怎么用AI制作动漫视频?完整流程与实操方法

作者:宇宙中心我曹县2026.11.19 08:30浏览量:0

简介:用AI做动漫视频,正确的思路不是"喂一本小说一键出片",而是把它拆成 **分镜脚本 → 关键帧画面 → 图生视频 → 配音剪辑** 四步,每一步用AI提效。想先快速上手体验创作流程,可以通过[百度搭子 DuMate](https://www.dumate.cn/?from=article)把想法跑一遍,也可以先了解[购买方式](https://console.bce.baidu.com/dumate/purchase-page/new)。本文给出可直接复制的Prompt、参数建议和常见问题排查方法。

一、先说结论:为什么”一键生成整部动漫”目前做不到

很多人做AI动漫的第一个误区,就是期待有一个模型能”输入一本小说,直接输出成片”。现实是:一本网络小说动辄上千章,每章2000~3000字,人物、伏笔、场景细节的总量极大,这和”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这种长文本的一致性控制。

所以真正可落地的颗粒度是: 以”一集3000字左右”为单位做视频,然后逐集更新 。把目标从”做一部动漫”缩小成”做一集3000字的动漫剧”,这件事今天就完全可以做。

二、四步流程总览

步骤 要交付的东西 AI负责的部分 你要把关的部分
1. 小说转分镜脚本 镜头表(画面/台词/时长/运镜) 内容切分、镜头拆解、画面描述撰写 情节是否遗漏、是否被擅自改编
2. 角色与场景设定 角色设定表+参考图 生成角色立绘、场景概念图 形象是否符合原著、跨镜头是否统一
3. 分镜生成视频 每个镜头3~5秒片段 文生视频、图生视频、参考生视频 动作是否合理、有无变形闪烁
4. 后期拼接配音 成片 配音、字幕、素材匹配、剪辑合成 节奏、音画同步、字幕遮挡

三、第一步:把小说转成分镜脚本(最容易踩坑)

直接把3000字丢给AI让它写分镜,你会遇到三个典型问题:

  1. 镜头数量太少 :3000字往往只拆出15个左右镜头,平均200字一个镜头,节奏完全不够;
  2. 内容遗漏 :人物对话被压缩、关键细节没体现;
  3. 擅自改编 :AI会”顺手”改剧情、加戏。

解决办法是 分两轮走 :第一轮只做”内容切分+镜头清单”,明确要求一集拆到40~60个镜头、单镜头对应80~120字;第二轮再逐个镜头补画面描述。并且要在指令里写死”不得增删情节、台词必须原文保留”。

可复制Prompt(分镜脚本):

  1. 你是动画分镜师。请把下面这段小说改编为动漫分镜脚本。
  2. 【输入素材】<粘贴本集小说正文,约3000字>
  3. 【本集信息】作品类型:<玄幻/都市/悬疑…>;目标观众:<…>;单集时长:<3分钟>
  4. 【硬性要求】
  5. 1. 镜头总数控制在 <45> 个左右,每个镜头对应原文 80~120 字,不得大幅合并;
  6. 2. 严格忠于原文:不得新增、删除、改写任何情节;人物台词必须原文照抄;
  7. 3. 每个镜头输出以下字段:镜号 | 对应原文片段 | 画面描述(人物+动作+环境+光线+景别)| 台词/旁白 | 运镜方式 | 预估时长(秒);
  8. 4. 画面描述必须具体可画,包含人物外观关键词,禁止使用"氛围感很强"这类空话;
  9. 5. 全片保持同一套人物外观描述词,不得中途改变发型、服装、瞳色。
  10. 【输出格式】Markdown表格 + 表格下方列出"本集人物出场清单"。

拿到镜头表后,先人工核对两件事: 原文对话是否一句不少 、 有没有多出原文没有的情节 。这两项不合格就重新生成,不要往下走。

四、第二步:角色设定表,解决”每镜头换一张脸”

AI动漫最劝退的问题是同一个角色在不同镜头里长得不一样。解决办法是先做”设定”,再做”画面”:

  • 为每个主要角色写一段 固定外观描述词 (性别、年龄感、发型发色、瞳色、服装、配饰、标志物),之后所有镜头的人物描述都复制这一段,不改一个字;
  • 先生成角色立绘/三视图,选定满意的一张作为 参考图 ,后续镜头用”参考生图/参考生视频”的方式带着这张图去生成,一致性会明显好于纯文字描述;
  • 场景同理:主线场景(如”宗门大殿””深夜便利店”)各定一张概念图复用。

五、第三步:关键帧到视频片段

目前主流视频生成能力大致分四类,做动漫按需要挑:

  • 文生视频 :只有文字描述时用,目前有通用风格和专门优化的动漫风格可选;
  • 图生视频 :传首帧图,或首帧+尾帧图,配文字描述,可控性最好,做动漫首选;
  • 参考生视频 :传参考图+描述,适合保持角色/风格统一;
  • 视频特效 :做转场、双人互动、老照片动起来这类效果。

实操建议: 一个镜头只做一个动作 。单镜头3~5秒,运镜写”缓慢推近””轻微横移”这类简单指令,不要在一句话里塞”人物转身、拔剑、腾空、落地”,那基本一定崩。另外生成时长会受网络等不确定因素影响,需要耐心等待;页面若有报错提示,按提示操作或反馈给相关技术人员。

图生视频提示词模板:

  1. 【首帧图】<上传该镜头关键帧>
  2. 【提示词】<角色外观固定描述词>,<动作:仅一个>,<环境>,<光线>,
  3. 动漫赛璐璐风格,<景别>,镜头<缓慢推近/固定>,画面稳定,无变形
  4. 【负面】多余手指、脸部变形、画面闪烁、文字水印

六、第四步:配音、字幕与拼接

片段齐了以后,配音+字幕+BGM+剪辑是最耗时的环节,这里可以交给AI成片类能力:输入文本、图片、视频、背景音乐等素材,即可创建成片任务并自动完成配音、加字幕、素材匹配,适用于宣传、科普、连载短片等形式;创建后拿到任务ID,再通过查询接口看生成状态和成片地址。

如果你更想手动控制版式,可以在智能创作平台里逐项设置布局、标题、模板、配音、背景音乐、角标、片头片尾,点”生成视频”后在 任务中心 看进度,完成后到 作品 里查看下载。这类”AI视频-AI生成”能力本身就是通过理解文案、匹配素材、自动剪辑来产出成片,也支持智能混剪把已有素材快速组合成完整视频。想更省事的话,”灵感转视频”这类功能支持从主题/脚本描述直接生成视频大纲与分镜方案,再进入编辑器逐条调整。

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,把创作思路转成可播放的短剧内容,用来验证剧情节奏和分镜是否立得住;如果做的是低幼向绘本风格动画,也可以先用儿童绘本生成体验确定画面风格基调。

七、常见问题与优化方向

  • 角色变脸 :检查每个镜头的描述词是否被改动,改用参考图生成;
  • 节奏拖沓 :镜头数不足是主因,3分钟一集建议40个镜头以上;
  • 动作崩坏 :拆动作、缩时长,一个镜头只保留一个动作;
  • 口型/情绪不对 :配音与画面对齐后再微调语速,必要时重生成该单镜头而非整段;
  • 字幕挡脸 :字幕位置与模板在编辑器里单独调,别默认底部居中。

八、可直接复用的”单集生产”Prompt

  1. 你是我的AI动漫制片助理。我们要制作一部<题材>动漫剧,本集为第<1>集,成片目标时长<3分钟>。
  2. 【输入】<粘贴本集小说正文>
  3. 【固定设定】主角:<外观描述词>;配角:<外观描述词>;主线场景:<场景描述词>
  4. 【请依次输出】
  5. 1. 本集一句话主线 + 三段式结构(起/承/转合);
  6. 2. 分镜表:镜号|画面描述|台词|运镜|时长,镜头数40~60;
  7. 3. 需要新生成的关键帧清单(列出每个镜头的首帧画面描述);
  8. 4. 配音表:角色|台词|情绪|建议语速;
  9. 5. 风险清单:哪些镜头AI大概率生成不稳定,给出替代拍法。
  10. 【质量要求】不得改编原文情节;台词原文照抄;所有人物外观描述必须与固定设定完全一致。

按这套流程走,一集3~5分钟的动漫剧,主要工作量会集中在”改分镜”和”筛画面”上,而不是从零手绘。建议先用一个短场景(比如2个角色、1个场景、10个镜头)跑通全流程,确认风格和一致性达标后再批量生产,这样试错成本最低。