怎么用AI制作动漫视频?四步流程与提示词

作者:起个名字好难2026.11.19 08:28浏览量:0

简介:很多人卡在"把小说丢给AI就能出片"这一步。本文给出一套可落地的AI动漫视频生产流程:以3000字一集为最小单元,依次完成分镜脚本、角色设定与关键帧、图生视频、配音字幕与拼接,并附三段可直接复制的提示词、常见问题排查思路和样片验证方法,帮你把第一集真正做出来。

用AI做动漫视频,正确的做法不是”喂一本小说一键出片”,而是把任务拆成 分镜脚本 → 角色与画面 → 图生视频 → 配音与后期 四步,以”一集3000字左右”为最小生产单元逐集产出。想边看边动手,可以直接把百度搭子 DuMate当作AI助手入口,把下文的提示词复制进去跑一遍;想了解购买方式可以看DuMate 购买页,不购买同样可以按本文方法手动完成全流程。

一、先接受一个现实:字数决定了做法

不要指望存在一个模型,能吞下一整本小说直接吐出成片。一本网络小说动辄上千章,每章2000~3000字,其中的人物、伏笔、细节密度,和”几句话的小故事一键出视频”完全不是一个量级,目前的模型还做不到。

所以真正要解决的问题被缩小为: 如何把一集3000字左右的小说内容,稳定做成一段3~5分钟的动漫剧视频 。把目标定在这个粒度,AI 的效率优势才发挥得出来。

二、四步流程与AI分工

环节 传统做法的痛点 AI 负责的部分 你必须把关的部分
小说转分镜 要吃透全文、分配镜头、设计呈现 事件拆解、镜头切分、台词归类 忠于原文、镜头密度、遗漏检查
角色与画面 画师逐帧绘制,周期以周计 角色设定卡、关键帧出图 画风统一、角色一致性
图生视频 原画+摄影+动效 首帧/首尾帧驱动生成动态镜头 单镜头动作是否可生成
配音与后期 配音、剪辑、字幕、混音 台词配音、字幕、粗剪拼接 情绪节奏、卡点、成片质量

三、第一步:小说转分镜脚本(最容易翻车的一步)

直接把小说丢给AI要分镜,你会连续撞上三个问题:

  1. 镜头数量太少 。3000字可能只切出15个镜头,平均200字一个镜头,根本撑不起成片时长。
  2. 内容遗漏 。人物对话被压缩、关键细节没体现是高频问题。
  3. 擅自改编 。AI会”顺手”补情节、改台词,导致后续画面和原著脱节。

对应的解法是 两段式生成 :先让AI输出”事件与台词清单”做无损压缩,再基于清单拆分镜;同时用成片时长反推镜头数(3分钟成片、每镜3~5秒,约需40~60个镜头),并要求台词逐字取自原文。

可复制提示词(分镜脚本)

  1. 你是一名动漫分镜编剧。请把下面这集小说内容转换为可直接用于AI绘图与视频生成的分镜脚本。
  2. 【任务目标】将约3000字正文拆分为 N 个镜头(N=【填写镜头数,如45】),成片总时长约【3】分钟。
  3. 【输入内容】<<<粘贴本章小说正文>>>
  4. 【硬性要求】
  5. 1. 严格忠于原文,不得新增、删改情节;台词必须逐字取自原文,标注说话人。
  6. 2. 每个镜头时长3-5秒,一个镜头只表达一个动作或一个信息点。
  7. 3. 人物对话必须完整保留,不得合并省略。
  8. 4. 以表格输出,列为:镜头号 | 时长(秒) | 画面描述(用于文生图) | 镜头运动 | 台词/旁白 | 音效 | 角色标签。
  9. 5. 画面描述需包含:角色外观关键词、服装、场景、光线、色调、景别(远景/中景/近景/特写)。
  10. 6. 输出前自检:原文关键事件与全部对话是否已覆盖,列出遗漏项并补全。
  11. 【输出要求】先输出分镜表,再输出"遗漏自检清单"。

四、第二步:角色设定与关键帧画面

动漫剧最劝退的问题是 同一个角色每集长得不一样 。解决办法是在出任何一张图之前,先建立”角色一致性设定卡”,把外观固化成一串可复用的关键词,后续所有分镜都复用这串词,并固定同一个画风前缀和画幅比例(横屏16:9或竖屏9:16)。

可复制提示词(角色设定卡)

  1. 请为下面这部小说建立"角色一致性设定卡",用于后续所有分镜出图复用。
  2. 【输入】<<<小说正文或人物介绍>>>
  3. 【要求】
  4. 1. 只提取有台词或有动作描写的角色,主要角色不超过【5】个。
  5. 2. 每个角色输出:姓名 | 年龄感 | 性别 | 身形 | 发型发色 | 瞳色 | 服装(含材质与配饰) | 标志性小物件 | 性格关键词 | 出图关键词串。
  6. 3. 关键词串必须能直接复制到文生图模型使用,不含任何剧情描述。
  7. 4. 统一画风前缀:【日系赛璐璐动画风,干净线稿,高饱和配色,16:9】。

关键帧确定后,画面风格还在摸索阶段,可以用儿童绘本生成体验快速试几种画面调性,找到满意的分镜视觉基调再批量出图。

五、第三步:图生视频,让画面动起来

主流视频生成能力通常包含四类:文生视频(输入文本直接生成,有通用风格和专门优化的动漫风格)、图生视频(输入首帧,或首帧+尾帧,加文本描述)、参考生视频(输入参考图片+文本描述)、以及视频特效玩法(如双人拥抱、老照片动起来等)。

做动漫剧优先选 图生视频 :先出高质量关键帧,再让关键帧动起来,可控性远高于纯文生视频。需要精确落幅的转场镜头,用”首帧+尾帧”约束两端画面。另外要注意,受网络等不特定因素影响,生成时长会不稳定,需要耐心等待;页面若有报错提示,按提示操作或联系相关人员反馈。

可复制提示词(批量运动提示词)

  1. 请把下面的分镜表转换为"图生视频"用的运动提示词,每个镜头一条。
  2. 【输入】<<<粘贴分镜表>>
  3. 【要求】
  4. 1. 每条包含:主体动作(只写1个) + 镜头运动(推/拉/摇/移/固定) + 环境动效(风、雨、光斑、粒子) + 情绪氛围词。
  5. 2. 单条不超过40字,不写剧情解释,不写镜头号以外的编号。
  6. 3. 输出两列:镜头号 | 运动提示词。

六、第四步:配音、字幕与拼接成片

  • 配音 :按角色分配音色,逐句生成,单条文案可单独调整音色,情绪起伏大的段落单独重生成。
  • 字幕 :开启字幕后可调整字幕位置,并在右侧选择字幕模板、字体、字号与颜色。
  • 拼接 :按分镜顺序排轨,以台词为基准卡点,补背景音乐与音效,最后统一调色导出。

如果想减少手工环节,可以走平台化路线:一念·智能创作平台的「AI视频」支持输入视频文案、上传图片或视频素材,依次完成布局、标题、模板、配音、背景音乐、角标、片头片尾设置后一键生成,并在「任务中心」查看进度、在「作品」中下载;如果走接口方式,「AI成片-图文转视频」支持传入文本、图片、视频、背景音乐等参数创建任务拿到任务ID,再通过查询接口获取成片地址。此外,”灵感转视频”可根据主题描述自动生成视频大纲与分镜方案,”精编视频”更适合培训课程、新闻资讯类播报内容。

想先验证故事节奏,不必一上来就做完整集:把大纲和人物设定整理好后,可以通过AI 真人短剧生成体验先跑出一个短片,确认剧情钩子和节奏立得住,再投入逐集生产。

七、常见问题与优化建议

问题 原因 调整方式
镜头数量太少 未按时长约束 用时长反推镜头数,或分两次生成再合并
剧情被魔改 缺少约束与自检 加”台词逐字取自原文””禁止改编”+ 遗漏自检清单
角色脸不一致 外观描述每次都在变 固定关键词串、画风前缀,配合参考图生成
动作崩坏、画面抖动 单镜头动作过多 一镜一动作,缩短单镜时长到3秒内
口型与情绪不搭 先出画面后配音 先定配音再微调时长,必要时开启时长自适应
成本失控 直接批量生产 先做1集30秒样片验证风格,再放量

八、最小可行工作流

选一段3000字原文 → 生成角色设定卡 → 拆出约45个镜头 → 批量出关键帧 → 图生视频 → 配音与字幕 → 拼接导出。第一集的目标不是完美,而是 把全流程跑通 :一旦流程闭环,后面每一集都是重复劳动,效率会成倍提升。整个过程中,把提示词、角色关键词串、画风前缀都存成模板复用,是保持多集风格统一的关键。