logo

AI漫剧怎么做:四段工具链与六步流程新手指南

作者:半吊子全栈工匠2026.11.19 08:26浏览量:0

简介:新手做AI漫剧常卡在不知道先做什么、角色前后不一致。本文把制作拆成剧本分镜、文生图、图生视频、配音合成四段能力,给出六步流程、可复用的分镜Prompt模板,以及画风漂移、人物换脸、口型对不上等问题的排查表。读完可以按步骤做出第一集样片。

一、四段工具链各负责什么

AI漫剧可以拆成四段能力。大语言模型写剧本和分镜,文生图模型画角色和场景的关键帧,图生视频模型让画面动起来,语音合成负责配音。最后由剪辑软件或一键成片工具完成合并。每段都有自己的输入、输出和常见问题,逐段检查,比寻找一个万能工具更可靠。

环节 能力类型 输入 输出 验收标准
剧本与分镜 大语言模型 题材、画风、本集目标、角色设定 故事大纲、台词、分镜表 每句台词能在一个镜头时长内读完,每个镜头都能直接画出来
关键帧 文生图模型 分镜描述、角色设定块、参考图 角色立绘、场景图、每镜首帧 同一角色在不同镜头中发型、服装、瞳色一致
画面动态化 图生视频、首尾帧生成 首帧、可选尾帧、运动描述 3至5秒镜头片段 无明显形变,首尾帧与设计图一致
配音与口型 语音合成、口型驱动 台词文本、音色、情绪标注 分角色音轨 每个角色音色固定,口型与台词基本对齐
合成与包装 剪辑或一键成片 镜头片段、音轨、字幕、音效 成片、封面 音画同步,单集节奏没有明显拖沓

数字人口播和漫剧配音是两类需求。数字人口播通常输入一段脚本,生成一个人物出镜讲解的视频,适合解说、课程和产品介绍。漫剧则需要多个虚构角色各自的声音,台词按镜头切分,口型与画面对齐,还要分轨输出,方便后期调音量。选工具时要确认每个角色能否固定音色,能否标注情绪,能否导出分轨。

选工具时,建议逐项核对下列维度,不要只看演示效果。

维度 需要确认的问题
参考图 是否支持输入参考图,用于风格统一或角色一致
首尾帧 是否支持指定首帧和尾帧
多角色分轨 能否按角色导出独立音轨
口型对齐 对齐精度如何,能否手动微调
批量与接口 是否支持批量生成,是否提供接口,失败能否重试
导出格式 视频、音频、字幕格式是否满足剪辑需要
商用授权 使用条款是否允许商用,有无水印或标识要求
计费方式 按次、按时长还是按套餐计费,试错成本多高

二、资产一致性是新手最容易翻车的地方

AI漫剧的主要失败点通常是一致性,而不是单张图的画质。比如主角第3镜是黑色短发,到第30镜变成长发,观众会分心,故事连贯性也会受损。角色表情僵硬、眼神空洞也很常见。

解决办法是把角色、场景和道具做成可复用的资产,具体做法如下。

  1. 角色设定表。 为每个角色写一段固定描述,字段包括年龄段、脸型、发型发色、瞳色、服装、配饰和画风关键词。全剧出图时整段复制,用词和顺序都不改。
  2. 场景与道具库。 主要场景各写一段固定描述,例如“宗门大殿,暖黄烛光,石质地面”。道具单独登记,同一把剑在每个镜头中保持相同的样式描述。
  3. 参考图锁定风格。 先生成一张满意的角色立绘作为基准图,后续镜头使用参考图或风格参考功能。是否支持、支持到什么程度,要以所选工具的官方文档为准,并用两三张样片测试。
  4. 分镜表管理镜号。 表中记录镜号、画面描述、出场角色、台词、时长和素材文件名。修改时只改单个镜头,不牵动全集。

三、六步制作第一集

以下参数是起步建议。实际取值以所用工具的输出为准,正式出片前应先用少量样片测试。

Step 1 定结构。 输入是题材、目标观众和本集要解决的冲突。输出是一页梗概,写明开场钩子和本集反转。参数上,单集可先定在1至3分钟,画幅先按9:16竖屏设计,具体分辨率按发布平台要求调整。验收标准是能用一句话说清本集发生了什么。

Step 2 出剧本和分镜表。 输入是梗概、角色设定表和画风说明。输出是台词和分镜表,每个镜头包含景别、镜头运动、画面描述、出场角色、台词和时长。参数上,单镜时长控制在3至5秒,单句台词控制在一个短句内。验收标准是每个镜头都能画出来,台词时长没有超过镜头时长。

Step 3 生成关键帧。 输入是分镜画面描述、角色设定块、场景描述和参考图。输出是每镜首帧,以及角色立绘和场景图。同一批次使用相同的画风词,并尽量固定随机种子(如工具支持)。验收标准是同一角色在所有镜头中外观一致,画风与基准图接近。

Step 4 图生视频。 输入是首帧、可选尾帧和运动描述。输出是3至5秒的镜头片段。运动描述只写一个主要动作,例如“女孩缓慢转头看向门口”。验收标准是没有明显形变或闪烁,首尾帧与设计图一致,主体没有凭空消失。

Step 5 配音和口型。 输入是台词文本、每个角色的音色和情绪标注。输出是分角色音轨,以及需要时经过口型驱动的片段。每个角色固定一个音色,情绪标签只用平静、激动、低沉等少数几个。验收标准是同一角色音色前后一致,口型与台词基本对齐,音轨可以分别调音量。

Step 6 合成、检查和发布。 输入是镜头片段、音轨、字幕、音效和封面。输出是成片、封面和标题。字幕按句切分,背景音乐音量低于人声。发布前逐项检查:音画同步,没有黑帧和跳帧,字幕没有错别字,角色名称前后统一,标题与内容一致。同时按平台和当地规定标注AI生成内容。

建议先做一个3镜的样片,只验证一致性、口型和分轨这三项。样片通过后再做整集。

四、分镜Prompt模板

下面的模板可以直接复用。方括号中的内容替换为实际内容,角色设定块整段粘贴,不做改动。

  1. 【镜号】07
  2. 【景别】中景
  3. 【镜头运动】缓慢推近
  4. 【画面描述】雨夜长街,路灯昏黄,少女站在积水前回头看向身后
  5. 【出场角色】林溪
  6. 【角色设定块】林溪,17岁,瓜子脸,黑色及肩短发,灰蓝色瞳,白色旧校服外套,银色耳钉,清新写实画风
  7. 【场景设定块】雨夜长街,石板路,积水反光,远处店铺招牌
  8. 【台词】(林溪)你还没走?
  9. 【时长】4秒
  10. 【风格词】电影感,柔和光影,色调偏冷
  11. 【负面约束】画面中只有一个人物,无文字水印,手部自然

各字段的作用和常见错误如下。

字段 作用 常见错误
景别 决定画面范围 只写“好看”,无法执行
镜头运动 决定画面如何变化 同时写多种运动
画面描述 说明主体和动作 一个镜头塞入多个动作
角色设定块 锁定角色外观 每次改写措辞
台词 作为配音文本 台词时长超过镜头时长
时长 决定片段长度 与台词长度不匹配

台词时长可以粗略按每秒3至4个汉字估算。如果所用工具不支持负面提示,就把“负面约束”改写成正向描述,例如“画面中只有一个人物”。

五、常见问题排查

出现问题时,先对照下表找症状,再按排查动作逐项检查。

症状 可能原因 排查动作 修复提示
画风漂移 画风词不统一,未使用基准图,批次参数不同 对比同批次首帧,检查画风词是否一字不差 固定画风词,用参考图重新生成
人物换脸 角色设定块被改写,参考图权重低,多人同框 逐镜核对外观描述,单独生成角色立绘对比 复用原设定块,减少同框人数,改用正反打分镜
动作变形 运动描述包含多个动作,主体在画面中占比小 检查运动描述是否包含多个动作,片段是否超过5秒 只保留一个动作,缩短时长,放大主体
画面抖动或闪烁 首尾帧差异大,片段时长过长 逐帧播放,比对首尾帧 缩短片段,选择与尾帧更接近的首帧
口型对不上 台词过长,音轨与镜头时长不一致 对比音轨时长与镜头时长 拆短台词,重新对齐,或在口型驱动后手动微调
情绪单一 情绪标注缺失或只用一个标签 逐句检查台词对应的情绪 按句分配情绪标签,调整语速
音画不同步 时间轴起点偏移,导出帧率不一致 检查时间线起点和帧率 统一帧率,从音轨起点重新对齐
角色名称不一致 设定表与字幕各写各的 对照角色设定表检查字幕 字幕统一从设定表复制

发表评论

活动