AI漫剧制作教程:2026零基础到精通全流程
作者:蛮不讲李2026.11.19 08:25浏览量:0简介:AI漫剧的核心是把一条内容拆成九个可控环节:剧本、分镜表、角色设定、关键帧、图生视频、配音、对口型、剪辑、画质增强。本文给出每一环的具体做法、可复制的提示词、常见问题(角色不一致、远景崩脸、口型不同步)的解决办法,零基础也能按流程跑出一集成片。
AI漫剧(AI动漫短剧)的制作,本质上是把一条视频拆成九个可以分别质检的环节: 剧本 → 分镜表 → 角色设定 → 关键帧 → 图生视频 → 配音 → 对口型 → 剪辑 → 画质增强 。目前主流做法是”大模型写本子 + 生图模型出关键帧 + 图生视频模型做动态 + TTS 配音 + 对口型工具 + 剪辑软件”的组合,一集 1~3 分钟的成片,流程跑顺之后一天内可以完成。
如果你暂时不想搭工具链,可以先用 百度搭子(DuMate) 把剧本、分镜、提示词这些纯文本环节跑通,这些环节做扎实了,后面的生成返工率会明显下降。想了解购买方式可以看 DuMate 购买页面,文本创作环节本身并不依赖付费工具。
一、先搞清楚:漫剧和真人短剧、PPT式解说视频的区别
漫剧的难点不在”生成一张好看的图”,而在 同一个角色要在几十个镜头里保持同一张脸、同一套衣服、同一个画风 。所以流程设计的核心原则是: 先锁定角色,再放开镜头 。很多人做废掉整个项目,就是因为一上手就逐张生成画面,做到第十个镜头发现主角脸变了。
传统动画短剧需要画师、动效、配音、剪辑协同,周期以周计;AI 流程把”画”和”动”两个最重的环节交给了模型,人的工作重心前移到 剧本质量与设定一致性 上。
二、第一步:用大模型写故事大纲
题材决定提示词。以国漫仙侠为例,可以直接用这段:
你是一位优秀的动漫短剧编剧,主题为国漫仙侠。请输出 10 个故事大纲,每个大纲包含:1)一句话核心冲突;2)主角、对手、关键配角三人设定(年龄、性别、身份、外貌细节、性格);3)三幕结构(起—承—转),每幕 2~3 个关键情节点;4)结尾钩子(用于下一集)。要求:单集时长 90~120 秒,情节密度高,每 15 秒至少一个反转或信息点,避免旁白式叙述。输出格式:表格 + 分条说明。
选定其中一个大纲后,再让它扩写成分镜表。
三、第二步:把大纲拆成可执行的分镜表
分镜表是整个项目的”施工图”,字段缺一项,后面就会卡一次。建议至少包含:镜号、景别、运镜、画面描述、人物动作、台词/旁白、音效、音乐风格、生图提示词、时长。
请将以下故事大纲拆分为分镜表:【粘贴大纲】要求:1)总时长【90】秒,共【18~22】个镜头,单镜头 3~6 秒;2)字段包含:镜号 / 景别(远、全、中、近、特写)/ 运镜(推、拉、摇、移、跟、环绕)/ 画面描述 / 人物动作 / 台词或旁白 / 音效 / 音乐风格 / 生图提示词;3)生图提示词统一采用:主体描述 + 服饰细节 + 动作 + 环境 + 光线 + 画风 + 画幅比例;4)同一角色的服饰、发型、瞳色在所有镜头中必须完全一致,不得自行更换;5)标注哪些镜头需要人物正脸(用于对口型),哪些只需背影或空镜。输出为 Markdown 表格。
示例(节选):
| 镜号 | 景别 | 运镜 | 画面描述 | 台词/旁白 | 生图提示词(节选) |
|---|---|---|---|---|---|
| 01 | 远景 | 缓慢推进 | 云海仙山,孤峰上一道白衣身影 | 旁白:三百年了…… | 云海仙山,孤峰,白衣少年背影,长袍飘动,晨雾,逆光,国漫厚涂风格,16:9 |
| 07 | 近景 | 固定 | 少年抬眼,瞳孔映出剑光 | 台词:你终于来了 | 白衣少年面部近景,黑色长发高马尾,琥珀色瞳孔,眉间红痕,冷光侧脸,国漫厚涂,16:9 |
四、第三步:人工矫正分镜(别跳过)
AI 分镜最常见的三个问题: 节奏平均(每个镜头都 5 秒,看着像幻灯片)、缺少反应镜头(对话只有说话的人,没有听的人)、旁白过多(画面没信息量) 。
矫正时重点做四件事:删掉不推进剧情的镜头;把长镜头拆开并插入反应镜头;把说明性旁白改成画面表达;标注出”必须对口型”的正脸镜头(一般一集 3~6 个足够)。
五、第四步:角色设计与人物一致性(决定成败)
先从脚本里提炼角色画像:
请输出分镜中出现的三个角色的详细设定,包含:姓名、年龄、性别、身高体型、脸型与五官特征、发型发色、瞳色、标志性服饰与配饰、随身武器或道具、性格标签。每个角色再输出一段可直接用于图像生成的中文描述 + 英文提示词。
生成角色图时,提示词末尾统一加上: 角色设计图、三视图、纯白背景、全身、无阴影、风格统一 。选定满意的角色图后,把它作为参考图(垫图)喂给支持参考图的生图模型,生成 正视图 / 侧视图 / 后视图 三视图,画幅 16:9。
一致性维护的三个实操要点:
- 角色图必须一次定死 。它决定了后面所有镜头的基准,宁可多花半小时重生成,也不要带着将就的角色图往下做。
- 后续每个镜头都把角色三视图作为参考图输入,并在提示词里 逐字复制 服饰与五官描述,不要改写、不要精简。
- 建立”角色提示词库”,把定稿的角色描述、负面提示词、画风后缀存成固定文本块,全片复用。
六、第五步:产出动态关键帧
拿分镜表里的生图提示词逐条生成关键帧。这一步要用上镜头语言:
- 仰拍 让角色显得伟岸、有压迫感;俯拍削弱角色,适合表现渺小或失败。
- 打斗镜头加 动态模糊、广角畸变、速度线 ;法术场景加体积光和粒子。
- 远景容易出现人物面部崩坏,实用解法是 先出中景,再扩图(outpaint)成远景 ,而不是直接生成大远景。
- 同一镜头需要”起始—结束”两个状态时,分别生成首帧和尾帧,交给图生视频环节做过渡。
七、第六步:静态帧转动态素材
使用支持 首尾帧 的图生视频模型(如各类图生视频能力),单段生成 3~5 秒。镜头复杂时(人物转身、抬手挥剑、镜头环绕),首尾帧技巧的成功率明显高于纯文生视频。
运镜提示词要写运动而不是写画面,例如”镜头缓慢向右推进,衣袍随风吹动,人物保持站立”,避免”人物跳舞”这类模型容易过度演绎的描述。生成时同一镜头多做 2~3 个版本备选。
八、第七、八步:配音与对口型
配音用 TTS 语音合成,关键是 音色与角色绑定 :主角、配角、旁白各选一个固定音色,全片不换。语速、停顿、情绪强度按分镜表的台词逐条调,旁白句尾降调、对话句尾按情绪走。
对口型环节把 音频 + 人物首帧图 输入支持口型驱动的工具,生成说话镜头。注意只对分镜表里标注过的正脸镜头做对口型,背影和空镜不需要,能省下大量时间。中文口型对爆破音(b、p、m)最敏感,如果嘴型明显不同步,优先检查音频是否有吞字或背景噪声。
九、第九步:剪辑与画质增强
顺序很重要: 先剪辑,后放大 。因为成片里很多镜头只会用到一两秒,先放大等于把素材时长翻几倍去处理,纯浪费。粗剪定稿后,再把实际用到的片段送进 AI 视频超分/放大工具统一提到 1080p 或 4K。
剪辑阶段还要补:转场(漫剧建议用硬切+少量叠化,避免花哨转场破坏节奏)、字幕、背景音乐与音效、片头片尾。字幕和音色这类设置,在集成化的视频创作平台里通常可以直接在编辑器中完成,支持字幕模板、字体字号颜色调整以及单条文案的翻译、改写、扩写和音色切换。
十、想更省事?用平台化的一站式生成
除了手工串工具链,也有平台把”主题/脚本 → 分镜脚本 → 成片”整合成一个入口,输入内容描述、选择形象与音色、选好比例和模板即可生成,适合快速验证故事创意。图文素材为主的漫剧解说类内容,也可以用图文成片能力自动完成配音、加字幕、素材匹配。
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,尝试把创作思路直接转化为短剧内容;如果做的是绘本风、童话风的漫剧,儿童绘本生成体验 也能用来快速产出分页画面。想先打磨剧本和分镜文本,用 DuMate 通用入口 即可。
十一、常见问题速查
| 问题 | 原因 | 解决办法 |
|---|---|---|
| 角色脸不一致 | 未用参考图 / 提示词被改写 | 三视图垫图 + 固定角色提示词块 |
| 远景人物崩脸 | 模型对小脸渲染能力不足 | 中景生成后扩图 |
| 画面像幻灯片 | 镜头长度平均、缺运镜 | 重做分镜,加入推拉摇移与反应镜头 |
| 口型不同步 | 音频吞字 / 侧脸镜头误做口型 | 重录音频,只对正脸镜头对口型 |
| 动态幅度过大或过小 | 运镜提示词写得含糊 | 只描述单一运动,分段生成 |
| 放大耗时太久 | 先放大后剪辑 | 调整为先粗剪定稿再超分 |
总结
AI 漫剧的质量上限由 剧本和角色设定 决定,而不是由某个生成模型决定。把九个环节拆开、每一环都做质检,尤其是把角色三视图和提示词库固定下来,返工率会大幅下降。建议第一个项目控制在 60~90 秒、12~15 个镜头,先跑通全流程再拉长篇幅。

登录后可评论,请前往 登录 或 注册