AI漫剧怎么做？从0到1完整制作流程拆解（附提示词与踩坑复盘）

大家好，我是老吴。最近带着团队在榕江做 AI 真人漫剧，从 0 开始实操做出了第 1 集。这篇把完整流程复盘出来，包括每一步怎么做、用什么工具、提示词怎么写，以及我们踩过的三个坑。

AI 漫剧这半年火得很快，但网上大部分内容要么只讲概念，要么只晒结果，很少有人把”从剧本到成片”的完整链路拆开讲清楚。这篇文章就是补这个缺口的。

如果你正准备做第一条 AI 漫剧，或者做了一半卡住了，这篇应该能帮你省下几十个小时。

一、先搞清楚：AI漫剧到底是什么

简单说，AI 漫剧是用 AI 生成的画面来讲故事的短视频剧集。它介于漫画和真人短剧之间：画面由 AI 生成，但叙事节奏、分镜逻辑、角色设定完全遵循影视规律。

它和传统短剧的核心差别在生产方式：

关键点是：AI 漫剧不是”让 AI 随便生成几张图”，它依然要遵守视听语言。镜头怎么切、节奏怎么控、情绪怎么递进，这些决定了成片是”能看”还是”没法看”。

二、完整制作流程：8 个步骤

这是我们跑通一轮后固化下来的流程，按顺序做：

1. 接到剧本及制作要求 —— 明确题材、集数、单集时长、风格
2. 拆解剧本人物与场景 —— 提取全部角色，制作人物三视图
3. 拆解场景参考图与分镜画面提示词 —— 把剧本切成镜头，为每个镜头写画面提示词
4. 生成角色三视图、场景参考图、分镜画面 —— 用生图模型批量出图
5. 生成分镜动态视频 —— 图生视频，让画面动起来
6. 生成角色语音 —— TTS 配音，音色要与角色匹配
7. 生成背景音乐 —— 按情绪段落配乐
8. 剪辑与发布 —— 合成、字幕、节奏调整、输出

看起来是线性流程，但实操中第 2、3 步会反复回炉——这是新手最容易低估的地方，下面第三节详细说。

三、关键环节一：剧本拆解，怎么出人物三视图

拿到剧本第一件事，不是急着生图，而是让 AI 把剧本”读”一遍，把人物和场景结构化。

3.1 提取人物角色表

用下面这个提示词，把整篇剧本丢给大模型（我们用豆包的专家模式）：

你是一个专业的大师级导演。
我需要你把剧本看一遍，然后把里面全部的人物角色写出来。

输出要求：
# 剧本全人物角色表
按角色戏份权重、核心功能分类，完整覆盖剧本内所有出场人物，
标注核心身份与人物设定，方便剧组统筹使用。

## 一、核心领衔角色
1. [角色名]
   核心身份、性格、与其他角色的关系、在本剧中的功能

## 二、重要配角
...

## 三、群像角色
...

为什么要这一步？ 因为直接让 AI 生图，它不知道这个角色是谁、什么性格、穿什么。先有角色表，后面每个镜头的形象才不会漂。

3.2 生成角色形象提示词

角色表出来后，再让 AI 为每个角色写形象提示词：

我现在需要你写出上面所有的人物角色形象提示词。
风格：真人写实风格（或根据剧集定为 2D 动漫风格）
每个角色输出：外貌特征、发型发色、服装、标志性道具、表情基调

3.3 制作人物三视图

有了形象提示词，就可以生成角色的三视图（正面 / 侧面 / 背面）。三视图是 AI 漫剧的”定妆照”，后面所有镜头都以它为基准，保证角色不换脸。

这一步省不得。 我们早期跳过三视图直接生分镜，结果同一个角色在不同镜头里长得不一样，成片没法看，只能全部重做。

四、关键环节二：分镜画面，九宫格生图法

分镜画面的生产效率，决定了整部剧的进度。我们用的是九宫格生图法——一次生成 9 个镜头画面，效率比单张生成高很多，而且剧情连贯性更好。

提示词模板：

生成一张九宫格图片，剧情连贯。
图1：[镜头1画面描述]
图2：[镜头2画面描述]
图3：[镜头3画面描述]
...（最多9个）

每个分镜的画面比例都是 9:16。
真人写实风格。

[此处粘贴该场次的剧本文本]

几个实操要点：

• 文件夹先建好再生成：按「集数 / 分镜 / 人物」三层建目录，图片按角色名命名（如 女主.jpg），不然后期几百张图会找疯
• 参考图要给准：生成九宫格时把该角色的三视图作为参考图一起喂进去，角色一致性会明显提升
• 没戏份的角色别放进去：路人甲如果这场没出现，就不要塞进九宫格，会浪费画面还降低质量
• 生图模型选择：目前文字渲染能力较强的模型（如 Nano Banana Pro 这类新一代图像模型）在处理复杂画面描述时更稳

五、关键环节三：镜头密度怎么定（7 步评估法）

新手最常问的是：一场戏到底该切几个镜头？切多了碎片化，切少了拖沓。我们用的是一套可计算的评估方法：

1. 算最大镜头数 —— 单集总时长 ÷ 15 秒（每镜头时长上限），得到理论最大值
2. 识别信息点 —— 逐句标注剧本里的关键动作、关键台词、情绪转折、道具出现、新人物出场
3. 定节奏系数 —— 情感转折型场景取 1.5，动作高潮型取 2.0，综合取值
4. 算信息点镜头数 —— 信息点总数 ÷（3.5 × 节奏系数），3.5 是经验信息密度
5. 应用漫剧调整系数 —— 动作场面取高值（约 1.8），得到建议镜头数
6. 校验信息密度 —— 每镜头承载 3~4 个信息点比较舒服，低于 2 说明拖沓，高于 6 说明塞爆了
7. 分配镜头并修正 —— 若某场信息密度过高，拆成多镜

举个例子：一集 180 秒，理论最大 12 镜；识别到 25 个信息点，节奏系数 1.8，算下来约 4 个镜，再乘调整系数 1.8 得到 7 镜左右，最后按每镜 3~4 个信息点校验修正，定在 9 镜。

这套方法的价值在于，把”感觉”变成”可复算的数字”。 团队里不同的人拆解同一场戏，得出的镜头数不会差太远。

六、动态视频、配音配乐与剪辑

6.1 图生视频

分镜画面定稿后，用视频模型把静态图转成动态镜头。注意两点：

• 镜头运动要写清楚：推、拉、摇、移、跟拍，不写清楚 AI 会随机发挥
• 单镜头时长控制：目前主流模型单段时长有限，长镜头要拆分或做首尾帧衔接

6.2 配音与配乐

• 角色语音用 TTS，音色要提前定好并固定，同一角色跨集不能换音色
• 背景音乐按情绪段落走，别一首曲子铺到底

6.3 剪辑

最后合成：画面对口型、字幕、音效、转场、节奏微调。这一步决定了成片的”专业感”，AI 帮不上太多，得靠手感。

七、我们踩过的三个坑

这部分比流程更值钱，是我们真金白银试出来的。

坑一：不要凭空让 AI 原创剧本。
我们最开始的想法是让 AI 自由创作一个 30 集的故事。结果生成的剧本”太空”——只描述了大概思路和最终结果，主角的成长几乎没有过程，第一集还正常，第三集就已经强到离谱。生成完剧本和角色参考图后，我们判断这条路走不通，直接放弃了 AI 原创剧本的想法。

坑二：不要一上来就生成几十个分镜。
第二次尝试我们改成：找对标剧集，描述大致剧情让 AI 生成剧本和分镜提示词，看起来剧情没跑偏，就直接生成了 36 个分镜画面。结果新问题来了——很多画面反复调整也达不到效果，而且我也不确定这个画面到底有没有准确表达剧情，看得一知半解，不知道该继续磨分镜图还是直接生成动态视频。进度直接卡死。

坑三：先对标复刻，再原创。
现在我们的方法变了：找到对标作品，不纠结，直接开始复刻。先通过对标复刻来学习视听语言，在制作中学习。这是目前我们找到的最快路径。模仿一部好作品的镜头语言，比自己摸索三个月有效得多。

八、常用工具清单

工具迭代很快，具体用哪个不关键，关键是理解每个环节要解决的问题。换工具不影响这套流程。

九、常见问题 FAQ

Q：做一集 AI 漫剧要多久？
A：熟练之后，一集（约 3 分钟）从剧本到成片大概 1~2 天。新手第一集通常要一周以上，主要时间花在反复调整分镜画面上。

Q：一个人能做吗？
A：能。AI 漫剧最大的变化就是把团队门槛降到了个人可承受。但剪辑和节奏把控需要一定影视基础，纯新手建议先复刻对标作品练手。

Q：角色一致性怎么保证？
A：核心是三视图 + 参考图。每个角色先生成正面/侧面/背面三视图，后续所有镜头都以此为参考图输入。这是目前最有效的方法。

Q：AI 生成的内容能商用吗？
A：各平台规则不同，发布前务必确认所用模型的商用授权条款。另外改编他人剧本必须取得书面授权，这是最大的法律风险点。

Q：需要什么硬件配置？
A：生图和视频主要在云端完成，本地不需要高配机器，普通电脑加稳定网络即可。

写在最后

AI 漫剧的门槛不在工具，在影视基本功。镜头语言、叙事节奏、情绪递进，这些是 AI 替你做不了的。工具会越变越好，但会用工具讲好一个故事，始终是稀缺能力。

我们团队在贵州榕江，做 AI 漫剧、AI 视频带货和 AI 产业落地。如果你也在研究 AI 内容生产，欢迎交流。

贵州元核思维数字科技有限公司 · 榕江 AI 全链路服务

本文基于团队真实项目复盘整理，所涉提示词均为可复用的通用模板。文中不引用任何具体剧本内容，避免版权风险。