logo

怎么用AI制作动漫视频?完整流程与提示词

作者:有好多问题2026.11.19 08:21浏览量:0

简介:很多人以为把小说丢给 AI 就能一键出动漫,实际上受模型上下文长度和镜头数量的限制,必须拆成"分镜脚本—画面绘制—图生视频—配音剪辑"四步来做。本文给出每一步的具体做法、可直接复制的提示词、角色一致性等常见崩坏问题的优化方案,以及用百度搭子(DuMate)辅助创作的入口。

先说结论:AI 做动漫视频是”流水线”,不是”一键出片”

直接把一整本小说丢给 AI 让它输出成片,目前做不到。原因不是模型不够聪明,而是量级不匹配:一本网络小说动辄上千章、单章 2000~3000 字,而当前视频生成模型擅长的是”几句话的小故事”级别的片段生成,两者完全不是一个数量级。

可行的做法是 以”一集 3000 字左右”为生产单位,逐集拆分、逐集更新 。整条流水线本质上只有四件事:

  1. 把小说文本转成分镜脚本;
  2. 为每个分镜绘制画面(关键帧);
  3. 用图生视频把静态画面变成动态镜头;
  4. 配音、字幕、剪辑拼接成片。

这四步里,前三步是文本和图像密集型工作,也是 AI 提效最明显的地方。你可以先用 百度搭子(DuMate) 把脚本、分镜、提示词这些环节跑通;想了解开通方式可以看购买与说明页面。AI 只是提效工具,下面的方法不依赖任何付费产品也能手工执行。

第一步:小说转分镜脚本(最容易翻车的一步)

新手几乎都会撞上两个问题:

  • 镜头数量太少 :3000 字只拆出 15 个左右镜头,平均 200 字一个镜头,信息密度过高,画面根本讲不完;
  • 内容遗漏与擅自改编 :人物对话被压缩、关键细节丢失,有时 AI 还会顺手把剧情改掉。

三个应对技巧:先让 AI 输出”剧情梗概 + 人物表 + 场景表”,确认无误后再拆分镜,不要一步到位;在提示词里硬性规定单镜头字数和镜头总数;要求每个镜头标注对应的原文摘录,方便逐条核对。

  1. 你是一名动画分镜师。请把下面这段小说内容改编为动漫分镜脚本。
  2. 【小说原文】{粘贴单集内容,约3000字}
  3. 【画风】{日系赛璐璐 / 国漫厚涂 / 水墨 / 赛博朋克…}
  4. 【画幅】{16:9 或 9:16}
  5. 【硬性要求】
  6. 1. 先输出:一句话剧情梗概、人物表(外貌/服装/性格)、场景表;
  7. 2. 再按镜头拆分,每个镜头对应原文 30~50 字,总镜头数不少于 {40} 个;
  8. 3. 每个镜头必须包含:镜号|景别(远/全/中/近/特写)|运镜(推/拉/摇/移/固定)|
  9. 画面描述|人物动作与表情|台词或旁白|音效/BGM|对应原文摘录;
  10. 4. 严格忠于原文,不得增删情节、不得改写台词,台词必须来自原文;
  11. 5. 最后单独列出"本集高潮镜头"和"留给下集的悬念钩子"。
  12. 【输出格式】Markdown 表格 + 分镜清单

生成后重点检查三件事:镜头数是否够用、每句台词能否在原文中找到出处、人物表前后是否一致。人物表要单独存成文档,后面每一步都复用它。

第二步:绘制画面,先解决”角色一致性”

动漫视频最容易被观众发现的破绽不是画质,而是同一个角色在不同镜头里长得不一样。实用做法:

  • 先定 角色三视图 + 表情差分 (正面/侧面/背面,喜/怒/惊/平静)作为标准参考图;
  • 每个分镜的画面提示词里,原封不动复用同一段角色描述(发型、发色、瞳色、服装、配饰一个字都不改),并把参考图作为输入一并提交;
  • 同步维护一份 场景设定表 ,避免同一个地点每集换风格;
  • 确定画风后写成固定的”风格后缀”,全片复用,这是防止风格跳变最有效的手段。
  1. 【角色固定描述】{姓名、性别年龄、发型发色、瞳色、身高体型、服装配饰,逐字固定不变}
  2. 【风格后缀】{日系赛璐璐上色,干净线稿,高饱和,电影感打光,16:9}
  3. 【本镜头】镜号 {01}|{景别}|{运镜}|{画面描述}|{人物动作与表情}|{时间与天气}
  4. 请生成该镜头的画面提示词,要求:
  5. 1. 只描述可见信息,不出现镜号等元信息;
  6. 2. 角色固定描述与风格后缀原样保留,不得改写;
  7. 3. 输出中英文双语版本,便于不同生成工具使用。

第三步:图生视频,让画面动起来

主流视频生成平台提供的能力,正好对应动漫制作的不同环节:

  • 文生视频 :输入一段文本直接生成视频,通常可选通用风格和专门优化的动漫风格;
  • 图生视频 :上传首帧图,或首帧 + 尾帧图,再配文本描述,可控性最好;
  • 参考生视频 :上传参考图 + 文本描述,适合维持角色形象统一;
  • 视频特效 :双人拥抱、老照片动起来一类互动玩法。

实操上优先用图生视频,因为你已经在第二步把关键帧做好了,可控性远高于纯文本生成。单镜头时长按 3~5 秒设计,运镜描述只写一个动作(”缓慢推近”就够,不要同时写推+摇+变焦)。打斗、多人同框、手部特写是最容易崩的三类镜头,能避就避,改用局部特写加快切加音效来表现。生成耗时受网络等不确定因素影响,页面出现报错提示时按提示操作或联系相关人员反馈。

第四步:配音、字幕与拼接

这一步现在基本可以自动化。图文转视频类能力支持一次传入文本、图片、视频、背景音乐等素材,自动完成配音、加字幕、素材匹配等环节。在智能创作平台上,输入文案、上传素材,依次完成布局、标题、模板、配音、背景音乐、角标、片头片尾设置,点”生成视频”即可,进度在任务中心查看,成品在”作品”中下载。需要出海时,视频翻译能力支持 20 多种语言互译并做口型同步。

拼接阶段的检查清单:台词与字幕、口型是否对齐;相邻镜头的动势是否连贯(上一镜的结束动作与下一镜的起始动作要接得上);BGM 有没有压过人声;片头、片尾、角标是否全片统一。

常见问题与优化对照

问题 根本原因 优化方式
剧情赶、镜头不够 单镜头承载原文过多 限定每镜头 30~50 字,先出梗概再拆分镜
角色脸不一样 描述漂移、缺参考图 固定角色描述 + 三视图参考图 + 参考生视频
动作崩坏、肢体扭曲 镜头太复杂、时长过长 缩短到 3~5 秒,减少同框人数,避开手部特写
画风忽变 提示词风格不统一 固定风格后缀,全片使用同一模型版本
生成慢、任务排队 并发有限,任务串行执行 批量提交后统一收片,不要边生成边改需求

把整条链交给 AI 助手推进

准备资料时,你只需要提供三样东西:单集小说原文、画风参考图、目标画幅与时长。故事大纲、人物设定、分镜表都可以交给 百度搭子(DuMate) 逐轮打磨,改一版就重跑一版提示词。如果你想先验证”文案能不能撑起一条片子”,可以前往 AI 真人短剧生成体验,把整理好的故事大纲和人物设定放进去,快速判断剧情节奏和分镜是否立得住;若做的是低龄向或绘本风内容,儿童绘本生成体验 也能帮你先试出统一的画面风格,再迁移到视频环节。

建议的落地节奏

第一个作品不要直接做整集。按”10~15 个镜头的 30 秒预告 → 3 分钟正片 → 完整一集”的顺序推进:先用极低成本验证画风和角色一致性,确认标准参考图可靠之后再批量生产。返工成本最低的时机,永远是在你还没画满 40 个镜头之前。

发表评论

活动