企业官网建设流程全解析

做AI漫剧最痛苦的地方，不是某个工具不会用，而是收藏了一堆教程之后，依然拼不出一条完整生产链路。前阵子有读者私信，说自己在B站刷到那个“全666集、198小时”的系列课，标题听着很全，但真动手做第一集时，还是从剧本到成片断了三次：剧本不知道写到什么粒度、分镜不知道怎么写、生成出来的人脸下一镜头就换了个人。

其实AI漫剧不是靠某一个“神奇模型”一键出片，它是一条由剧本、分镜、静帧、视频、配音、剪辑、一致性控制串起来的流水线。本文会沿这条流水线讲透每一步：第一阶段该做什么、中间用什么工具、卡住时怎么排查，以及“人物一致性”这个最让新手头疼的问题怎么解决。不管你是刚开始学AI绘画，还是已经会跑Stable Diffusion但没完整做过漫剧，这篇文章都值得收藏下来对照实操。

1. AI漫剧是什么，为什么现在值得学

1.1 从静态漫画到AI漫剧的进化

漫剧是“动态漫画剧集”的简称，本质是用漫画式画面讲连续故事。传统做漫剧，需要绘师为每个镜头单独绘制底稿，再上色、补动作、配音、剪成带翻页感或轻微动画效果的“视频”。哪怕一集只有三分钟，原画工作量大到普通人根本不可能独立完成。

AI漫剧则把这条重生产流程压缩成了“文本到画面、画面到视频”的自动化流水线。你只需要把故事写成剧本，再把剧本切成镜头表，AI就能以你设定的角色形象生成静态分镜画面，然后把某个镜头转换成动态片段。配音用AI语音合成，剪辑用常见剪辑软件完成。整个流程从“画功决定上限”变成了“叙事能力和控制能力决定上限”。

1.2 AI漫剧的核心生产链路

一条完整的AI漫剧生产线，按顺序大致是七步：剧本 → 分镜 → 静帧 → 视频 → 配音 → 剪辑 → 一致性控制。其中一致性不是最后才做，而是从“角色设定阶段”就要贯穿全程。

剧本 -> 分镜 -> 静帧 -> 图像生视频 -> 配音 -> 剪辑 -> 成片 \ / +---- 人物一致性贯穿 ----+

很多人看到“666集、198小时”这类课程标题，会以为要学一大堆软件。实际上核心工具只需要掌握四类：写作AI、文生图、图生视频、配音剪辑。至于课程为什么要拆那么多集，主要是每类工具都有大量参数细节、提示词写法、案例拆解和排错经验，但你自己入门时，不必抱着“学完再来做”的心态，应该边做边学。

1.3 适合谁学

• 漫画爱好者：想低成本把自己的短篇漫画变成动态剧集。
• 短视频创作者：需要持续产出剧情号内容，AI漫剧是效率很高的赛道。
• Web前端转AI应用开发的同学：通过这套流程能理解图像生成、视频生成API背后的提示词工程思路。
• 想做副业的运营：用一套角色形象批量产出短剧情，内容分发能力比单条手绘强很多。

如果你属于其中任何一类，下面这套流程都可以直接照着跑。

2. 环境准备与工具选型

2.1 硬件与系统要求

AI漫剧制作对电脑要求取决于你选哪条技术路线。

• 只用在线AI工具（大部分新手首推）：一台能正常上网、内存8GB以上、浏览器稳定的电脑即可，对显卡没有硬性要求。
• 要本地跑Stable Diffusion、训练LoRA：建议NVIDIA显卡显存8GB起步，16GB显存体验更好；内存建议16GB以上；磁盘预留至少100GB空间，因为模型文件、训练数据集和生成图片都会占用空间。
• 剪辑环节：剪映、CapCut这类工具对配置要求不高，达芬奇则建议内存16GB。

版本说明：AI工具迭代速度极快，本文不会写死某个“最新版本号”，所有工具请以官网当前发布版本为准。下面表格里的工具是用来做方案比对的常见选择，不是唯一答案。

2.2 项目目录设计

不要小看文件归档，AI漫剧的项目目录决定了你后期剪辑效率。建议一个项目建一个总文件夹，结构如下：

my-ai-comic/ ├── 00_script/ # 剧本、分镜表 ├── 01_characters/ # 角色设定卡、参考图 ├── 02_storyboard/ # 分镜图片源文件 ├── 03_frames/ # 挑选后的静态帧 ├── 04_videos/ # AI生成的动态片段 ├── 05_audio/ # 配音、BGM、音效 ├── 06_edit/ # 剪辑工程和临时合成 └── 07_export/ # 最终成片

这套命名方式同时服务了生成素材编号、剪辑素材归档、二次修改定位三类场景。实际生产时，每张生成图片、每段生成视频都要按这套目录归位，否则剪辑时找素材会花掉比生成还长的时间。

3. 剧本：AI漫剧的第一粒种子

3.1 剧本粒度：一集到底写多细

AI漫剧单集通常3到5分钟，台词量和信息密度都高于短视频但不高于电影。新手最常犯的错是把剧本写得像小说，充满心理描写和环境描写，而不是“可拍摄执行”的脚本。

一个适合AI漫剧的剧本，最小单位是【场景】+【镜头描述】+【台词】。具体的做法是：每集先定一个核心事件，再拆成3至4个情节点，每个情节点对应一个场景，一个场景里切2到5个镜头。

3.2 用AI写剧本的提示词模板

写剧本时，你不需要从空白页硬憋，而是用语言模型做“故事架构师”。下面是一段可以直接复制的提示词模板：

你是一位漫剧编剧，擅长写快节奏、强钩子的3分钟短剧剧本。 我的设定如下： 剧名：《深夜面馆》 类型：都市奇幻 主角：陆小雨，25岁，兼职女主播，性格外冷内热 世界观：城市角落有一家只在午夜开门的面馆，老板能看到客人心中最深的遗憾 请完成第1集剧本： 1. 先给出本集一句话梗概； 2. 写出3-4个情节点； 3. 按“场景-镜头-台词-旁白”格式输出完整分镜脚本； 4. 每句台词控制在20字以内； 5. 结尾要有反转或悬念。

生成一段后，不要直接照搬，二次编辑很关键。把AI写的台词口语化，删掉AI最喜欢用的形容词堆叠，保持每句台词短促有力。漫剧是“看画面+听台词”的艺术，台词太密反而压住画面信息。

3.3 分集脚本表

当你需要做整季剧本时，建议维护一张总表：

这张表的意义是方便你随时确认：每一集有没有新信息、人物有没有被动、结尾有没有留下继续看的理由。

4. 分镜：把文字变成镜头表

4.1 分镜表里到底该写什么

分镜是把剧本转译成画面的关键桥梁。没有分镜表，你会发现生成出来的图片是“能看但没逻辑”，因为AI不理解上下文，你必须替它把视觉信息拆好。

完整分镜表至少包含以下字段：

镜号 | 景别 | 运镜 | 时长 | 画面描述 | 台词/旁白 | 音效 | 备注

• 景别：远景、全景、中景、近景、特写。漫剧里近景和特写占比高，因为情绪表达更直接。
• 运镜：固定、推进、拉远、上摇、下摇、跟随、环绕。AI图生视频时，这些运镜词会被直接写进视频生成提示词。
• 画面描述：只写视觉可见的内容，比如“女主角坐在窗边，霓虹灯从侧面打在脸上”，不要写“她感到悲伤”，而要写“她低头盯着空碗，手指捏紧筷子”——这才是AI能理解的情绪表达。

4.2 分镜表CSV模板

用Excel或在线表格建一张表，保存为CSV。下面是一个可直接用逗号分隔打开的模板：

镜号,景别,运镜,时长,画面描述,台词,音效,备注 01,全景,固定,5s,午夜空荡的街道，路灯下雾气弥漫，面馆招牌灯亮起,旁白：这家面馆只在午夜开门,街道底噪+虫鸣,建立场景 02,中景,推进,4s,陆小雨推开木质门，门铃响动，她哈着白气走进店内,陆小雨：一碗阳春面,木门声响+风声,角色出场 03,特写,固定,3s,老板低头切葱，手部动作特写，葱段落入热汤,老板：这么晚还吃面？,切菜声,引入老板 04,近景,缓慢推进,5s,陆小雨抬头看向老板，眼神从警惕变柔和,陆小雨：你这里有没有人看到过一碗消失的面？,钢琴轻音,情绪转折

这张表会直接决定后续静帧生成的分镜数量。一集3分钟，按平均每个镜头4-5秒算，约需要36-45个镜头。新手从15至20个镜头开始练更现实，否则刚跑到第5个镜头就累了。

4.3 画面描述词怎么写更稳

写分镜里的“画面描述”时，尽量保持结构稳定，方便后面迁移成AI绘画提示词。推荐格式：

主体 + 动作/状态 + 环境 + 光线 + 构图/镜头

举例：

陆小雨站在面馆门口，冻得搓手，身后是湿漉漉的街道，暖黄色门灯光从屋内洒出，中景构图，霓虹灯反射在积水里。

这种“描述优先、形容词少量、视觉信息明确”的写法，比“很有氛围感”之类抽象词在生成时稳定得多。

5. 静态帧生成：人物形象与一致性基础

5.1 角色设定卡是所有人的第一张脸

在做任何镜头之前，先做角色设定卡。角色设定卡是一段描述角色外观的、可复用的固定提示词，后续所有镜头都基于它扩展。

一段可复用的角色设定卡可以写成这样：

character: lu_xiaoyu_girl_25yrs appearance: black long hair, center part, pale skin, narrow chin, dark brown eyes, wearing a beige knit cardigan over a white shirt, small silver hoop earrings style: 2D anime style, clean lineart, soft cel shading, subtle highlights, modern urban night background

这段文本中，character是角色代号，appearance是永久不变的外貌描述，style是整部剧的美术风格。任何镜头提示词都要以这段角色卡开头，再后面跟上镜头内容。

5.2 静态帧提示词的最小结构

生成一个静态分镜画面时，建议按五段结构写提示词：

[角色卡] + [动作/表情] + [场景] + [镜头/构图] + [画质词]

示例：

lu_xiaoyu_girl_25yrs, she pushes the wooden door, looking cautious, inside of a small midnight noodle shop, warm yellow pendant light, counter with steaming pot, medium shot, front view, 2D anime style, clean lineart, soft cel shading, highly detailed background

这里特别提醒：不要试图在一个提示词里塞三个角色的全部动作。AI模型生成的画面里，人物过多会明显损失细节。遇到多角色同框，建议先分别生成角色单人画面，再用图生图、局部重绘或合成的方式合并，或者直接把多角色表达成“one character in foreground, another in background”来降低出错率。

5.3 生成数量与删选策略

每个分镜镜头不要只生成一张。批量生成6张左右，从中挑出构图、表情、手部最稳定的一到两张。质量比数量重要，但“批量生成+人工筛选”是最低成本的提质量方式。生成的图片最好输出为PNG或无损格式，避免用聊天软件转发导致二次压缩。

6. 视频生成：让静帧动起来

6.1 图生视频和文生视频怎么选

做AI漫剧，90%的场景推荐使用“图生视频”（即首帧图生成视频），而不是单独用“文生视频”。原因很简单：漫剧需要保持静态帧的分镜构图和角色形象，首帧图已经替你锁定了画面基础。使用文生视频时，画面自由发挥空间大，但人物一致性非常难控制，适合做空镜和氛围镜头，不适合叙事镜头。

6.2 图生视频的核心操作

选择已经生成好的静态帧作为首帧，然后在视频生成工具中填写运动描述。运动描述不需要太长，只需要描述“谁做什么动作、镜头怎么运动”：

The girl looks up, her eyes widen slightly, the camera slowly pushes in, steam rises from the noodle bowl.

重点在于生成时长的选择。不同平台允许的单次生成时长不同，通常在2秒到15秒之间。对于漫剧镜头，单段生成3-5秒稳定性最好，超过8秒后画面容易漂移。后续剪辑时，把多段短镜头切成一个连续段落，效果远好于生成一整段长视频。

6.3 首帧、尾帧与中间帧的关系

进阶用法是设置首帧和尾帧。首帧是镜头开始的静止画面，尾帧是镜头结束的静止画面，AI会补全中间运动。这一招特别适合运镜类镜头，例如“女主从坐着抬头看向门口”，首帧坐下、尾帧抬头，中间过渡自然很多。

如果平台还不支持尾帧，也可以手动做：先生成单张“结尾动作”图片作为参考，再用提示词暗示运动趋势，比如she gradually looks up, hair moves slightly。

7. 配音、剪辑与成片合成

7.1 AI配音怎么做

剧本里的每句台词都要单独生成配音文件。AI配音阶段，需要做两件事：其一，按角色选定声音音色；其二，把语气词、停顿、情绪重音写进配音稿，而不是让TTS干读。

以剪映或其他含TTS的工具为例，请先设置一个角色基准音色。每一集都固定用同一个音色文件或声音克隆方案，不要这集用A音色，下集换B音色。同音色是人物听觉一致性的基础。

配音提示文本示例：

陆小雨：（轻声）你这里……有没有人看到过一碗消失的面？ （停顿0.5秒） 老板：（缓慢，带着笑）你刚才说的那碗面，现在正躺在你面前。

大多数TTS工具支持用标点、括号内停顿说明、换行间隔来调节节奏。生成后先听一遍，听感上不像正常说话的，重开一次或微调文字。

7.2 剪辑节奏：从粗剪到精剪

剪辑阶段分两步。粗剪时，按分镜表从头到尾铺视频片段，先把叙事讲通。精剪时，再逐帧处理节奏：

• 每个镜头保留2到5秒，信息密度高的镜头短一点；
• 对话镜头用正反打规律，说话人给近景，听话人给反应镜头；
• 转场不要滥用。漫剧里硬切是最舒服的，特效转场一多，会有“PPT动画”廉价感；
• 字幕放在画面下方，字体统一，不要满屏飘字。

7.3 整体合成与输出清单

剪辑完成后输出前，过一遍以下检查清单：

• 视频尺寸统一：建议竖屏1080x1920或横屏1920x1080，不要混用；
• 音量统一：对白底噪低，BGM在对话时不盖过人声；
• 字幕无漏字错字；
• 导出码率至少8Mbps以上，否则漫画线条容易糊；
• 帧率保持24或30，不要每段视频帧率混乱。

8. 人物一致性进阶：从角色卡到LoRA

8.1 为什么AI漫剧人物容易“换脸”

AI生成图像是一个概率过程，没有“记忆”。同一个提示词每次生成，人物的脸部特征、发型、服装细节都会略有差异。你把两段分别生成的视频剪到一起，观众立刻会发现视觉上不像同一个角色。所以人物一致性不是某一步的操作，而是整个生产流程共同作用的结果。

8.2 四种主流一致性方案

8.3 LoRA训练的简化流程

如果你的AI漫剧要更新到20集以上，强烈建议训练角色LoRA。思路如下：

1. 准备20-40张角色参考图，每张都是同一个角色，包含正脸、侧脸、半身、全身、不同表情；
2. 图片需要裁剪统一大小，分辨率建议与训练配置匹配；
3. 用Stable Diffusion WebUI或ComfyUI等工具配置训练脚本；
4. 训练完成后，把LoRA放进模型目录；
5. 生成时在提示词中加入LoRA触发词，例如lu_xiaoyu_lora。

这里就不展开训练命令了，因为Stable Diffusion生态迭代快，不同整合包界面差异很大。但核心原则是通用且不随版本变的：数据质量决定一致性上限。那20-40张图，尽可能用同一套角色卡生成、再人工挑出长相最接近的，比盲目堆图更有效。

8.4 一致性审查清单

每集生成结束后，把角色关键帧抽出来拼成一张九宫格对比图。如果九宫格里的脸差异明显，这集就不要直接剪辑，回到角色卡或LoRA环节重新调整。一致性不是“98%相似”就合格，对漫剧而言，观众能一眼认出角色是底线。

9. AI漫剧常见问题与排查思路

把自己当成AI漫剧的“现场导演”，遇到翻车不要慌，按现象找根因。

排查优先级建议：先查角色卡 → 再查分镜表 → 然后查生成参数 → 最后查剪辑工程。多数人物不一致问题，会在前两步暴露出来。

10. 工程化建议与后续学习路线

10.1 生产流程标准化

当你决定把AI漫剧当成一个持续更新的项目而不是单条尝试，请把流程做成SOP（标准作业程序）：

• 每集固定用同一份角色卡文件，不要临时改描述；
• 每集以“脚本→分镜→静帧→视频→配音→剪辑”的先后顺序推进，不要先剪视频再补剧本；
• 生成素材文件名使用统一规则，例如E01_03_final.png表示第1集第3镜头的定稿图；
• 每周至少做一次素材清理，把生成失败或没用上的文件归档到_trash目录，避免污染素材库。

10.2 效率优化：脚本化批量整理

当素材数量到几百个文件时，手动归档容易出错。下面给一个Python脚本示例，用于按文件名前缀分类移动文件，适合做完一批分镜后自动整理：

import os import shutil BASE_DIR = "my-ai-comic" MOVE_RULES = { "E01_storyboard_": "02_storyboard", "E01_frame_": "03_frames", "E01_video_": "04_videos", "E01_audio_": "05_audio", } for filename in os.listdir(BASE_DIR): filepath = os.path.join(BASE_DIR, filename) if not os.path.isfile(filepath): continue for prefix, target_dir in MOVE_RULES.items(): if filename.startswith(prefix): target_path = os.path.join(BASE_DIR, target_dir) os.makedirs(target_path, exist_ok=True) shutil.move(filepath, os.path.join(target_path, filename)) break print("素材整理完成")

实际使用时，把BASE_DIR改成你的项目目录，把MOVE_RULES里的前缀规则改成你的命名习惯即可。脚本运行前建议先备份或先在一小批文件上测试，不要直接对整个目录执行不可逆操作。

10.3 后续学习路线建议

如果你是被那个“全666集、198小时”的标题吸引进来的，不用试图一次学完全部。给自己定一个目标：两周内做出一集3分钟、20个镜头以内、包含对话和旁白的完整漫剧。做完这一集再回看，你会明确知道自己卡在全流程的哪个环节，然后针对那个环节找进阶教程。

进阶方向大致有三条：

• 画面方向：深入学习Stable Diffusion、SDXL、ComfyUI工作流，掌握局部重绘、ControlNet、LoRA训练，把画面控制和一致性做成自己的基础设施。
• 叙事方向：研究短剧结构、悬念设计、台词压缩技巧，让你的剧本比AI默认产出更有追剧感。
• 工程方向：学习AI绘画/视频生成的API调用，把“角色卡→分镜→生成”流程脚本化，甚至做一套自己的批量出片工具。

这三条不用同时走，先选一条深入，另外两条保持了解即可。

AI漫剧的门槛已经低到“只要会打字就能出画面”，但能不能做出有人看的作品，依然取决于你对剧本结构、分镜语言和画面控制的打磨程度。把上面这套流程跑通一遍，你就拥有了持续产出内容的基础能力。剩下的，就是持续做、持续看数据、持续修正自己的判断。