简介:AI漫剧不是靠某一个软件完成的,而是"文本—图像—视频—音频后期"四层能力拼出来的流水线。本文直接回答"AI漫剧都是用啥做的",拆解每层该用什么类型的工具、挑选时看什么指标,并给出选题、分镜、角色一致性、图生视频、配音剪辑的七步实操流程,附三段可直接复制的 Prompt 和常见问题排查表,新手照着跑就能独立产出一条竖屏漫剧。
很多人搜”AI漫剧都是用啥做的”,期待拿到一个软件名字。实际情况是:一部AI漫剧由四类能力拼起来,任何单一工具通常只覆盖其中一到两层。
| 层级 | 负责环节 | 工具类型 | 挑选时看什么 |
|---|---|---|---|
| 文本层 | 选题、剧本、分镜、提示词 | 大语言模型对话助手 | 能否稳定输出表格化分镜、能否记住角色设定 |
| 图像层 | 角色定妆、场景概念图、关键帧 | 文生图 / 图生图模型 | 风格一致性、角色一致性、中文语义理解 |
| 视频层 | 让静态关键帧产生镜头运动 | 图生视频 / 文生视频模型 | 运动自然度、单次时长、是否支持首尾帧 |
| 音频与后期层 | 配音、配乐、音效、字幕、剪辑 | 语音合成(TTS)+ 剪辑软件 | 音色贴合度、口型对齐、导出规格 |
这几层的能力边界目前比较清晰:文生图侧的核心是对自然语言的理解,一句话即可生成指定风格、构图与流派的图像;图文转视频类能力通常支持传入文本、图片、背景音乐等参数创建任务,并自动完成配音、加字幕、素材匹配等环节;一条AI视频的生成链路一般是”理解文案 → 生产或匹配素材 → 精准匹配编辑 → 自动美化处理”。把这条链路看懂,你就知道每个卡点该用哪一层工具补位,而不是反复换软件碰运气。
第1步 选题与剧本定稿。 新手优先选”强视觉符号 + 自带节奏”的题材,比如音乐漫剧、神话志怪、都市悬疑短打。音乐类天然提供节奏和情绪,你只需要负责画面。剧本先写成场景表:场次 / 地点 / 时间 / 人物 / 情绪 / 一句话动作。判断标准很简单——每场戏能不能用一个画面说清?说不清的,到了分镜阶段一定翻车。
第2步 用AI拆分镜。 把定稿剧本交给对话助手,要求以表格输出,列包含镜号、对应台词、画面描述、景别、运镜、情绪、预估时长。分镜阶段就要标出”高风险镜头”(手部特写、快速转身、多人同框复杂运动),并提前准备替代方案。
第3步 角色设定,解决”千人千面”。 先做一张角色三视图当”身份证”,再提炼一段50~80字的 角色描述块 ,只写视觉可验证特征(脸型、发型发色、瞳色、服装纹样、配饰、身形比例),不写抽象形容词。此后每次生成都原样粘贴,不要换同义词;有条件就配合参考图做风格迁移,稳定性明显高于纯文字描述。文件按 S01_C03_v2 规范命名,返工才不会乱。
第4步 关键帧生成。 每个分镜出2~4张备选,先选构图再谈精美。同场景保持光源方向、色温、焦段一致。局部不满意就用局部重绘,不要整张重生成,否则角色又会变。
第5步 图生视频。 单镜头3~5秒,一个镜头只用一种运镜(推、拉、摇、移、跟任选其一)。避免同框多主体复杂运动、手部特写、大幅度位移。转场优先用首尾帧衔接,比后期硬切自然。
第6步 配音与声音设计。 旁白、角色、群杂分层处理;中文语速约每秒4~5字,用画面时长反推台词字数。建议先出配音再卡画面,节奏会准很多。声音层次 = 环境底噪 + 动作点音效 + BGM。
第7步 剪辑合成与导出。 顺序是:粗剪对节奏 → 字幕(留出安全区)→ 统一调色 → 混音 → 导出。最后单独做封面和标题,封面风格要和正片共用同一套风格锚点。
Prompt 1|分镜脚本
你是一位资深动画分镜师。请把下面的【剧本/歌词】拆解为可执行的分镜脚本。作品信息:题材【填写题材】;风格锚点【填写风格】;画幅【9:16】;单镜头时长【3-5秒】;总时长【填写时长】。要求:1. 以表格输出,列为:镜号 | 对应台词/歌词 | 画面描述(人物动作+环境+光影+色调)| 景别(远/全/中/近/特)| 运镜(固定/推/拉/摇/移/跟)| 情绪氛围 | 预估时长2. 每个镜头只描述一个主体动作,禁止同框复杂运动。3. 标注需要角色一致性的镜头,并写明出场角色。4. 表格后追加:镜头总数、总时长估算、3个"高风险镜头"及替代拍法。剧本/歌词如下:【粘贴内容】
Prompt 2|角色设定表
请为【作品名】输出角色设定表,分两部分。一、角色身份证(表格):姓名/年龄感/脸型/眼型与瞳色/发型发色/身形比例/主服装与纹样/配饰/标志性小动作/情绪基调。二、可直接复用的"角色描述块":50~80字,用于每次图像生成的固定前缀,只写视觉可验证特征,不写抽象形容词。角色需求:【填写人物小传,如:落魄世子,外冷内热,玄色长袍,右手有旧伤】限制:不要输出镜头语言;不得更改已给定的服装与配饰设定。
Prompt 3|图生视频运镜提示词
把下面的静态画面描述转成图生视频提示词。画面:【填写关键帧描述】要求:只描述一种镜头运动(推/拉/摇/移/跟任选其一)+ 主体微动作(呼吸、发丝、衣摆、光影流动)+ 运动速度与幅度 + 时长【4秒】。禁止:镜头切换、新增人物、文字变化、大幅度位移。输出:一句不超过60字的中文提示词 + 一句对应英文提示词。
漫剧里最耗时的其实不是画图,而是文本环节:剧本、分镜、角色描述块、十几个镜头的提示词批量改写。这部分适合整体交给AI助手处理,比如用百度搭子(DuMate)先跑通剧本与分镜表,再把角色描述块成批扩写成每镜提示词,最后粘贴进绘图环节。想了解具体使用方式和获取途径,可以看DuMate 购买页面;文本打磨环节本身不依赖付费工具,任何对话助手都能完成。
剧本、人物设定和分镜定稿后,可以前往AI真人短剧生成体验,把创作思路直接转化为一集短剧内容,用来快速验证故事节奏和台词是否立得住——这一步能省掉大量”画完才发现剧情不成立”的返工。成片之前的宣发物料,则可以用AI海报生成体验制作封面和竖版海报,注意沿用正片的风格锚点,保证主页视觉统一。
| 问题 | 主要原因 | 处理方式 |
|---|---|---|
| 角色变脸、服装漂移 | 描述块被改写、未用参考图 | 固定描述块 + 参考图,同角色复用同一随机源 |
| 画面闪烁、人物抖动 | 单镜头过长、运动幅度过大 | 压到3秒内,运镜只保留一种 |
| 口型不同批 | 先出画面后配音 | 改为先配音再对画面,或用旁白+空镜规避 |
| 节奏拖沓 | 每个镜头都4秒 | 情绪镜头长、动作镜头短,快切1.5~2秒 |
| 全片风格不统一 | 每镜风格词不一致 | 建立风格锚点段落,全片逐字复用 |
| 手部、文字崩坏 | 模型弱项 | 避开特写,用遮挡、剪影、空镜替代 |
第1天剧本加分镜;第2天角色三视图与描述块;第3天出12~16张关键帧;第4天宫图生视频;第5天配音配乐;第6天剪辑导出。第一条片子的目标不是精美,而是把流程跑通、把风格锚点和角色描述块沉淀成可复用资产。第二条开始,你才会真正感受到”一个人就是一支团队”的效率——而这件事的前提,是你已经知道自己缺的是哪一层工具。