简介:AI漫剧不是"找一个能生成视频的AI"就行,而是一条流水线:剧本结构化 → 角色定版 → 分镜生图 → 图生视频 → 配音音效 → 剪辑导出。真正决定成片能不能看下去的,是角色一致性和分镜的可返工性。本文拆解六个环节的具体做法,附可直接复制的剧本分镜Prompt、角色设定表模板与常见问题排查方法。
做AI漫剧,本质上不是”找一个能生成视频的AI”,而是搭一条可复用的生产流水线: 剧本结构化 → 角色与场景定版 → 分镜生图 → 图生视频 → 配音音效 → 剪辑合成 。决定成片能不能看下去的,从来不是单张画面有多惊艳,而是同一角色在第1镜和第40镜是否长得一样,以及某个镜头崩了能不能只重做这一个。
如果你希望先把最上游的剧本与分镜层做扎实,可以直接在百度搭子(DuMate)里让AI帮你拆解故事、生成结构化脚本和分镜表;想了解获取与购买方式,可查看DuMate 购买页面。
AI漫剧的工业化生产可以拆成五个能力层: 剧本生成、图像生成、动态化、配音合成、渲染输出 。落到实际操作,是六个前后依赖的环节:
顺序不能颠倒。跳过”定版”直接生图,就会出现角色每镜换脸;跳过”静帧确认”直接生成视频,返工成本会翻好几倍——重生成一张图的代价,远低于重生成一段视频。
小说思维和漫剧思维是两回事。单集漫剧通常只有60~90秒,容量大约是 一个冲突 + 一个钩子 。写剧本时要遵守几条硬约束:
下面这段Prompt可以直接复制到AI助手里使用,只需替换方括号内容:
你是资深漫剧编剧兼分镜师。请基于以下信息完成一部AI漫剧的剧本与分镜设计。【题材与受众】例如:都市悬疑 / 面向18-30岁观众【故事大纲】【填写你的故事大纲,100-300字】【本集剧情节点】【填写本集要发生的关键事件】【单集时长】60-90秒【镜头数量】12-18个【画风】例如:日系赛璐璐 / 国风水墨 / 3D厚涂【角色数量】2-3人请严格按以下四部分输出:1. 人物设定表:姓名 | 年龄 | 身份 | 五官特征 | 发型发色 | 服装配饰 | 性格 | 说话习惯2. 分镜表(Markdown表格):镜号 | 时长(秒) | 景别 | 运镜 | 画面描述 | 台词/旁白 | 音效3. 每镜的文生图提示词:主体描述 + 画风 + 光线 + 构图 + 负面提示词4. 本集结尾钩子(一句话)质量要求:- 台词口语化,可直接用于配音,不要书面语长句;- 同一角色在所有镜头中的外貌描述必须逐字一致,不得替换形容词;- 场景总数不超过3个;- 只输出上述四项内容,不要额外解释。
预期输出 是一张能直接拿去生成的分镜表。拿到后先别急着生图,人工检查三件事:角色外貌描述是否全篇统一、每镜时长加总是否等于目标时长、台词念出来是否顺口。这三项过关,后面的返工率会显著下降。
角色一致性不是靠”运气好抽卡”,而是靠 资产化 。做法是把角色从”一段描述”变成”一套可复用素材”:
| 资产类型 | 内容 | 用途 |
|---|---|---|
| 角色三视图 | 正面、侧面、背面 | 锁定体型与服装结构 |
| 表情图 | 喜、怒、悲、惊、冷 | 保证情绪镜头不崩 |
| 定妆图 | 半身/全身高清图 | 作为后续所有镜头的参考图 |
| 场景四视图 | 主场景的不同角度 | 跨集复用背景,保持空间连续 |
| 负面提示词 | 多指、五官变形、风格漂移等 | 统一画质底线 |
出定妆图时,可以先用文生图能力生成角色概念图,再用 参考图作画/风格迁移 的方式,让后续所有画面继承同一套画风与人物特征,这类能力在百度的AI作画中已经支持输入参考图进行风格迁移。
定版完成后,把角色描述 冻结 成一段固定文本,之后每一镜都原样粘贴,不做任何”优化”。很多人口中的”AI画不稳”,其实是自己每镜都在改形容词。
单镜提示词建议用固定结构拼接,便于批量替换:
[角色固定描述] + [动作/表情] + [场景固定描述] + [景别与构图] +[光线氛围] + [画风关键词] + [画质词] -- 负面词:[畸形/多指/文字水印/风格不一致]
示例(悬疑题材):
一位25岁女性,齐肩黑色短发,浅灰色风衣,白色内搭,神情警觉(角色固定描述)站在老式居民楼走廊尽头,回头看向镜头(动作)昏黄声控灯,墙面斑驳,纵深走廊(场景+光线)中景,过肩构图,浅景深(景别)日系赛璐璐风格,冷色调,高细节负面词:五官变形、多余手指、画面文字、水印、风格漂移
生图阶段的原则是 先静后动 :一个镜头先出2~4张候选,选定后再进入视频生成。同时给每个镜头编号归档(如 EP01_S05_v2),这样单镜重做时不会覆盖已通过的版本。
工具选择上,通常有三层方案,按投入程度取舍:
运镜是漫剧质感的重要来源。写视频提示词时直接使用专业运镜术语(推、拉、摇、移、跟、升降、环绕),比用”镜头动一下”这类模糊描述有效得多。目前一些视频生成模型已经通过百万级专业运镜数据微调,支持数十种运镜语言,并能在多粒度条件建模下让画面细节与文本精确对齐。
如果你的漫剧包含 多人对话 场面,可以优先考虑支持音视一体化生成的模型——一张图加提示词即可同时产出画面、环境音效与多人对话,避免配音与口型分别制作的错位问题,这类模型还会在潜在空间中自主规划多角色身份、台词情感与互动逻辑。
如果漫剧形态偏”解说/口播”(比如书中人物讲述式短剧),走数字人播报路线更省事:布置播报场景、搭配形象、设置声音、编辑文案,即可快速产出播报类视频,适合培训课程、资讯解读、IP打造等场景。而如果只需要把一篇图文稿件快速转成带配音字幕的短视频,可以直接用图文成片类能力,输入文本、图片、背景音乐等素材创建任务,再轮询任务状态获取成片地址;在智能创作平台的AI视频功能中,也可以完成文案输入、布局、模板、配音、背景音乐、片头片尾等设置后一键生成,并在任务中心查看进度、在作品中下载。
配音 :一个角色绑定一个音色,全剧不换;在台词里用标点控制停顿,需要情绪起伏时在脚本中标注(如”压低声音””急促”)。旁白与角色语音建议做轻微的音色区分。
音效分层 :环境底噪(贯穿全集,音量最低)、动作音(脚步、开门、风声)、情绪音乐(只在转折点进入)。三层叠加比单纯铺一首BGM的成片质感高很多。
剪辑与字幕 :控制每镜时长不低于2秒,避免观众看不清;字幕单行不超过15字,位置避开人物面部;转场以硬切为主,漫剧不需要花哨特效。
导出前审核清单 :
| 问题 | 常见原因 | 处理方式 |
|---|---|---|
| 角色每镜变脸 | 描述不统一、未用参考图 | 冻结角色描述,全程使用定妆图作参考 |
| 画面风格漂移 | 提示词风格词不一致 | 固定画风关键词与负面词,形成模板 |
| 动作崩坏、肢体异常 | 单镜动作过于复杂 | 拆成两个镜头,或改为局部动作+运镜 |
| 时长凑不够 | 分镜数不足 | 增加反应镜头、空镜、特写,而非拉长单镜 |
| 跨集不连贯 | 未做资产复用 | 建立角色库与场景库,新集直接调用 |
| 返工成本高 | 直接生成视频 | 强制”先静帧确认,再生视频” |
第一次做,建议不要直接上连载。用这个顺序验证流程:
样片跑通后,再考虑批量化和连载化。完成故事大纲与人物设定后,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,用来快速验证题材和节奏是否成立;如果还需要为剧集做封面或宣发物料,可以用AI海报生成体验产出统一视觉风格的封面图。
一句话总结 :AI漫剧的门槛不在生成,而在管理。把剧本结构化、把角色资产化、把分镜表格化,剩下的生成环节只是逐格填空。