是把”人物”从抽象描述变成可复用的固定参数。建议做成表格,逐项锁死:
| 字段 | 锁定内容 | 是否允许变化 |
|---|---|---|
| 脸型五官 | 鹅蛋脸、单眼皮、鼻梁挺直 | 禁止 |
| 发型 | 高马尾、额前碎发 | 禁止 |
| 服装 | 黑红轻甲、暗红内衬 | 禁止 |
| 配饰 | 腰间铜牌(左侧) | 禁止 |
| 随身道具 | 火漆旧信 | 允许出现在特定镜头 |
| 主色调 | 黑+暗红+铜金 | 禁止 |
| 禁用项 | 不出现披风、不戴头盔 | 禁止 |
生成角色定妆图时,先出一张正面基准图,确认满意后再出侧面、半身、全身,后续所有镜头都以这张基准图作为参考图输入。AI 作画的图生图模式支持上传人物形象让模型按面部特征重绘,正是给这一步用的。
雨巷、档案室、旧城门、废弃戏楼,每个场景都要做成可复用资产,并且 一次性备齐全景、中景、近景、特写 。后面分镜只需要调用,不需要重新生成,光影和色温自然就统一了。
批量出图时可以用一次生成多张的方式提高效率,AI 作画支持选择 1–8 张批量生成,选择尺寸与分辨率后等待十几秒即可出图。建议同一场景的多张图在同一次任务里生成,风格漂移最小。
分镜表建议包含这些字段:
| 镜号 | 景别 | 场景资产 | 人物动作 | 台词/音效 | 情绪目的 | 一致性检查 |
|---|---|---|---|---|---|---|
| 01 | 全景 | 雨巷-全景 | 无人,雨落 | 雨声 | 建立压迫感 | 色温=冷蓝 |
| 02 | 中景 | 雨巷-中景 | 女捕快撑伞前行 | 脚步声 | 引入主角 | 服装=黑红轻甲 |
| 03 | 特写 | 手-特写 | 手握火漆旧信 | 纸张摩擦 | 抛出钩子 | 铜牌在左侧 |
检查四条红线: 人物不换脸、服装不换色、道具不消失、光影不跳变 。任何一条不过,重做这一镜,不要往下推。
新手最爱犯的错是在一个镜头里塞三四个动作,结果就是画面崩坏。稳的写法是 一个动作 + 一种镜头运动 :
女捕快缓慢抬眼,手握旧信向前走一步,镜头从中景缓慢推近。
比”女捕快拔刀转身奔跑并回头怒视,镜头环绕”稳定得多。
现在主流的 AI 视频生成能力,本身就是通过理解文案内容、匹配素材、自动剪辑来产出成片,智能混剪则可以在输入文案并添加素材后一键得到完整视频。你要做的是把文案写清楚,而不是把动作写复杂。
最后补台词、雨声、脚步声、纸张展开声和悬疑氛围音乐。配音不是装饰,它承担叙事:同一句台词换音色,人物年龄感就变了。
剪辑阶段可以打开字幕功能,调整字幕位置、模板、字体字号与颜色;文案层面可以借助 AI 能力做翻译、帮写、改写、扩写,全局生效或单条生效都可以。单条文案还能单独调整音色,适合处理旁白与角色对话的音色区分。
把下面这段直接丢给 AI 助手,替换【】里的内容即可:
请你作为 AI 漫剧导演和分镜策划,帮我把以下故事做成可执行的漫剧制作流程。【故事设定】- 故事题材:【填写题材,如国风悬疑】- 主角人设:【填写身份、外貌、性格、目标】- 核心冲突:【填写阻力、反派或悬念】- 视觉风格:【填写国风/悬疑/雨夜/赛博/写实等】请按以下顺序输出,不要跳步:1. 故事设定表:题材、人设、目标、触发事件、阻力、转折,每项一句话。2. 单集拆解:按"开场钩子—冲突升级—行动推进—结尾悬念"四段输出,共【12】个镜头。3. 角色资产卡:以表格输出脸型、发型、服装、配饰、随身道具、主色调、禁用项,标注哪些字段禁止变化。4. 场景资产清单:列出本集所有场景,每个场景给出全景/中景/近景/特写的生成描述。5. 分镜表:表格字段为镜号|景别|场景资产|人物动作|台词或音效|情绪目的|一致性检查点。6. 图生视频提示词:每镜一句,要求"只含一个动作 + 一种镜头运动",禁止复合动作。7. 一致性风险自检:逐条列出本集可能出现换脸、变色、道具消失、光影跳变的镜头,并给出修正建议。输出要求:全部使用中文,表格化呈现,描述具体可执行,不使用"精美""震撼"这类空泛形容词。
追加一段角色定妆图 prompt ,用于生成基准图:
【角色基准图】国风悬疑风格,正面半身像。鹅蛋脸,单眼皮,眼神冷峻,高马尾,额前碎发。身着黑红轻甲,暗红内衬,腰间左侧挂铜牌。冷蓝雨夜光线,暖黄侧光轮廓。写实厚涂质感,浅景深,背景为虚化的雨巷。禁止出现披风、头盔、多余配饰。
| 检查项 | 判定标准 | 不通过怎么办 |
|---|---|---|
| 面部一致 | 与基准图五官可辨认为同一人 | 提高参考强度,改用图生图重绘 |
| 服装一致 | 主色与款式无变化 | 在 prompt 中重复完整服装描述 |
| 道具存在 | 该出现的道具均在画面内 | 把道具写进画面主体描述而非背景 |
| 光影一致 | 同场景色温、光向统一 | 复用同一场景资产图,不重新生成 |
| 分镜连贯 | 相邻镜头空间关系合理 | 补一个过渡全景镜头 |
| 视频稳定 | 无肢体扭曲、无物体突变 | 简化动作,缩短单镜时长 |
如果生成环节报错,先按提示排查:图片可能存在低质或格式错误、内容不适合生成视频(标点过多、文本过短)、文本包含敏感信息等,都属于可通过修改输入解决的情况。
如果你已经完成了故事设定、角色卡和分镜表,可以直接前往 AI 真人短剧生成体验,把整理好的创作思路放进去,看看 AI 会如何把它转化为短剧内容,再回头对照自己的分镜表做调整。需要批量产出系列内容时,也可以参考裂变视频的思路:固定主体素材、人像与音色,只替换产品名称与卖点,由系统批量混剪出多个版本。
AI 漫剧的高精度不来自”抽卡运气”,而来自 资产化 + 顺序正确 :
前四步做完再动第五步,返工率会明显下降。先用百度搭子(DuMate)把故事结构和角色卡跑通,再进入生成环节,是成本最低的路径。