AI漫剧怎么做?手机端一句话出片全流程实操
作者:搬砖的石头2026.11.19 08:31浏览量:0简介:AI 漫剧的完整链路其实只有六步:一句灵感→剧本→角色与场景设定→分镜图→分镜视频→合成成片。过去这条链路基本只能在电脑网页端完成,现在用手机也能跑通。本文拆解每个环节的输入要求、人物一致性的落地做法、可直接复制的 Prompt,以及如何用 AI 编程助手把自己的创作流程做成一个小工具。想先看看成品长什么样,可以先通过[百度搭子 DuMate](https://www.dumate.cn/?from=article) 走一遍完整流程,具体[购买与开通方式](https://console.bce.baidu.com/dumate/purchase-page/new)也可自行查看。
一、先搞清楚:AI 漫剧的生产链路到底有哪几步
一位开发者在 8 天内做出了手机端漫剧创作应用,核心就是把下面这条流水线跑通^[原始案例]^:
| 环节 | 输入 | 输出 | 关键控制点 |
|---|---|---|---|
| 灵感理解 | 一句话梗概 | 故事大纲 | 题材、受众、总时长 |
| 剧本生成 | 大纲+人设 | 分集/分场剧本 | 冲突密度、台词长度 |
| 角色与场景设定 | 人设描述 | 角色卡、场景卡 | 外观描述唯一化 |
| 分镜设计 | 剧本 | 分镜表(镜号/景别/画面/台词/时长) | 一镜一画面,时长可控 |
| 分镜图 | 分镜提示词 | 关键帧图片 | 人物一致性、画风统一 |
| 分镜视频 | 关键帧+运镜 | 镜头片段 | 运动幅度、镜头衔接 |
| 合成成片 | 视频+配音+字幕 | 完整漫剧 | 音画对齐、节奏 |
真正难的不是”生成”,而是 跨镜头的一致性 和 可控的时长节奏 。这也是所有漫剧工具的分水岭。
二、传统做法卡在哪里
- 人物不一致 :每个镜头单独生成,角色脸型、发型、服装随提示词漂移,观众三秒出戏。
- 分镜与剧本脱节 :先出图再想剧情,导致画面漂亮但叙事断裂。
- 工具链割裂 :剧本在文档里、图在绘图工具里、视频在剪辑软件里,素材反复导入导出。
- 只在 PC 端可用 :灵感往往在路上出现,回到电脑前已经忘了。
- 成本与并发不可控 :批量出图出片时容易触发调用限制,返工成本被放大。
三、动手前的准备清单(决定成片质量)
- 题材与时长 :先做 60~90 秒的短单元,别一上来做 10 分钟。
- 画幅 :竖屏 9:16 适合手机端传播,横屏 16:9 适合剧情向。
- 角色数量 :主角控制在 1~2 个,配角按需增加;角色越多,一致性成本呈指数上升。
- 场景数量 :默认给 5~7 个高频场景(如”办公室””公寓客厅””街道”),并做成可配置项,避免每镜新建。
- 画风锁定 :国漫、日漫、写实、水彩选一个,写进固定风格前缀,全片复用。
- 角色三视图 :正面、侧面、背面各一张 + 服装细节,作为后续所有镜头的参考图。
四、可直接复制的 Prompt
1)从灵感到分镜表(主 Prompt)
你是资深漫剧编剧兼分镜师。请基于以下信息完成一部竖屏漫剧的前期创作。【一句话灵感】<填写你的故事灵感,如:实习生在加班的深夜发现老板的惊天秘密>【总时长】<60 秒 / 90 秒>【画幅】9:16 竖屏【画风】<国漫 / 日漫 / 写实 / 水彩>【主角数量】1~2 人【场景数量】不超过 6 个请按以下结构输出:1. 故事大纲:一句话前提 + 起承转合四段,总字数 200 字内。2. 角色卡:每个角色给出姓名、年龄感、身份、性格,以及"外观固定描述"(发型、脸型、瞳色、服装、配饰),描述需唯一且可复用于图像生成。3. 场景卡:每个场景给出名称 + 固定的环境描述(光线、色调、关键陈设)。4. 分镜表(Markdown 表格),列为:镜号 | 景别 | 画面描述 | 角色与场景引用 | 台词/旁白 | 时长(秒) | 运镜要求:单镜时长 2~5 秒,总时长误差不超过 ±5 秒;每镜画面描述必须显式引用角色卡与场景卡的名称,不得自行新增外观设定。5. 结尾给出:全片一句话钩子 + 3 个候选标题。质量要求:台词口语化、单句不超过 20 字;不要出现无法用画面表现的心理描写。
2)分镜图提示词模板(保证一致性)
[风格前缀:国漫赛璐璐上色,干净线条,统一色调]+ [角色卡中的外观固定描述,逐字复制,不改写]+ [本镜画面描述]+ [场景卡中的环境描述]+ [景别与构图:中景/近景,人物居中偏左,视线朝向对方]+ [负面约束:不要改变发型与服装,不要新增角色,不要出现文字水印]
要点是: 风格前缀 + 角色固定描述 + 场景固定描述 三段永远不变,只替换画面描述。参考图(三视图)全程作为同一角色的输入,比反复调提示词有效得多。
五、成片与后期:把静态镜头变成视频
分镜图确认后,逐镜生成 2~5 秒的镜头片段,运镜幅度宁小勿大(推、拉、轻微摇),大幅度运动最容易导致画面崩坏。配音、字幕、背景音乐在合成阶段统一对齐,口型要求高的镜头再考虑数字人方案。目前一些 AI 视频能力已经支持输入图文素材一键生成短视频,并自动完成配音、数字人等环节,适合快速验证节奏。
如果你希望跳过自建流程,完成故事大纲和角色设定后,可以直接前往 AI 真人短剧生成体验,把角色卡和分镜表贴进去,尝试把创作思路转化为成片;偏低龄向的绘本式故事,也可以用儿童绘本生成体验先验证画面风格是否合适。
六、想自己做一个手机端漫剧工具?按这个顺序做 MVP
原案例的思路值得复用: 先用 AI 编程助手(终端型 Coding Agent)搭骨架,再逐模块补齐 。
- 数据模型先行 :Project(项目)→ Character(角色卡)→ Scene(场景卡)→ Shot(分镜)→ Asset(图片/视频)。角色与场景做成可配置字典,是分镜阶段复用一致性的基础。
- 文本链路 :灵感 → 大纲 → 剧本 → 分镜表,全部走结构化输出(JSON),字段固定,便于前端渲染和二次编辑。
- 图像与视频链路异步化 :提交任务后返回任务 ID,前端轮询状态,不要同步阻塞等待。这类成片接口通常还会返回消耗点数、成片时长等信息,并区分图片质量不合格、文本含敏感信息、并发超限等错误类型,需要逐项做提示与重试。
- 失败可恢复 :每个镜头独立重试,单镜失败不影响整片;素材与任务记录落库,避免重复扣费。
- 成本控制 :相同提示词做缓存;剧本规划与代码生成分开计量;给免费用户限制并发与日额度。
- 移动端体验 :竖屏预览、分镜卡片上下滑动、长按单镜重新生成,是手机端最高频的三个操作。
七、常见问题与优化建议
- 人物还是不像 :回到角色卡,把外观描述改得更”可画”(具体到颜色、长度、款式),并始终使用同一张参考图。
- 时长对不上 :先按分镜表时长总和校验,再逐镜微调,不要在剪辑阶段硬拉。
- 配音语言/音色不对 :在合成参数里显式指定语种与音色,不要依赖默认值——原案例的 demo 就是因为”还没来得及约束”而出现了非中文配音。
- 提交被拒 :图片低质或格式错误、文本过短或标点过多、内容含敏感信息,都会被拦截,需要修改素材后重新提交。
- 并发超限 :控制同时提交的任务数,或按需扩容额度。
- 发布环节 :标题和封面文案可以交给 AI 批量生成候选,再人工挑选,比反复改稿省时。
八、一页检查清单
在按下”合成”之前,确认这七项:角色卡是否唯一且全程复用;场景是否控制在 6 个以内;每镜时长是否在 2~5 秒;台词是否都能被画面表现;分镜表总时长误差是否在 ±5 秒;参考图是否对每个人物都齐备;配音语种与音色是否已显式指定。
AI 漫剧的门槛已经从”会不会用软件”变成了”能不能把故事拆成可控的镜头”。先把一个 60 秒的短故事按上面的 Prompt 和检查清单跑通一遍,再考虑做工具、做系列,成功率高得多。

登录后可评论,请前往 登录 或 注册