企业官网建设流程全解析

我这两年陆续帮朋友做了几部AI漫剧，从最初一张分镜抽卡抽到怀疑人生，到后来固定下一套能稳定产出的六道工序流程，踩过的坑比写过的脚本还多。这篇教程不聊虚的，直接把一场戏从剧本到成片要走的六道工序拆开揉碎，每一步配什么工具、填什么参数、卡什么时长，全部摊开讲。尤其适合刚接触AI漫剧制作、想快速跑通一条完整工作流的新手，也适合已经有作品但总觉得“角色不稳、画面发飘、音画不同步”的老手对照排查。文末附一张生成参数表，照着抄就能少走一半弯路。

1. 开工之前：先搞懂一场戏的最小生产单元

很多新手第一次做AI漫剧，上来就打开绘图工具猛抽分镜，结果画了三十张图，角色换了五张脸，场景光影各说各话，剪出来像几个不同项目的素材硬拼。根子在于没把“一场戏”当作一个完整的生产单元来管理。AI漫剧的“一场戏”不是剧本里随便切的一段，而是有明确起止、有核心冲突、角色和场景相对固定的一段完整叙事。我建议新手一律按“一场戏最小单元”来推进，别一上来就挑战整集。

1.1 先定义“一场戏”的边界

拿一个标准的漫剧短剧场景举例：男女主角在咖啡馆天台对峙，男主摊牌，女主转身离开。这个场景就是一场戏。它有明确的人物关系、单一的场景基调、连续的时间线，用AI工具生产时，所有素材只需要围绕这两个角色、一个场景、一种情绪来生成，工作量和一致性压力都小很多。

把整集拆成若干场戏之后，你会发现AI漫剧制作的效率逻辑变了：每场戏只需要做一次“角色初始化”和“场景初始化”，后续所有分镜都在这个基础上微调，而不是每次从零开始。

• 每场戏建议控制在6到14个镜头，对应成片时长约20到50秒。超过这个体量，AI工具的一致性和你的抽卡耐心都会急剧下降。
• 一场戏内尽量只安排2到3个主要角色，避免多人同框时AI把人物特征混在一起。
• 场景描述要收敛成一句话：地点+时间段+气候/光线+氛围关键词，后面所有提示词都围绕这句话变体。

1.2 工具链选型：够用就好，别被工具绑架

AI漫剧制作的全流程涉及生成式AI的多个环节，我用的工具组合不算豪华，但每一样都经过了实际项目验证：

• 剧本拆解与提示词整理：使用主流通用对话大模型协助分镜卡拆解和提示词英文补全，效率远高于手动敲。具体哪家不重要，关键在于你要把分镜卡模板喂给它。
• 图像生成：本地部署或在线平台的Stable Diffusion系模型，搭配常用的人物/风格大模型使用。不要小看开源模型的自由度，漫剧需要的漫画风格、电影感光影、角色一致性，都能通过底模和附加工具组合实现。
• 角色一致性：用主体图库方案，也就是给每个角色建立独立的参考图集，搭配参考图插件来实现。这个我后面单独用一整节讲，它是AI漫剧能否“成片”的关键。
• 配音与音效：文本转语音工具挑一个音色库丰富的，再用音效素材库补齐环境音和拟音。
• 剪辑合成：剪映或Premiere均可，新手更推荐剪映，时间线逻辑直观，内置字幕识别对AI漫剧这种“需要快速对白卡点”的场景特别友好。

这套链路有一个特点，就是每个环节都能独立替换。比如你换了新的绘图工具，前面剧本拆解的结果还能复用；你换配音引擎，后面的剪辑也不受牵连。工具选型不要追求一步到位，先跑通流程，再逐个环节升级。

2. 第1道工序：剧本拆解与分镜卡设计

这场戏要拍什么、角色在哪、镜头怎么走，全都在这道工序里定死。AI漫剧最容易翻车的地方不是画不出来，而是剧本阶段没把“画面信息”拆到位，导致后面每一步都在猜。

2.1 把一场戏拆成镜头清单

拿到一场戏的剧本文字后，先别急着写提示词。第一步是人工（或让大模型辅助）把这场戏拆成若干个镜头，每个镜头包含“景别、角色状态、镜头运动、关键动作、时长”五要素。

我常用的拆解方法是“动作节点法”：每发生一次角色的关键动作或情绪转换，就切一个新的镜头。比如对峙戏可以切：女主背影中景（铺垫）→ 男主脸部特写（情绪爆发）→ 女主回头看反打（反应）→ 男主迈步向前的全景（动作推进）→ 女主转身离开的背影远景（收尾）。

镜头清单确定后，就要预估每个镜头的成片时长。这里有个实用公式：漫剧对白戏的节奏大约是每秒4到6个字，纯动作镜头单体控制在2到4秒。用这个公式往回推，你就能知道这场戏总共需要几张分镜、每张分镜大概要画什么姿态。

2.2 分镜卡模板：提示词的结构化地基

分镜清单还只是目录，真正要落地的是分镜卡。每一张分镜卡对应最终要生成的那一张关键帧图片，需要写清楚以下字段：

• 角色描述：主角名称、外貌特征（发型、瞳色、服装）、当前表情与动作。
• 场景描述：地点、时间、光线、天气、氛围词。
• 镜头语言：景别、焦距（如35mm、85mm）、视角（平视/仰角/俯角）、镜头运动（推近、跟随、固定）。
• 画风锚定：漫画风格、电影感、配色倾向、线条粗细。
• 负面提示词：拒绝模糊、畸形手指、多余肢体、文字水印等通用坏项。

把这张卡填完，提示词就完成了一半。我自己习惯把角色描述和场景描述固定成模板字符串，只替换镜头语言和动作，这样批量出图时不会手滑改掉关键特征。需要强调的是，分镜卡里的角色描述要和后面主体图库的一致，字段顺序都最好保持一致。

2.3 提示词的语法逻辑：AI漫剧不是作文大赛

生成式AI理解提示词的方式和人类不同，它的核心机制是把你的描述映射到训练数据分布里。所以提示词不是越长越好，而是“关键特征不丢失、修饰词有优先级”。我在实际使用中总结了一套优先级公式：

主体特征（角色+姿态） > 场景空间（地点+环境） > 镜头语言（景别+视角+焦段） > 画风风格（风格词+渲染词） > 情绪氛围（光影+色彩倾向）。

打个比方，你写“一个穿红色风衣的长发女性站在天台，低角度仰拍，电影感光影，身后是城市夕阳”，模型会优先保证“女性、红风衣、天台”这个主体，再考虑仰拍和光影。如果你把大量修饰词堆在画面边缘的小物件上，主体反而容易崩。所以分镜卡里，和主体无关的环境细节能省就省，交给镜头和画风去补完。

3. 第2道工序：角色主体图库——AI漫剧一致性的命门

我见过不少新手画出来的分镜，单独看每一张都很惊艳，连起来看就是一场灾难，因为女主第一张是长发，第三张变成短发，第二张穿白裙，第五张换成了黑夹克。这就是角色一致性没做好。AI漫剧想成片，必须建立可控的角色主体图库。

3.1 主体图库到底是什么

一句话说，主体图库就是为每个核心角色准备的一组标准化参考图，包含同一角色在不同角度、不同表情、不同光照条件下的稳定形象。这组图承担两个任务：一是固定角色长相特征，二是固定服装配饰细节。后续生成分镜时，模型会根据这些参考图来约束角色特征，减少“地狱级漂移”。

主体图库不需要很多张，质量比数量重要。我实践中一个角色保留8到12张就够用了，覆盖以下角度：

• 正面大头照（定妆照核心，特征要清晰）。
• 侧面45度半身照（表情与发型侧面信息）。
• 全身照（身高比例、服装全貌）。
• 2张表情特写（愤怒、悲伤或惊喜，按角色剧本人设准备）。
• 1张背面或背面45度照（防止背面镜头崩脸）。
• 2到3张动态姿态（走姿、坐姿、战斗姿态，按戏份来定）。

3.2 建立主体图库的两条路线

做主体图库有两种主流路线，我分别说下取舍。路线一是完全用图像生成模型“炼制”一个原创角色的多视角图集，用参考图插件来绑定特征。路线二是在图像生成的基础上引入角色Lora，训练一个专属的角色小模型。

新手先走路线一，理由很实际：路线一不用额外训练模型，几张参考图加上合理参数就能开工。路线二是进阶玩法，适合角色戏份极多、需要在几百张分镜里保持铁板一致性的情况。但训练角色Lora成本不低，且漫剧角色往往要跟随剧本情绪变化，Lora固化表情反而会限制发挥。我把两种路线的差异整理成了一张表：

3.3 主体图库制作的关键参数

如果你走路线一，我会建议在制作角色定妆照时就把分辨率、脸部占比、背景纯净度控制好。实际操作中，我通常把定妆照生成尺寸设置为竖版768×1152或横版1216×832，面部像素占比控制在画面高度的1/5到1/4之间，这样既保留五官细节，又不会因为过近导致脸部畸变。

背景越单纯越好，清理背景干扰能显著提高后续配准质量。表情特写可以单独出图，不要直接在全身照上截取脸部放大，否则细节会被压缩。还有一个小细节：定妆照要避免过于夸张的透视角度，仰视俯视大角度镜头会让特征提取困难。

角色库建好之后，记得每一张图都用统一命名规则归档，比如“女主_正面_定妆V2”。我在项目做到第三部漫剧时，因为偷懒没有规范命名，导致后期找参考图翻了几十个文件夹，效率惨不忍睹。这个教训希望你能躲开。

4. 第3道工序：分镜画面批量生产与抽卡管理

分镜卡和主体图库就位之后，才进入真正意义上的“出图环节”。这道工序的核心不是提高单张图质量，而是提高“合格率”和“批量产出速度”。

4.1 文生图与图生图的使用边界

制作分镜画面时，文生图和图生图各有适用场景，新手经常搞混。文生图适合没有明确构图参照的画面，比如空镜、环境交代、氛围铺垫。图生图则适合需要保持角色和构图的镜头，它可以基于主体图库的参考图，加上本次分镜的姿态和景别描述，生成新的分镜画面。

我的经验是，角色出现的镜头一律用图生图，以角色参考图为基础，配合本次分镜卡的动作、场景词来生成。空镜和纯风景镜头才用文生图。这样做的原因很简单：图生图相当于给模型一个“人设锚点”，它能在满足新提示词的前提下，尽量向参考图的相貌特征靠拢。

4.2 分辨率、CFG、采样器与重绘幅度

这批参数直接决定了生成画面的稳定性和细节质量。我直接给一套经过大量项目验证的基准参数：

CFG这个概念很多人问到，简单说就是提示词对画面的约束强度。你把它理解成“听话程度”：太高会用力过猛，画面出现塑料感和伪影；太低则提示词像耳边风，画出来的东西和描述关系不大。漫剧分镜场景我长期在6到8这个区间里跑，稳定且自然。

图生图环节的重绘幅度要特别留意。重绘幅度越高，新画面离参考图越远；越低则越接近参考图。做漫剧分镜时，如果参考图是角色定妆照，你希望它改变姿态和场景，但又不能丢了脸，我会把重绘幅度控制在0.55附近。一旦超过0.7，角色脸型就会慢慢“漂移”；低于0.35，姿态又变不掉。

4.3 一致性兜底：参考图、固定种子、画面控制组合拳

单靠图生图插件约束角色，遇到复杂动作或多人同框时还是会有松动。所以我在正式批量出图时会上三道保险，让一致性兜底：

第一道是参考图插件，多张参考图同时启用比单张稳很多。第二道是固定随机种子，同一个镜头多批抽卡时，相同种子加上相同提示词能降低变量。第三道是画面控制插件，也就是用姿态骨架或线稿图控制构图和动作，角色动作不会再出现乱长手、扭曲腰的情况。

这三道保险不是每一张都要全上，但以下情况必须组合使用：多人同框、复杂动作、特殊透视镜头。做到这个程度，同一场戏内的角色一致性基本就能维持住了。

4.4 抽卡筛选：不要淹没在素材池里

批量出图最忌讳的就是无节制抽卡。抽卡太多次，你的时间和算力都耗在挑选上，最后面对几百张相似图片反而无从下手。我建议每张分镜卡只抽两批，每批4到6张，最多生成12张候选图。如果12张里没有一张能用，不要硬抽，先回过头改提示词或参考图，而不是期待下一次随机性带来奇迹。

筛选时只看五个点：角色像不像、姿态自不自然、构图符不符合分镜卡、光影是否贴合情绪、有没有明显的崩坏部位。每张可用的图要配套记录使用的提示词和种子号，方便后期统一微调。

5. 生成参数总表与场景微调思路

把全流程涉及的参数收敛到一张总表里，是我做项目时的习惯动作。它有两个作用：第一，项目中途换人接手不用重新摸索；第二，当你发现某一步质量变差时，可以从参数表里快速定位变量。下面这张表是我用真金白银喂出来的，你直接抄即可，但要根据自己的底模风格微调。

场景微调方面，我按漫剧最常见的三类戏给一些方向：

对白文戏：光线柔和，CFG稍低（6到6.5），给予情绪表情更大发挥空间。动作打戏：增加动态模糊词、镜头运动词，CFG保持在7到7.5，重绘幅度适当上调，避免姿态生硬。室内夜戏：重点控制光源方向和颜色，提示词里明确主光源位置（如“月光从左侧窗户照入”），避免整体灰暗一片。

6. 第4道工序：配音、音效与画面动态化

分镜图和关键帧再好看，直接拼接起来也只是动态PPT。让AI漫剧“活”起来，靠的是配音和画面的动态化处理。这道工序新手经常忽略，但它决定了成片有没有“剧感”。

6.1 多角色对话的配音策略

漫剧的对白和长视频一样需要情绪线，不能一个AI声音读完全场。我的做法是给每个核心角色固定专属音色，并在配音脚本里标注情绪状态词，比如“低沉、压着怒气”“带着哭腔的平静”。当下的文本转语音工具基本都支持情绪标签和语速调节，别浪费。

配音时把角色所有台词聚在一起统一合成，效率比一句一句合成高得多。合成后逐条剪辑到对应镜头上，并对齐口播节奏。这里有个踩坑提醒：AI配音的语速往往偏快，导出后听起来像在赶场。我一般把语速调到0.9到0.95倍，给情绪留出反应时间。

6.2 音效：营造场景空间感的隐藏功臣

很多人只记得配音，忘了音效。AI漫剧如果完全没有环境音，角色念台词会像在真空中说话。每场戏至少补三层音效：环境底噪（风声、城市底噪、雨声）、动作拟音（脚步声、关门声、衣料摩擦）、情绪音效（心跳声、低频氛围音）。

音效音量要分层：环境底噪控制在对白的20%到30%，动作拟音30%到50%，情绪音效按戏剧强度调整。音量平衡做好之后，整场戏的沉浸感会立刻拉高一个档次。

6.3 画面动态化三件套

静态分镜变成动态画面，我不建议一开始就上重型图生视频方案，那成本高且不稳定。漫剧最常用的是三件套组合手法：

第一种是镜头推拉缩放。给关键帧添加缓慢的推近或拉远关键帧动画，用剪辑软件即可实现，模拟镜头的呼吸感。第二种是角色局部微动，比如头发飘动、衣摆晃动、眼神光亮变化，这需要对静态图做局部处理，生成小幅度的动态效果。第三种是凌空感增强，比如给掉落物、飘雪、光斑做叠加层动画，增强画面层次。

这三种手法组合起来，基本能覆盖漫剧90%的叙事需求。只有在打斗或特效高潮时，才考虑整段图生视频。用图生视频时，建议设定2到3秒的短片段，片段越短成功率越高，长镜头拆成多段再拼接。

7. 第5、6道工序：剪辑整合与导出交付

分镜图、配音、音效、动态片段齐了之后，最后两道工序就是在时间线上把它们缝合成一条完整的戏，再输出为适合各平台发布的成片。

7.1 时间线分层：对白、画面、音效三线并行

我剪辑时会把时间线分成三行轨道：画面轨、对白轨、音效轨。三行轨道的对应关系是：先把对白轨铺好，按台词时长决定画面切点；再让画面轨严格卡在对白逻辑上；最后把音效轨铺在动作节点和场景转换处。

之所以按这个顺序，是因为AI漫剧的叙事节奏由“台词”驱动，画面本质上是台词的视觉外化。先铺对白能避免一种常见翻车：画面明明很美，但台词提前或延后，观众情绪完全接不上。

7.2 字幕、转场与卡点节奏

平台上的漫剧观众都习惯开声音看字幕，字幕出错比画面出错更劝退。直接使用剪辑软件里的自动语音识别生成字幕，但要逐条校对多音字和断句。语音识别在二次元名字上错误率极高，务必人工过一遍。

转场的选用原则是“剧情节奏决定转场方式”：对话戏用硬切或叠化，时间跨度大的场景用快速划像或模糊过渡，情绪爆点用瞬间白闪或黑场停顿。不要不加选择地套用花哨转场模板，AI漫剧的画面信息密度高，转场太花会显得杂乱。

7.3 导出参数的平台适配

导出设置按平台分流：中短视频平台以竖版9:16为主，分辨率1080×1920起步，码率不低于8Mbps，帧率30fps。如果你的漫剧有大量快速运镜内容，码率可以拉到12Mbps，否则动态场景容易出现大量马赛克式的压缩块。

导出前最后一环是要做全片灰度校验：拉一遍整条时间线，眼盯每一处音画衔接和字幕断句。这一步不要省略，我每次都能在总检时抓到两三个漏网的问题镜头。

8. 新手翻车最多的6个地方，以及我的补救经验

流程讲完了，最后把这几年做AI漫剧时翻车最狠、也最有共性的六个问题集中梳理一下。这些问题几乎每个新手都会碰到，提前知道，能省下大量返工时间。

第一，角色脸崩。同一个角色在生成长镜头时忽然变成另外一张脸。补救方法：不要依赖单张参考图，把参考图扩充到3到4张，并在生成参数里降低重绘幅度；崩脸特别严重时，重新回到主体图库补充对应角度的定妆照。

第二，多人同框时人物互相污染。两个角色站在一起，衣服颜色、五官特征互相串。补救方案：用控制网络锁定骨架，两人分区描述，提示词里用左、右明确站位，必要时分开单独生成再合成。

第三，中文字和图形乱码。AI漫画里很难直接生成准确的中文文字，如果剧情设定里有招牌、纸条、屏幕文字，不要在出图时写中文，应该用空白面板生成画面，再到剪辑软件里加字幕，稳准狠。

第四，抽卡失控。一次不满意就连续抽几十张，时间全部浪费。现在我的规矩很明确：单镜头上限12张，超过这个数就开始怀疑提示词质量，而不是怪运气。

第五，音画不同步。常见原因是配音时改了语速，但画面时长没跟着调整；或者导出时音频采样率不匹配。对策是配音定稿后，再回头调整画面裁切，确保每个镜头都卡在对白语义边界上。

第六，显存溢出和生成卡死。分镜批量跑的时候最容易遇到。对策是先降批次大小为2到4，再关掉后台其他占用显卡的程序。如果频繁卡死，把分辨率从768×1152降到640×960跑一遍草稿，等构图确认后再放大精修。

9. 最后给新手的一个起步建议

如果你刚接触AI漫剧制作，我强烈建议不要想着一口气做一集完整剧情。选一段两三句台词、一个场景、两个角色的微型戏，按这套六道工序完整跑通一遍，产出30秒左右的片段，你的体感会比看任何教程都深。AI漫剧制作的每一步，从分镜拆解、主体图库到批量出图、配音剪辑，本质上都是在和各种随机性博弈，把之前凭感觉操作的环节，尽量变成可见、可调、可复用的流程参数，才是真正入门的标志。参数表可以帮你跑得快，但只有亲手调过一轮，你才知道哪个旋钮对自己的底模和画风影响最大。祝你第一场戏就少踩几个坑。