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。
- 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。
- 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。
- 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。
- 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。
【镜号】07【景别】中景【镜头运动】缓慢推近【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【出场角色】林溪【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【场景设定块】雨夜长街,石板路,积水反光,远处店铺招牌【台词】(林溪)你还没走?【时长】4秒【风格词】电影感,柔和光影,色调偏冷【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 |

登录后可评论,请前往 登录 或 注册