1. 先搞清楚AI漫剧到底在做什么很多人第一次听到“AI漫剧”这个词脑子里浮现的是那种一张图配一段机械配音的粗糙视频。如果你也这么想那说明你还没真正接触过2026年这一波工具链迭代之后的玩法。我现在做的AI漫剧本质上是用AI工具把一部漫画风格的短剧从剧本到成片全部跑通一集两到三分钟画面是动态漫风格角色有表情变化、有动作、有镜头运动配音配乐齐全放在任何短视频平台上普通观众第一眼是看不出这是AI做的。这件事的核心价值在于过去做一集动态漫需要原画师、分镜师、动画师、配音员、剪辑师至少五个人配合周期两到三周。现在一个人、一台电脑、一套跑通的流程一天能出一到两集。这不是效率提升百分之几十的问题是数量级的改变。我写这篇东西是因为过去几个月里我完整跑通了十几集AI漫剧的制作从最开始用即梦生成单张图都费劲到后来能稳定输出有打斗场面、有情绪转折的完整剧集。中间踩过的坑、试过的参数、总结出来的工序衔接方式我觉得有必要系统性地整理出来。这篇内容适合两类人一类是完全没有基础但想入局AI漫剧的新手另一类是做了一段时间但流程很乱、效率上不去的老手。我会按照一场戏走完六道工序的顺序来讲每一步都给出我实测可用的参数和提示词写法。先说一下我目前用的核心工具组合。图像生成主要用即梦和LibTV视频生成用Seedance 2.0提示词设计和分镜规划用DeepSeek配合自己搭的一套提示词模板。这套组合不是唯一的但在我实测下来是目前中文语境下对漫剧风格支持最稳的。下面我按工序拆开讲。2. 六道工序的整体设计与流程拆解2.1 为什么是这六道工序一场戏从文字到成片我把它拆成六个环节剧本拆解与分镜设计、角色主体图库建立、关键帧图像生成、视频片段生成、配音与音效匹配、剪辑合成与输出。这六步的顺序不是随便定的它对应的是AI工具的能力边界。剧本拆解和分镜设计必须在最前面因为后面所有图像和视频生成都依赖分镜给出的画面描述。角色主体图库要提前建好否则你在生成不同镜头时同一个角色会长得不一样观众一眼就出戏。关键帧图像是视频生成的基础Seedance这类工具目前最稳定的用法是图生视频而不是纯文生视频。配音和音效可以并行做但必须在剪辑之前完成否则你剪辑时对不上口型和时间轴。剪辑合成放在最后是因为前面的素材质量决定了剪辑的上限。注意很多人喜欢先把所有图生成完再统一做视频我试过这种方式发现一个问题——当你生成到后面时前面的角色形象已经迭代了导致前后不一致。正确做法是分镜确定后先锁定角色图库再按场次逐场推进。2.2 工具选型的逻辑即梦在中文提示词理解上表现很好尤其是对“漫剧风格”“国漫风”“赛璐璐上色”这类描述响应准确。LibTV我主要用来做角色主体图库的管理和局部重绘它的图层逻辑对漫剧这种需要反复调整角色细节的场景很友好。Seedance 2.0是目前图生视频里对动作连贯性支持最好的尤其是打斗场景我实测下来比Wan系列在快速动作下的画面稳定性高出一截。提示词设计这块我用DeepSeek来做提示词的扩写和优化。直接写提示词容易漏掉关键细节我会先用中文把画面描述清楚然后让DeepSeek按照我给的模板扩写成结构化的提示词。这个环节后面会详细讲。2.3 整体流程的时间分配一集两分半的漫剧我目前的时间分配大概是剧本拆解和分镜设计40分钟角色图库建立如果角色不多的话30分钟关键帧图像生成大概60到80张每张平均1.5分钟算下来两小时左右视频片段生成因为要反复抽卡大概三到四小时配音和音效一小时剪辑合成两小时。总计一天左右出一集。这个速度在熟练之后还能压缩。3. 剧本拆解与分镜设计的实操要点3.1 从文字剧本到画面描述的转换拿到一个剧本不管是自己写的还是改编的第一步是把它拆成一个个镜头。一个镜头对应一个画面描述这个描述要包含景别、角色位置、角色动作、表情、环境、光线、镜头角度。这七个要素缺一个后面生成出来的画面就会偏离你的预期。我举个例子。剧本里写“主角推开门看到房间里一片狼藉露出震惊的表情”。这句话直接拿去生成出来的画面大概率是模糊的、没有重点的。正确的拆解方式是把它拆成至少两个镜头。第一个镜头中景主角站在门口手放在门把手上门半开光线从房间内透出照在主角脸上表情从平静转为惊讶。第二个镜头主观视角从主角的位置看向房间内部地面散落着破碎的物品窗帘被风吹动光线昏暗。这种拆解方式的好处是每个镜头都有明确的视觉焦点AI生成时不会因为信息太多而糊成一团。3.2 分镜表格的建立方法我习惯用一个表格来管理分镜字段包括镜号、景别、画面描述、角色、情绪、时长、备注。这个表格在后续所有工序里都会用到。生成图像时我直接从这个表格里复制画面描述生成视频时我根据时长和情绪来决定用什么样的运动提示词剪辑时这个表格就是我的时间轴蓝图。实操心得分镜表格里的“情绪”字段很多人会忽略但它其实很关键。同样的画面描述情绪不同生成出来的角色表情和氛围完全不一样。比如“平静”和“压抑的平静”后者需要在提示词里加入“低饱和度”“阴影加重”“嘴角微向下”这类描述。3.3 提示词的结构化写法我用的提示词模板是这样的主体描述 动作 表情 环境 光线 风格 画质。每个部分用逗号隔开权重通过顺序来体现越靠前的越重要。具体到即梦的用法我实测下来中文提示词的效果比英文好尤其是涉及国漫风格的时候。比如“赛璐璐上色”这个词中文直接写即梦能准确理解写成英文cel shading反而会偏到日式动画风格去。一个完整的提示词示例一个年轻男性角色黑色短发穿着深蓝色外套站在昏暗的走廊里右手握着一把剑表情警惕眉头微皱身后是破碎的玻璃窗月光从窗外照入在地面形成冷色调的光斑国漫风格赛璐璐上色线条清晰高对比度电影感构图。这个提示词里主体、动作、表情、环境、光线、风格、画质七个要素齐全即梦生成出来的画面基本能符合预期。3.4 分镜设计中的常见错误新手最容易犯的错误是镜头太少。一集两分半的漫剧我一般会拆出60到80个镜头平均每个镜头两秒左右。镜头太少会导致画面停留时间过长观众会觉得卡顿。另一个错误是景别单一全是中景看起来像PPT。正确的做法是远景、中景、近景、特写交替使用打斗场面多用快速切换的特写和全景情绪戏多用缓慢推进的中景和特写。4. 角色主体图库的建立与维护4.1 为什么必须建主体图库AI生成图像有一个致命问题同一个角色不同提示词生成出来的脸不一样。你今天生成的主角是一个瓜子脸明天生成的可能变成圆脸。观众看剧时角色形象频繁变化直接出戏。解决这个问题的唯一办法是建立角色主体图库把每个角色的标准形象固定下来后续所有镜头都基于这个标准形象来生成。4.2 主体图库的建立流程我的做法是每个主要角色先生成三到五张标准图包括正面、侧面、半侧面、全身、半身。生成时用同一组提示词只改变角度描述。然后从这些图里选出最满意的一张作为基准图用LibTV的局部重绘功能微调细节比如调整发型、服装颜色、配饰。基准图确定后我会把它作为参考图在后续生成该角色的所有镜头时都带上。即梦支持参考图功能上传基准图后生成的角色形象会保持高度一致。Seedance生成视频时我也把基准图作为首帧参考这样视频里的角色形象也不会跑偏。4.3 角色一致性的维护技巧即使有基准图生成过程中还是会出现偏差。我的经验是每隔十个镜头左右就要回头对比一下当前生成的角色和基准图的差异。如果发现脸型开始变化就重新用基准图生成一次把偏差拉回来。另一个技巧是在提示词里加入角色的固定特征描述。比如“左眼下方有一颗泪痣”“右手戴黑色手套”“头发右侧有一缕挑染”。这些细节描述能帮助AI在不同镜头里保持角色特征的一致性。注意主体图库不是建一次就完事了。随着剧情推进角色可能会有服装变化、受伤、情绪状态变化这些都需要在基准图的基础上做变体。我的做法是为每个角色维护一个图库文件夹里面按“常态”“战斗服”“受伤”“便装”等状态分类存放。4.4 多角色同框的处理两个角色同框时一致性难度会翻倍。我的处理方式是先用基准图分别生成两个角色的单人图然后用LibTV的合成功能把两张图拼在一起再通过局部重绘调整交互部分比如两个人握手的动作、对视的角度。这个过程比较耗时但比直接生成双人图要稳定得多。5. 关键帧图像生成的核心参数5.1 即梦的参数设置即梦生成漫剧风格图像时我常用的参数组合是模型选“动漫增强”采样步数30到40CFG值7到9分辨率1920x1080。采样步数太低画面会糊太高会过锐30到40是我实测下来最平衡的区间。CFG值控制提示词的遵循程度7到9之间既能保证画面符合描述又不会太死板。风格选择上“国漫”和“赛璐璐”这两个标签我必选。如果画面需要更写实的质感比如背景里的城市景观我会把风格权重调低让背景偏向写实角色保持漫剧风格。这种混合风格在即梦里可以通过分区提示词来实现。5.2 关键帧的选取原则不是每个镜头都需要生成关键帧。我的原则是有动作变化的镜头生成首帧和尾帧两张关键帧静态镜头只生成一张。打斗场面每个动作节点都要生成关键帧因为Seedance在生成视频时关键帧越多动作越准确。关键帧的构图要留出运动空间。比如角色要向右挥剑关键帧里角色的位置就要偏左右侧留出足够的空间给剑的运动轨迹。这个细节很多人不注意导致生成的视频里角色动作被画面边缘截断。5.3 批量生成的效率技巧一集漫剧有60到80个镜头每个镜头至少一张关键帧算下来要生成上百张图。如果一张一张手动生成效率太低。我的做法是把分镜表格里的画面描述批量导出用即梦的批量生成功能一次性提交。提交前先检查提示词格式是否统一避免因为格式问题导致部分生成失败。批量生成时我会把同一场次的镜头放在一个批次里这样风格一致性更好。不同场次之间光线和色调可能有变化分开批次生成方便统一调整。5.4 图像质量的检查清单生成完一批图后我会逐张检查以下几个点角色脸是否和基准图一致、手部有没有畸形、画面有没有多余的元素、构图是否符合分镜要求、光线方向是否统一。任何一项不达标就重新生成。手部畸形是AI生成的老问题我的经验是在提示词里加入“手部自然”“五指清晰”这类描述能降低畸形概率但不能完全避免还是需要人工筛选。6. 视频片段生成与Seedance参数详解6.1 Seedance 2.0的图生视频流程Seedance 2.0目前最稳定的用法是图生视频。上传关键帧图像作为首帧然后在提示词里描述运动方式。运动提示词要具体不能只写“角色在动”要写“角色右手持剑从右上方向左下方挥砍身体前倾头发随动作飘动背景中的树叶被剑气震落”。我实测下来Seedance对动作描述的响应很准确尤其是快速动作。但有一个限制单个视频片段的时长目前建议控制在3到5秒超过5秒动作容易变形。所以我的做法是把一个长动作拆成多个短片段每个片段3秒左右后期剪辑时拼接起来。6.2 运动提示词的写法运动提示词的结构是主体动作 动作方向 速度 次要运动 镜头运动。举个例子主角挥剑从右上到左下快速衣摆和头发飘动镜头跟随剑的轨迹轻微平移。镜头运动这块Seedance支持推、拉、摇、移、跟等基本运镜。漫剧里我常用的是缓慢推近和轻微平移这两种运镜最不容易出错。快速摇镜和旋转镜头在AI生成里容易产生画面撕裂建议少用。6.3 打斗场面的特殊处理打斗场面是AI漫剧里最难做的部分。我的经验是打斗不要用一个长镜头要用多个短镜头快速切换。每个短镜头只表现一个动作节点出拳、格挡、闪避、反击。每个节点生成一个3秒左右的片段剪辑时以0.5秒左右的间隔快速拼接观感上就是流畅的打斗。打斗提示词里要加入“动态模糊”“速度线”“冲击波”这类效果描述能增强打击感。Seedance对“动态模糊”的支持很好生成出来的画面有速度感不会像静态图平移。6.4 视频生成的抽卡策略Seedance生成视频有随机性同一个提示词生成多次结果可能差异很大。我的策略是每个片段至少生成三次然后从中选最好的。如果三次都不满意就调整提示词再生成三次。这个过程很耗时但没办法目前AI视频生成就是这样抽卡是常态。为了提高抽卡效率我会把同一场次的所有片段放在一起生成这样可以在等待时间里做其他事。另外生成时把分辨率调低一档先预览选中满意的再重新生成高清版能节省不少时间。6.5 视频片段的命名与管理生成出来的视频片段如果不规范命名后期剪辑时找起来会很痛苦。我的命名规则是场次号-镜号-版本号。比如S01-023-v2表示第一场第23个镜头的第二版。所有片段按场次存放在不同文件夹里剪辑时直接按顺序拖入时间轴。7. 配音、音效与剪辑合成7.1 配音的生成方式配音我用的是AI语音合成工具选中文情感语音模型。每个角色选一个固定的音色主角用偏年轻的音色配角根据性格选。配音时要注意语速和情绪打斗场面的台词要快而有力情绪戏的台词要慢而带感情。实操心得AI配音最大的问题是情绪不够。我的解决办法是在台词文本里加入情绪标记比如“愤怒你给我住手”“低声我没事。”这些标记能引导AI合成出更贴合情境的语气。7.2 音效的匹配音效是提升漫剧质感的关键。打斗场面需要拳风、刀剑碰撞、爆炸等音效情绪戏需要环境音、脚步声、风声。我一般从音效库里找现成的素材按时间轴对齐。音效的音量要控制好不能盖过配音但也不能太弱导致没有存在感。7.3 剪辑合成的流程剪辑我用的是常规剪辑软件流程是导入所有视频片段按分镜表格的顺序排列调整每个片段的时长加入转场效果导入配音和音效调整音画同步最后加字幕和片头片尾。转场效果我常用的是硬切和淡入淡出。打斗场面用硬切情绪戏用淡入淡出。转场时间控制在0.3到0.5秒太长会拖节奏。7.4 输出参数的设置输出格式我选MP4编码H.264分辨率1920x1080帧率24fps码率10到15Mbps。这个参数组合在画质和文件大小之间比较平衡适合在短视频平台发布。如果平台对文件大小有限制可以把码率降到8Mbps画质损失不明显。8. 常见问题与排查技巧实录8.1 角色形象不一致这是最常见的问题。排查思路先检查是否每次生成都带了基准图再检查提示词里是否有角色固定特征的描述最后检查生成批次之间是否有风格参数变化。解决方法重新用基准图生成并在提示词里强化角色特征描述。8.2 视频动作变形Seedance生成快速动作时容易出现肢体扭曲。排查思路检查运动提示词是否过于复杂检查片段时长是否超过5秒检查关键帧是否清晰。解决方法简化运动描述缩短片段时长增加关键帧数量。8.3 画面风格不统一不同批次生成的图像风格可能有差异。排查思路检查每批次的风格参数是否一致检查提示词里的风格描述是否统一。解决方法把所有批次的风格参数统一提示词里的风格描述用同一套模板。8.4 音画不同步配音和画面口型对不上。排查思路检查配音时长和画面时长是否匹配检查剪辑时间轴是否对齐。解决方法调整画面时长或配音语速必要时重新生成配音。8.5 常见问题速查表问题可能原因解决方法角色脸不一致未带基准图或特征描述缺失带基准图生成强化特征描述手部畸形AI生成随机性提示词加“手部自然”多抽卡筛选动作变形片段过长或提示词复杂缩短至3秒简化动作描述风格不统一批次参数不一致统一风格参数和提示词模板音画不同步时长不匹配调整画面时长或配音语速画面糊采样步数过低提高到30到40步提示词不生效格式错误或权重问题检查格式调整描述顺序8.6 独家避坑技巧第一个技巧生成图像时把最重要的描述放在提示词最前面。即梦对提示词前段的权重更高把角色特征和动作放在前面风格和画质放在后面。第二个技巧Seedance生成视频时首帧和尾帧都上传比只上传首帧的动作准确率高很多。如果尾帧不好确定可以用首帧加运动描述的方式但效果不如双帧。第三个技巧剪辑时先铺配音再对画面。配音的时间轴是固定的画面可以根据配音来调整时长这样比先排画面再对配音要容易得多。第四个技巧建立自己的提示词库。把每次生成效果好的提示词保存下来按场景分类下次遇到类似场景直接调用能省很多时间。9. 我实际跑完十几集之后的几点体会这套流程我跑了十几集从最开始一集要三天到现在一天能出一集中间最大的效率提升来自两个地方一是角色主体图库建好之后后面所有镜头的一致性维护成本大幅下降二是提示词模板化之后写提示词的时间从每个镜头五分钟降到一分钟以内。还有一个体会是AI漫剧的质量上限取决于分镜设计而不是AI工具。工具再好分镜设计得乱七八糟成片还是不能看。反过来分镜设计得扎实即使AI生成有一些瑕疵整体观感依然在线。所以如果你刚开始做不要把太多时间花在折腾工具上先把分镜设计的基本功练好。最后分享一个我最近在试的扩展方向把一场戏的六道工序拆成两个并行的工作流图像生成和视频生成同时进行配音和音效提前做好剪辑时直接合成。这样理论上能把一集的制作时间压缩到半天以内。我还在跑这个流程等跑顺了再整理出来。
