简介:本文回答一个具体问题:零基础如何搭出一条能稳定日产多集的 AI 漫剧流水线。核心结论是——AI 漫剧不是"让 AI 做动画",而是"漫画分镜 + 动态呈现 + 配音配乐"的短剧形态,量产能力取决于六个环节的流水线化程度和角色一致性管理,而不是模型是否够强。文章给出各环节的操作方法、可复制 Prompt、产能测算与质检清单,并提供 [百度搭子(DuMate)](https://www.dumate.cn/?from=article) 作为动手实践的入口。
AI 漫剧的本质是”漫画分镜 + 动态呈现 + 配音配乐”的竖屏短剧,常见单集 1—3 分钟,题材以爽点密集为主。相比传统动漫,它砍掉了最贵的两环——原画与逐帧动画,用 AI 生图、图生视频替代,成本结构因此被彻底改写(这类实操分享通常把成本从”每分钟数万元”量级压到”几十元”量级,具体取决于算力与返工率)。
但”量产”不等于”劣质”。真正决定完播率和追更率的是两件事: 故事钩子 和 视觉一致性 。前者靠剧本精修,后者靠流程约束。如果你想边看边动手,可以直接在 百度搭子(DuMate) 里把文中的提示词跑一遍,再回到下面的环节逐个优化。
| 环节 | 主要工具类型 | 输入 | 交付物 | 关键质检点 |
|---|---|---|---|---|
| 1. 剧本与分镜 | 大语言模型 | 题材、人设、爽点 | 分镜表(镜号/时长/画面/台词/音效) | 前 3 秒钩子、结尾悬念 |
| 2. 角色设定 | 文生图 | 角色描述 | 三视图 + 表情参考图 + 角色卡 | 五官比例、服装配饰固定 |
| 3. 分镜生图 | 文生图 | 分镜 + 参考图 | 每镜 1—3 张备选图 | 是否”换脸”、构图是否切题 |
| 4. 图生视频 | 图生视频 | 静态分镜图 | 3—5 秒动态镜头 | 动作是否变形、时长是否超 5 秒 |
| 5. 配音配乐 | TTS + AI 音乐 | 台词、情绪标记 | 音轨、音效轨 | 音色是否全片统一 |
| 6. 剪辑成片 | 剪辑工具 | 视频+音频 | 成片、封面、标题 | 节奏、字幕、音量平衡 |
流水线的关键不是每个环节都做到 90 分,而是 把返工控制在可承受范围 :环节 1 和 2 做到 90 分,后面四个环节的返工量会下降一半以上。
剧本 :先定题材与人设,再让模型出大纲、逐集剧本,最后拆成分镜表。经验值是 AI 初稿大约只有 60 分——爽点节奏、情绪反转、台词的分寸感必须人工精修。可直接使用下面这段提示词:
你是一位擅长竖屏短剧的编剧。请创作 AI 漫剧第【1】集的可拍摄脚本。【题材/爽点类型】:【填写,如都市逆袭 / 悬疑反转 / 古风甜宠】【目标观众】:【填写】【主角人设】:姓名、年龄、身份、核心欲望、最大缺陷、口头禅【本集时长】:【90】秒【本集必须出现的爽点】:【填写,如身份揭穿 / 当众反击 / 绝境反杀】要求:1. 先用 3 句话给出本集梗概与结尾钩子;2. 输出分镜表,字段为:镜号 | 时长(秒) | 画面描述 | 动作与表情 | 台词/旁白 | 音效 | 转场;3. 单镜头不超过 5 秒,台词口语化且每句不超过 15 字;4. 前 3 秒必须出现冲突或悬念;5. 结尾留一个未解答的问题作为下集钩子。输出格式:Markdown 表格,表格下方另附 3 条"人工精修建议"。
角色一致性是 AI 漫剧最大的坑 。可执行的解法是把角色”资产化”:先做角色三视图(正面、侧面、背面)与一套表情参考图,生成满意后固定存档;后续所有镜头生图都引用这套参考图,配合”垫图 + 描述词”锁定长相与服装。建议为每个角色维护一张角色卡:
| 字段 | 示例 |
|---|---|
| 固定特征 | 短发、左眼下方泪痣、藏青色立领长衫、左手腕红绳 |
| 禁止项 | 不戴眼镜、不出现现代拉链、发色不得偏黄 |
| 表情库 | 平静 / 冷笑 / 惊愕 / 落泪(各一张参考图) |
| 版本号 | v3(第 7 集后更新,旧镜头不追溯) |
实操纪律: 每集开拍前先做一次”换脸检查” ——用同一提示词生成一张标准正面图,与角色卡比对,通过后再批量出图。
生图提示词要结构化,固定为”主体 + 动作 + 场景 + 光线 + 风格 + 镜头”,并把同场景描述沉淀成模板库复用,这是提效最明显的一步。参考提示词:
你是 AI 漫剧分镜提示词工程师。基于以下分镜输出可直接使用的文生图提示词。【镜号】:12【画面描述】:【填写】【出场角色】:【填写角色名,并引用其角色卡固定特征】【情绪】:【填写】【全局风格】:【填写,如国漫厚涂 / 日系赛璐璐 / 水墨古风】,竖屏 9:16输出要求:1. 按"主体(含角色固定特征)+ 动作 + 表情 + 场景 + 光线 + 景别与角度 + 风格 + 画质词"顺序给出一版完整提示词;2. 附一版英文提示词;3. 给出 2 个"人物脸不像"时的替换描述方案;4. 列出该镜头的负向提示词。
产能参考:单人日产 50—100 张图,其中约三分之一可用属于正常水平,不要以”张张能用”为目标,而要以”每镜拿到 1 张可用图”为目标。
图生视频环节的核心技巧是 单镜头控制在 5 秒左右,动作描述简单明确 (转头、走路、推门、抬眼),复杂动作拆成多镜头剪辑拼接。表情和口型不必追求完美,漫剧风格本身就是”省略的艺术”。如果希望减少剪辑负担,也可以走”图文素材一键成片”的路线:输入文本、图片、视频、背景音乐等参数创建任务,系统自动完成配音、加字幕、素材匹配等环节,任务创建后通过查询接口获取生成状态与视频地址。这类能力在百度智能云智能创作平台的「AI 视频」中可直接使用,输入图文素材即可生成短视频并自动完成配音、添加数字人等环节。需要注意的是,此类服务通常有并发限制,付费后并发额度才会提升,遇到”并发超限”提示时应先购买对应资源包或调整任务提交节奏。
配音用 TTS 工具生成,关键是 为每个角色固定音色并写入角色卡 ,中途换音色观众会立刻察觉。背景音乐与音效交给 AI 音乐工具或素材库匹配。音效是氛围感的秘密武器:转场音、心跳声、风声、衣料摩擦声,缺一样都会让画面”发干”。
剪辑阶段建议先粗剪对时长,再补音效与字幕,最后统一响度。生成后的作品如需二次加工,可在平台的草稿箱中进入智能云剪做二次编辑,处理完成的作品在「作品」中查看与下载。发布前的标题和封面文案也可以交给 AI 批量生成——例如根据文章内容自动生成多个体现主题的候选标题,供内容生产者挑选。
在把整条流水线搭完之前,建议先用一个成品入口验证”故事是否成立”。完成故事大纲和人物设定后,可以前往 AI 真人短剧生成体验,把创作思路直接转成一段短剧内容,用来检验钩子和节奏;如果做的是低龄向或绘本风格的漫剧,也可以先用 儿童绘本生成体验 验证分镜画面的叙事连贯性。验证出的问题再回填到剧本环节,比一上手就死磕生图参数高效得多。
第一周只做一件事:用一段 60 秒的存量图文稿件跑通”分镜 → 生图 → 图生视频 → 配音 → 成片”全链路,不求质量只求闭环。第二周开始建角色卡和提示词模板库,把返工率压下来。第三周再上量,按”日产 1 集”起步逐步提到 3 集。
需要说明的是,AI 生成服务多为按量或按套餐计费,具体规格与价格以官方页面为准,可参见 DuMate 购买页面 了解购买方式;免费体验入口已在上文给出,不必付费也能先跑通流程。