AI漫剧怎么做?零基础全流程实操指南

作者:起个名字好难2026.11.19 08:38浏览量:0

简介:AI 漫剧的门槛已经降到"会写提示词就能开工"。本文把制作流程拆成剧本分镜、角色基准图、逐镜出图、图生视频与配音合成四个环节,给出可直接复制的编剧 Prompt、角色提示词示例、崩脸与节奏拖沓的排查方法,以及导出参数建议,帮你零基础跑通第一集竖屏漫剧。

零基础做 AI 漫剧,本质是把创作拆成四件事: 剧本与分镜、角色基准图、分镜画面、动态化与配音合成 。这四步里真正需要人做的只有”判断和挑选”,其余都能交给 AI。想边看边动手,可以直接用 百度搭子 DuMate 作为 AI 助手入口,把下文的提示词贴进去开始;想了解购买方式可以看这里,不使用付费方案也能跑完本文全部流程。

传统漫剧难在哪,AI 补上了哪一环

传统漫剧要过三道关:画师产能、动画中间帧、配音口型。一集 2 分钟的竖屏漫剧,手绘环节往往要按”秒”计价,改一版人设就要重画全部镜头。

AI 把这三关压缩成了三个动作:文生图负责画面、图生视频负责动态、TTS 负责配音。人的工作因此前移到了”设定与审美判断”——你不再是执行者,而是导演。

第一步:让 AI 一次输出剧本+人物提示词+分镜表

新手常犯的错是只让 AI”写个故事”。真正省事的做法是一次拿到三样东西:故事梗概、人物形象提示词、分镜表。分镜表决定了后面所有工作量。

  1. 你是一位擅长竖屏短剧的编剧。请基于以下需求创作一部漫剧第一集:
  2. 【题材类型】例如:古风种田 / 都市悬疑 / 校园恋爱
  3. 【目标时长】约 2 分钟(按每镜头 3-5 秒估算,控制在 25-35 个镜头)
  4. 【画幅】9:16 竖屏
  5. 【目标受众】例如:18-30 岁女性
  6. 【核心冲突】用一句话说明本集要解决的矛盾
  7. 【画风】国漫赛璐璐 / 日系厚涂 / 水墨 / 3D 卡通
  8. 请按以下结构输出:
  9. 1. 一句话故事梗概(不超过 50 字)
  10. 2. 人物设定表:姓名、年龄、身份、性格关键词、外貌特征(发型/服装/体态/标志性细节),
  11. 并为每个角色单独写一段可直接用于图像生成的中文提示词,含画风与画质词
  12. 3. 分镜表(Markdown 表格),列为:
  13. 镜号 | 画面内容 | 景别(远/全/中/近/特写)| 运镜(固定/推/拉/摇)| 台词或旁白 | 音效与 BGM 提示 | 预估秒数
  14. 4. 本集结尾的钩子(1 句)
  15. 要求:台词口语化、单句不超过 20 字;同一场景的背景描述保持完全一致,方便后续复用出图。

拿到结果先别急着出图,做三项检查:镜头总数是否超出时长预算;每个镜头是否”画得出来”(把”她想起十年前”这类不可视化描述改成具体画面);把人物提示词单独存成文档,后面反复调用。

第二步:先做角色基准图,根治”崩脸”

角色每集换一张脸,根源在于每次生成都是独立随机采样。解法是建立 角色资产 :

  1. 用人物提示词生成一张正面半身基准图,比例 9:16,一次出 4 张挑 1 张。
  2. 补齐角度:正面、侧面 45°、背面,再加半身与全身各一张。
  3. 固定”角色描述块”:把最终确定的描述存成一段固定文本,后续所有镜头原样粘贴,不改词、不调顺序。
  4. 若工具提供参考图 / 角色一致性功能,把基准图作为参考输入,权重给中高。

女主提示词示例(可直接替换属性):

  1. 18 岁古风少女,清瘦温婉,眉眼干净而坚韧,素色粗布青衣,简单低发髻,鬓边碎发,
  2. 手掌有薄茧,眼神清澈有韧劲;国漫赛璐璐风格,柔和自然光,半身像,浅景深,高清细节,9:16

避坑要点:同一集不要混用不同画风词;配饰越少越稳定(发饰越多,每帧越容易变样);年龄、服装颜色这类关键属性写在句首,权重更高。

第三步:按分镜表批量出图

每镜提示词 = 固定角色描述块 + 本镜画面内容 + 景别 + 环境光线 + 画风词。

  1. 【角色】18 岁古风少女,清瘦温婉……(原样粘贴基准描述,不要改写)
  2. 【画面】蹲在菜畦边,双手捧起一把湿土,低头查看幼苗
  3. 【景别】近景,俯拍 30°
  4. 【环境】清晨薄雾的农家小院,木栅栏、瓦罐
  5. 【光线】侧逆光,暖调晨光
  6. 【风格】国漫赛璐璐,高清,9:16

出图后建立”镜号—文件名”对照表(如 S07_01.png),规范命名能省掉后期一半时间。挑图优先级:五官与基准图一致 > 构图符合景别 > 光影氛围。不达标就改提示词重生成,不要硬塞进时间线。

第四步:图生视频、配音与合成

  • 动态化 :图生视频时运镜幅度给小(推近 5%–10%、轻微摇移)。幅度过大会导致画面抖动、五官变形。说话镜头优先用局部微动(眨眼、发丝、衣角)。
  • 配音 :台词按镜号整理成纯文本,用 TTS 生成,全片固定一个音色;古风题材语速调到 0.9 倍左右更贴气质。
  • 时长对齐 :先配音再对画面,按音频实际长度微调每镜停留,避免”话讲完了画面还空停两秒”。
  • 剪辑 :按镜号铺轨,同场景用硬切、跨场景用叠化,再加字幕、BGM 与音效。BGM 压到 -18dB 左右,保证人声清晰。
  • 导出 :1080×1920,24 或 30fps,码率 8–12Mbps。

想省掉工具拼接?走一站式生成

如果不想在多个工具之间来回倒素材,可以在完成故事大纲和人物设定后,前往 AI 真人短剧生成体验,把题材、人物设定与分镜思路交给它,尝试将创作思路直接转化为短剧内容,再回到剪辑环节做节奏与字幕细调。若只想先敲定主角造型方向,可以用 头像生成体验 快速试几版人物气质,选定后再去生成三视图。

常见问题排查

问题 原因 处理方式
角色每镜都换脸 提示词被改动,或没用参考图 启用参考图,原样粘贴角色描述块
画面好看但不像漫剧 画风词不统一,混入写实摄影词 删除”照片””实拍””8K”等词,统一画风词
生成慢或频繁失败 单次任务过大 每批 4–6 镜,分批生成
节奏拖沓 镜头太少、单镜太长 2 分钟控制在 25–35 镜,单镜不超 5 秒
台词听着别扭 书面语太重 单句压到 20 字内,拆成两镜

版权方面,人物形象、音乐、字体尽量使用平台内置或有明确授权的素材,商用前确认授权范围。

上手顺序清单

剧本分镜表 → 角色基准图(含三视图)→ 固定角色描述块 → 逐镜出图并规范命名 → 图生视频(小幅度运镜)→ TTS 配音 → 剪辑合成导出。

第一集别追求完美,先把 30 个镜头的闭环跑通。真正决定成片质量的不是工具,而是你的分镜表有多清楚、角色描述块有多稳定。