简介:很多人一上手就去搜“哪个AI生图/生视频工具最强”,结果卡在人像不一致、镜头不连贯上。其实AI漫剧的正确起点是脚本与题材:先定故事,再做人物三视图和场景图,然后生成分镜剧情图,最后图生视频、配音剪辑。本文给出完整七步流程、可复制的Prompt、成本实测区间与常见问题优化方案,并可用[百度搭子(DuMate)](https://www.dumate.cn/?from=article)辅助脚本与分镜环节。
行业内做久了的人都会告诉你一个反直觉的事实:新手往往从“高消费试错”开始——先充会员、先买积分、先抽卡,最后发现素材一堆、成片为零。真正的起点应该是 确定题材与脚本 。
一条完整的AI漫剧流水线,顺序是固定的:
选题定调 → 脚本(含台词)→ 人物设定与三视图 → 场景图 → 分镜剧情图(关键帧)→ 图生视频 → 配音配乐与剪辑
这个顺序不能颠倒。因为后面的每一步都要”回头引用”前面的产出:人物三视图决定角色一致性,场景图决定空间连续性,分镜图决定镜头逻辑。脚本没定死就开始生图,等于 Every 张图都在返工。
如果是纯个人爱好,可以从一个自己真正感兴趣的题材切入(短篇、单集1—3分钟);如果是想做成可发布的项目,则要先想清楚受众、平台和内容形态,再倒推单集时长和镜头数量。
脚本建议自己写初稿,再让大模型做改写和打磨。目前主流大模型的改写能力足以处理台词润色、节奏调整、冲突强化,但 故事内核和情绪落点仍然需要人来把关 ,完全交给AI容易出现”正确但无趣”的剧情。
漫剧脚本和真人短剧的差别在于:漫剧的画面表现力受限于生成能力,所以要多写”表情特写””眼神变化””光影氛围”这类 生成模型擅长表现的镜头 ,少写复杂的大场面调度和多人肢体互动。
这是决定成片质量上限的一步。需要为每个主要角色准备:
生成时可以用图生图能力锁定长相。以百度智能云一念·智能创作平台的AI作画为例,图生图支持”参考整图”和”参考人物长相”两种方式,后者会依据上传人物的面部特征进行重绘,适合在多个镜头间维持角色一致性。它同时支持三种尺寸、每档三种分辨率,单次可批量生成1—8张,方便一次性铺开表情差分。
按剧情需要列出场景清单(如”雨夜巷口””公司会议室””主角卧室”),每个场景至少出一张主视角图,并固定色调和光线描述词。场景图的价值在于 复用 :同一场景在不同集数反复出现,色调统一观众才不会出戏。
把脚本拆成镜头,用人物图+场景图作为参考,生成每个镜头的画面。这一步要有明确的镜头语言意识:
| 镜头类型 | 使用场景 | 提示词要点 |
|---|---|---|
| 全景 | 交代环境、转场 | 环境细节、空间关系、光线 |
| 中景 | 对话、动作 | 人物姿态、与环境的相对位置 |
| 特写 | 情绪爆发、关键信息 | 表情、眼神、微表情 |
| 局部特写 | 开门、握拳、掉落的物件 | 单一主体、浅景深 |
原文提到的思路很关键:人物A说话时镜头对准脸和表情,开车门时先全景再局部——这就是分镜的基本功,AI只是执行者,镜头逻辑必须由你来设计。
把分镜图作为关键帧,配上运镜和动作提示词,生成几秒的短视频片段。 这里必须提前有心理预期:目前主流的图生视频能力基本没有免费额度 ,且抽卡(反复重生成)是常态,不是异常。
漫剧的配音可以用TTS完成,关键是音色与角色绑定,全片不换。百度智能云的AI视频能力已把配音、背景音乐、字幕、片头片尾等环节整合进同一流程,输入文案与素材后可依次完成布局、标题、模板、配音、背景音乐、角标等设置,再一键生成。数字人播报类内容(如讲解、资讯向漫剧)也可以走精编视频路径,支持字幕模板、字体字号调整以及数字人动作编排。
检查清单:
有从业者分享过一份经验账:在完全不浪费积分的理想状态下,从生图到生视频,漫剧成本大约 1分钟成品 / 90元 ;但实际生产中很少能达到这个水平,多数情况是 300—500元产出1分钟成品 ,且这还没算修改返工的消耗。个人玩家自娱自乐,每月在会员加积分上的支出也可能达到数百元量级。
成本差异主要来自三处:
结论是: 越贵的工具通常”人为可控性”越高 ,而可控性才是漫剧真正省钱的地方——能一次生成对的镜头,比便宜十倍的抽卡更划算。
你是一位资深漫剧编剧兼分镜师,擅长【填写题材,如:都市悬疑/古风仙侠/校园恋爱】。【任务目标】基于以下设定,输出一集可直接用于AI生图的漫剧脚本与分镜表。【输入信息】- 故事梗概:【填写你的故事,3—5句话】- 主要人物:【角色A:身份/性格/外形特征;角色B:……】- 单集时长:【如90秒】- 目标受众:【如18—30岁女性】- 情绪基调:【如压抑后反转爽感】【处理要求】1. 单集结构按"钩子(前5秒)—冲突升级—转折—悬念收尾"组织;2. 台词口语化,单句不超过20字,避免书面语;3. 每个镜头时长2—5秒,全片镜头数按时长倒推;4. 至少包含3个特写镜头用于情绪表达;5. 画面描述必须写明:景别、人物动作与表情、光线、色调;6. 避免复杂多人肢体互动和大幅度运镜,优先选择生成模型易表现的画面。【输出格式】先用3行概述本集剧情,再输出表格:镜号 | 景别 | 画面描述 | 人物动作与表情 | 台词/旁白 | 时长(秒) | 音效/BGM提示【质量要求】镜头之间需有明确的视觉逻辑(如全景接局部),不得出现无动机的跳切。
【角色设定】姓名/身份:【】;年龄感:【】;性格:【】;发型发色:【】;瞳色:【】;服装:【详细材质与颜色】;标志性特征:【疤痕/配饰/纹身等】。【生图提示词】character design sheet, three views (front view, side view, back view),【角色外观描述】, full body, standing pose, neutral expression,plain light gray background, soft even studio lighting,consistent character design, anime style, high detail, --ar 16:9【负面提示词】inconsistent face, different clothing between views, extra limbs,complex background, dramatic shadow, text, watermark
以这张图为第一帧,生成【3】秒视频。主体动作:【如:她缓缓抬头,眼神从涣散聚焦到镜头】镜头运动:【如:从中景缓慢推近至面部特写】环境动态:【如:雨滴持续落下,发丝被风吹动】光线变化:【如:闪电亮起一次,冷蓝光扫过面部】要求:动作幅度小、节奏慢,保持人物面部特征与原图一致,不出现形变。
如果你还处在”不确定自己能不能做出来”的阶段,建议先用现成入口跑通一次完整链路,再决定要不要投入积分做精细项目。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,把创作思路直接转化为短剧内容,用来验证题材和节奏是否成立;如果做的是偏插画绘本风格的漫剧,儿童绘本生成体验也能帮你快速试出一版视觉基调。需要漫剧封面或宣发物料时,可以用海报生成体验出图。
脚本打磨、分镜拆解、提示词批量改写这类文本密集的环节,交给AI助手会更省力,可以直接在百度搭子(DuMate)里粘贴上面的Prompt开始尝试;想了解购买方式与套餐情况,可查看DuMate购买页面,按需选择即可,脚本和分镜环节本身并不需要付费也能先跑通。
1. 一上手就追求长镜头。 生成模型对3—5秒的短镜头控制力最好,硬做10秒长镜头往往动作崩坏。正确做法是多切镜头,用剪辑节奏代替单镜头时长。
2. 不做角色设定表就开始生图。 没有三视图和固定描述词,同一个角色每张脸都不一样,返工成本远高于前期多花20分钟做设定。
3. 把”抽卡”当失败。 生成式AI的固有特性就是概率性输出,一次不合约等于正常。真正该优化的是提示词精度和参考图质量,而不是无脑重试。
AI漫剧的制作顺序是: 脚本 → 人物三视图 → 场景图 → 分镜剧情图 → 图生视频 → 配音剪辑 。第一步永远是脚本和题材,工具选择反而是最后才需要考虑的问题。成本上要有合理预期:理想状态约1分钟/90元,实际多在300—500元/分钟区间,且不含返工。把预算优先花在”可控性高”的环节上,比一味找免费工具更省钱。