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。
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。
| 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 |
直接把小说丢给AI要分镜,你会连续撞上三个问题:
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)
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。【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。【输入内容】<<<粘贴本章小说正文>>>【硬性要求】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。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。3. 人物对话必须完整保留,不得合并省略。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。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)。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。【输出要求】先输出分镜表,再输出"遗漏自检清单"。
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)
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。【输入】<<<小说正文或人物介绍>>>【要求】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。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。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。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。
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)
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。【输入】<<<粘贴分镜表>>【要求】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。2. 单条不超过40字,不写剧情解释,不写镜头号以外的编号。3. 输出两列:镜头号 | 运动提示词。
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。
| 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 |
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。