简介:AI漫剧制作的核心不是"让图片动起来",而是打通"故事—剧本—角色资产—分镜—图生视频—配音后期"这条流水线,难点在角色与场景的一致性。本文给出七步实操流程、可直接复制的分镜与角色提示词、一致性优化方法和发布前质检清单,即使不用AI工具也能照着搭出自己的生产链。
AI漫剧的制作,说到底是把”故事 → 剧本 → 角色与场景资产 → 分镜 → 图生视频 → 配音字幕 → 剪辑成片”这条流水线跑通。真正难的不是让图片动起来,而是让同一个角色在几十个镜头里保持同一张脸、同一套衣服。下面这套流程可以直接照着做。如果你想边看边动手,可以先从百度搭子(DuMate)这个 AI 助手入口整理剧本与设定,具体使用与获取方式可在购买页面了解。
判断一个作品是不是漫剧,看四条:有可持续的故事(人物有目标、剧情有冲突、集与集之间有因果);有稳定的视觉资产(角色、场景、道具、画风能被重复调用);有镜头化表达(故事被拆成画面、动作、景别、运镜和声音);AI 确实参与了策划、剧本、分镜、美术、视频、配音等关键环节。
一个关键认知:AI 不是故事本身,也不是导演。它更像一支速度快、能力多但需要明确指令的制作团队。你让它”生成一个修仙故事”,它可能给你一段看着热闹却无法拍摄的文字;你让它”生成一个修士”,它可能每个镜头换一张脸。创作者真正要做的,是把故事拆解成 AI 能稳定执行的任务。
写清三件事:世界规则(例如”2099年地球联盟意外打开通往修仙文明的空间裂隙”)、阵营与人物关系、主角各自的目标与阻碍。人物部分必须落成一张”锚点表”:发型发色、瞳色、脸型、身高体型、标志性服饰配饰、识别标记(疤痕、耳饰、义肢)。这张表后面每一条提示词都要原样复用。
单集控制在 60~120 秒,结构用”承接上集 → 抛出冲突 → 一次反转 → 留钩子”。台词要短,单句尽量不超过 15 字,方便后续配音与字幕时长对齐。
这一步决定全片质量。文生图时把锚点描述整段固定,只改动作和表情;需要角色贴近某个参考形象时,用图生图的”参考人物长相”,模型会依据人物面部特征重绘;需要延续某个构图或画风时用”参考整图”并调节参考强度,强度越高与原图相似度越高。作画平台通常提供多种尺寸与各档清晰度,可一次批量生成 1~8 张候选,单批出图一般在十几秒内。对中文语义理解较好的模型,在国风、修仙这类题材上的提示词响应更稳,风格与流派的可控性也更强。
建议每个角色固定产出四套图:正面定妆、三视图、全身动态、表情集合;场景同样先出”场景板”,后续所有镜头都从场景板派生,而不是每次重新描述。
每个镜头写清镜号、景别、画面内容、人物动作、运镜、台词或旁白、音效、秒数。一个镜头只安排一个主要动作,避免”人物转身拔剑同时身后爆炸”这类复合动作——这是 AI 视频最容易崩的地方。
把分镜图逐张送进视频生成环节。目前主流有两条路:一条是在智能创作平台里输入文案、上传图片或视频素材,再依次配置布局、标题、模板、配音、背景音乐、角标、片头片尾,一键生成;另一条是通过 API 调用图文转视频接口,传入文本、图片、视频、背景音乐等参数创建任务拿到任务 ID,再调用查询接口获取生成状态与视频地址。要注意并发的概念:一个任务从创建到拿到结果才算结束,并发数决定你同时能推进多少集。生成期间在任务中心看进度,完成后在作品里查看或下载。
先出配音再对画面,比反过来省时间。字幕要能调位置、模板、字体字号与颜色;文案层面可以让 AI 做翻译、改写、扩写来打磨旁白。如果做的是口播式或旁白推进的漫剧,还可以用数字人形象配合动作编排,并对人像设置关键帧。
按”角色一致性 → 场景连续性 → 动作穿帮 → 字幕错别字 → 音量与 BGM → 片头片尾 → 封面”的顺序过一遍,不合格的单镜头重做,不要靠剪辑硬救。
Prompt 1:分镜脚本生成
你是一位擅长【填写题材,如都市玄幻/悬疑】的漫剧编剧兼分镜师。【任务目标】把下面的设定扩写成第【1】集可直接生产的分镜脚本。【输入信息】- 世界观:【填写世界规则与核心矛盾】- 人物锚点:姓名/身份/性格/外形锚点(发型发色、瞳色、服饰、识别标记)/本集目标- 本集剧情节点:开端—冲突—反转—钩子- 规格:总时长【90】秒,横屏16:9,共【12】个镜头,场景不超过【2】个【处理要求】1. 每镜头写清:镜号、景别(远/全/中/近/特写)、画面内容、人物动作与表情、运镜(推/拉/摇/移/固定)、台词或旁白、音效、秒数。2. 台词口语化,单句不超过15字;一个镜头只安排一个主要动作。3. 不得出现无法用画面表现的心理描写。【输出格式】表格输出,列为:镜号|景别|画面描述|运镜|台词/旁白|音效|秒数;表格后附"本集角色出场清单"与"下集钩子一句话"。【质量要求】画面描述需可直接当作文生图提示词使用,秒数总和等于总时长。
Prompt 2:角色一致性提示词
你是AI绘画提示词工程师。基于以下角色设定输出文生图提示词。【角色】姓名、性别、年龄段、身份、性格【外形锚点】发型发色、瞳色、脸型、身高体型、标志性服饰配饰、识别标记【画风】【填写国漫/日漫/写实/三维】要求:输出4组提示词,分别用于①正面半身定妆 ②三视图(正/侧/背)③全身动态姿势 ④表情集合(喜/怒/哀/惊)。每组不超过80字,包含画风、镜头、光线、画质词;四组中的外形锚点必须逐字一致,只改变姿势与表情描述。
S01E03_C05_v2 命名,返工和补镜头时能立刻定位。先只做一集 60 秒的样片,把角色定妆、场景板、镜头表三样资产跑通,再考虑系列化。完成故事大纲和人物锚点表后,可以前往AI 真人短剧生成体验,把创作思路直接转成短剧内容,用来快速验证故事节奏与冲突是否立得住;成片发布前的封面与推图,可以用AI 海报生成体验出一版主视觉。工具会持续更新,但”故事拆解 + 资产复用 + 镜头化表达”这套方法是不变的底层能力。