企业官网建设流程全解析

做短视频项目这段时间，身边越来越多朋友开始问“AI 短剧到底怎么做”。大家刷到过很多用 AI 生成画面的古风短剧、漫剧号，一条视频几万点赞，评论区都在问教程。但真到自己动手，问题就来了：剧本去哪写？人物形象怎么保持一致？配音用什么？剪映里的素材怎么组织？

网上关于 AI 短剧的资料很零散，要么只讲某个工具的单点功能，要么直接甩出一堆提示词让你自己试。本文打算把这套流程完整串起来，用“豆包 + 即梦 + 剪映”这三个工具，从剧本、分镜、多主体一致性、配音到剪辑，走一遍 AI 短剧制作全流程。无论你是刚开始接触 AI 视频的新手，还是已经做过一些图文内容、想转视频赛道的创作者，这篇文章都能帮你节省大量试错时间。

1. AI短剧是什么？为什么需要“豆包+即梦+剪映”组合

1.1 先理解AI短剧和AI漫剧的区别

AI短剧和AI漫剧经常被混着提，但制作思路不完全一样。

AI短剧更接近真人短剧的替代方案，用AI生成接近实拍风格的人物和场景，再配合配音和剪辑，形成有剧情冲突的竖屏视频。这类内容适合做都市、悬疑、古装题材，观众的接受度也比较高。

AI漫剧则是把漫画分镜动态化。画面以二维或三维卡通风格为主，人物动作可以夸张，背景可以简洁，制作门槛比拟真风格低一些。漫剧的优势是：AI对卡通风格的绘制稳定性更好，角色崩脸的概率低，多主体一致性更容易实现。

在日常创作中，这两者的工具链是重叠的。都可以用豆包写剧本、即梦生成画面、剪映完成剪辑和配音。所以下文统一用“AI短剧”来指代这类内容，涉及漫剧的差异点会单独说明。

1.2 为什么选这三个工具

选择工具组合时，最核心的考虑是“上手快”和“链路短”。

豆包负责文本创作。它拥有较强的长文本理解能力，可以生成完整的分集剧本、角色设定、分镜描述、旁白文案。相比直接用ChatGPT或Claude，豆包的中文语境更贴近短视频平台的内容风格，生成的剧本更口语化、更懂爽点节奏。

即梦负责画面生成。它支持文生图、图生图、图片生成视频等能力，且生成的人物、场景效果在国产工具中属于第一梯队。AI短剧制作中最难的角色一致性问题，即梦提供了参考图和局部编辑能力，可以在一定程度上锁定角色形象。

剪映负责后期剪辑。它既是剪辑工具，又是配音工具，还是字幕工具。剪映的文本朗读功能提供了大量AI音色，可以直接生成解说旁白，不需要额外录制。再加上剪映的智能字幕、转场、特效和模板，几乎覆盖了AI短剧后期所需的全部能力。

这三个工具还有一个共同点：都属于字节跳动生态。豆包生成的剧本可以直接复制到即梦使用，即梦生成的视频素材可以直接导入剪映。省去了不同产品之间格式转换、账号体系割裂的麻烦。

1.3 多主体一致性到底是什么问题

很多人第一次做AI短剧时，信心满满地生成了一堆分镜图，结果放到剪辑软件里一看——男主角在第一个镜头是国字脸，第二个镜头变成瓜子脸，第三个镜头甚至换了发型。女主角每换一个场景，衣服颜色、五官比例全变了。这就是多主体一致性问题。

多主体一致性可以拆成两个层面：

• 单个角色的一致性：同一角色在不同分镜中保持长相、服装、气质稳定。
• 多个角色之间的区分度：一部剧里通常有男主、女主、反派等角色，AI需要确保这些角色互不混淆，不会出现“男主长着女主的脸”这种情况。

为什么难？因为AI绘图工具本质上是根据提示词从随机噪声中生成图像。提示词里写“男主角穿着黑色风衣，面容冷峻”，AI每次生成时都会重新“想象”这个人长什么样。如果没有约束机制，画面就是漂移的。

解决多主体一致性，核心思路是给AI提供“锚点”。比如固定角色描述、使用参考图、锁定画面风格。第三章会详细拆解这套方法。

2. 环境准备：注册、入口与设备要求

2.1 工具获取途径

先解决“去哪里用”的问题。这三个工具都是免费的，其中豆包和即梦提供了网页版，剪映需要安装客户端。千万不要去下载什么“破解版”“特别版”，直接用官方入口最安全。

豆包和即梦的网页版登录方式基本一致，支持手机号验证码登录，也支持抖音账号直接授权。剪映则需要下载安装包。Windows用户直接去官网下载即可，macOS用户同理，注意分辨Apple Silicon和Intel版本的差异，安装包通常会自动识别。

2.2 设备配置要求

AI短剧的创作环节里，真正消耗设备资源的是剪映剪辑阶段。豆包和即梦的生成过程都在云端完成，本地电脑只需要浏览器能正常运行。

剪映的配置要求不算高，但处理多轨视频时还是建议满足这些条件：

• 操作系统：Windows 10 1809版本以上，或 macOS 11 以上。
• 内存：16GB 比较稳妥，8GB 也可以运行，但多轨道同时预览会卡顿。
• 磁盘空间：至少预留 20GB 空闲空间，用于存放生成素材和剪映缓存。
• 显卡：建议NVIDIA独立显卡，显存4GB以上。集显也能用，但导出速度会明显偏慢。

如果你用的是老电脑，也不用担心。可以把剪映的预览画质调低，或者分段剪辑、最后再整体导出。效率低一点，但流程完全走得通。

2.3 版本更新问题

豆包、即梦、剪映都是持续更新的产品，几乎每个月都有功能迭代。比如剪映的版本号变化很快，即梦的模型也在持续升级。写文时的新版本，等你看到文章时可能又变了。

所以本文不纠结于某个具体版本号，而是教你“按功能找入口”的方法。只要界面上有文生图、图生视频、文本朗读、智能字幕这些功能，就可以按照本文流程操作。如果某个功能的入口位置和截图不一样，以你当前使用的版本为准。

这种思路其实也适用于所有AI工具教程。工具会变，方法论不会变。理解了原理，换一个工具也能快速迁移。

3. 核心环节拆解：剧本、分镜与多主体一致性

3.1 用豆包生成剧本的正确姿势

很多人让AI写剧本，是这样提问的：“帮我写一个甜宠短剧剧本。”

豆包确实会给你生成一段内容，但大概率是流水账——有剧情，没冲突；有人物，没性格；有场景，没画面感。问题出在提示词太宽泛。

写AI短剧剧本，本质上是在做“结构化创作”。你需要给豆包提供足够清晰的框架：题材、受众人群、单集时长、剧情冲突、人物小传。

推荐的提示词结构如下：

你是一名短剧编剧，擅长写抖音、快手平台的竖屏短剧。 请帮我创作一部【古装甜宠】题材的短剧剧本，目标受众是18-30岁女性。 要求： 1. 单集时长约2分钟，台词简洁口语化。 2. 前5秒必须有冲突或悬念。 3. 每集结尾留钩子，吸引用户看下一集。 4. 先输出人物设定：主角姓名、年龄、性格、外貌特征、服装特点。 5. 再输出第一集的完整剧本，包括场景描写、对白、动作提示。 6. 男主和女主的外貌描述要具体，可被AI绘图工具识别。

加入这些条件后，豆包生成的剧本质量会提升一个档次。尤其是第6条，非常关键。AI绘图需要具体的视觉描述，如果剧本里只写“男主很帅”，即梦无法理解什么叫“很帅”。但如果你写“男主25岁，剑眉星目，鼻梁高挺，穿玄色窄袖长袍，发冠束发”，即梦就能生成符合描述的图像。

剧本生成后，还需要做一步人工修改。AI生成的台词经常会出现书面语过多的问题，可以手动改成更口语化的表达。比如把“你怎能如此待我”改成“你为什么要这样对我”。短剧是给用户在地铁上、午休时看的，越直白越好。

3.2 分镜脚本：把文字剧本翻译成画面指令

分镜脚本是连接文字和画面的桥梁。很多新手直接拿剧本片段去即梦生成图片，出来的画面东一张西一张，根本剪不成故事。

分镜脚本不需要特别复杂，但必须包含三个要素：景别、画面内容、提示词方向。

景别是指画面取景范围，常见的有远景、全景、中景、近景、特写。AI短剧里使用最多的是中景和近景，因为竖屏空间有限，中近景更容易突出人物表情和情绪。

画面内容是用一句话描述这个镜头里发生了什么。比如“男主站在雨里回头看女主”。

提示词方向是给即梦绘图的参考信息，包括人物、动作、场景、光线、风格。

下面是一个分镜脚本示例：

你可以让豆包先输出剧本，然后追加一个指令：“把上面的剧本拆成分镜脚本，每个镜头包含景别、画面内容、绘图提示词。”豆包会根据剧本内容自动完成这一步，你再人工调整不合理的地方即可。

3.3 多主体一致性的完整方法论

现在进入本文最关键的部分：如何让AI生成的画面保持角色一致。

3.3.1 建立角色描述锚点

一致性是从文字描述就开始的。你需要为每个角色建立一段“角色锚点描述”，在每一次绘图提示词中都复用这段话，而不是每次重新描述。

举个例子，假设剧本里的男主叫林远，他的锚点描述可以是：

林远，25岁，古代男子，身高约185cm，剑眉星目，鼻梁高挺，薄唇，下颌线分明，黑色长发束起，发型为高马尾，穿一身玄色窄袖劲装，腰间佩剑。

女主角苏晚的锚点描述：

苏晚，22岁，古代女子，鹅蛋脸，柳叶眉，含情目，樱桃小嘴，乌黑长发，梳流云髻，插一支白玉兰花簪，穿浅绿色齐胸襦裙，气质清冷温柔。

写锚点描述时有几个技巧：

• 使用确定性词语：比如“剑眉星目”“高鼻梁”“鹅蛋脸”，而不是“很帅”“很美”。
• 控制属性数量：每个角色控制在4到6个核心特征，太多特征AI可能无法兼顾。
• 突出区分度：男主用深色服装，女主用浅色服装，角色之间不要共用视觉特征。

之后每次生成画面时，把锚点描述完整复制到提示词中，不要省略。这意味着你的提示词会很长，没关系，AI绘图工具对长提示词的支持相当成熟。

3.3.2 利用参考图锁定形象

单靠文字锚点描述仍然不够稳定。AI在不同分镜中生成同一角色时，面部细节依然可能漂移。

更可靠的方式是利用即梦的参考图功能。制作流程是这样的：

第一步，先用锚点描述生成一张最满意的角色定妆图。比如生成林远的全身照，多生成几次，挑出一张最符合设定。这就是角色参考图。

第二步，在后续生成其他分镜时，上传这张参考图，让即梦参考这个人物形象生成新画面。即梦的参考图模式会尽量保留参考图中的人物特征，同时根据新的提示词生成不同动作、不同场景的画面。

第三步，如果生成结果仍然有细微差异，可以多做几次抽卡，或者用局部编辑功能对不满意的地方进行微调。

这个方法相当于给AI一个“标准答案”，让它照着画。比纯文字锚点稳定得多。

3.3.3 批量生成时的整理策略

一个短剧可能有几十个分镜，全部生成完后需要统一管理素材。强烈建议先在本地建立规范的文件夹结构。

项目名/ ├── 01_剧本/ │ └── 剧本.docx ├── 02_分镜脚本/ │ └── 分镜表.xlsx ├── 03_角色定妆/ │ ├── 男主_林远.png │ └── 女主_苏晚.png ├── 04_分镜图/ │ ├── 第1集/ │ └── 第2集/ ├── 05_配音/ └── 06_成片/

每一张生成好的分镜图，建议按“集数_镜头编号_内容描述”的格式命名。例如：

E01_01_男主骑马入城.png E01_02_男主脸部特写.png E01_03_女主茶楼张望.png

这样做有两点好处：导入剪映时素材顺序一目了然；后续如果某个镜头需要重新生成，可以快速定位。

3.3.4 用图生视频让静态画面动起来

获得静态分镜图之后，AI短剧还差一步：让画面动起来。

即梦的图生视频功能可以实现这个需求。操作方式是把已经生成好的分镜图上传，然后输入一个动态描述，比如“男主骑马缓慢前进，衣角随风飘动”，即梦会根据这张图和描述生成一小段视频。

图生视频也有它的限制：每次生成的视频时长通常只有几秒，而且动作幅度不能太大。动作幅度越大，画面变形越严重。所以在设计分镜时，尽量选择动作幅度小的镜头，比如人物转身、抬头、眼神变化、风吹衣角，这些动作图生视频的成功率很高。

如果某个镜头不需要动态效果，比如纯风景空镜、人物静态特写，也可以直接使用静态图，在剪映里通过缩放、运镜来模拟运动感。

4. 配音与音频处理：剪映里的AI声音

4.1 配音的两种方式

AI短剧的配音分为对白配音和旁白配音。对白是角色说的话，旁白是剧情解说或角色内心独白。

剪映的文本朗读功能可以同时满足这两种需求。操作方式是：在剪辑轨道上添加文本，然后选中文本，点击“文本朗读”，选择合适的音色。

剪映提供的AI音色数量很多，包括各种男声、女声、童声、方言、动漫音。你可以根据角色人设来选择音色。比如男主选低沉浑厚的男声，女主选温柔甜美女声，反派选带一点磁性或压迫感的声音。

如果对节奏要求比较高，可以在文本朗读前对文本稍作处理。比如在需要停顿的地方加逗号，在需要强调的词语前后加空格。剪映的AI会根据标点符号自动断句，标点符号越规范，朗读效果越自然。

4.2 让声音有情绪

AI配音最常被吐槽的是“机器感太重”。实际使用下来，有几个小技巧可以明显改善听感：

• 提高音调变化：在剪映文本朗读的音色设置里，适当调高音调和语速，避免平铺直叙的感觉。
• 分句朗读再拼接：如果一句台词很长，AI读得太平，可以把它拆成短句，分别朗读后再拼接。每句单独读时，AI反而更容易给出重音和情绪。
• 控制语速：短剧的台词信息密度高，语速可以比日常说话稍快一点，但不能糊。剪映默认语速通常偏慢，可以适当提高到1.1到1.2倍。

对于重要情绪戏，AI配音确实不如真人配音有感染力。但考虑到成本和效率，AI配音依然是AI短剧最合适的方案。剪映后续如果推出更多高品质音色，优先选择带有“情绪”标签的音色类型。

4.3 背景音乐与音效

短剧的紧张感、甜蜜感、悬念感，很大一部分来自音乐和音效。

剪映的音频素材库内置了大量配乐，可以直接搜索“悬疑”“古风”“甜蜜”“悲伤”等关键词。使用时需要注意背景音乐的音量控制：有人声对白时，音乐音量应压到很低；没有对白时，音乐可以稍微推高。

音效方面，古风短剧常用的音效包括：风声、雨声、脚步声、剑出鞘声、环境氛围声。剪映的音频素材库都能搜到。在关键节点添加音效，能极大提升视频质感。比如男主拔剑时配合“噌”的刀剑出鞘声，女主落泪时配合轻微的雨声，画面表现力会完全不同。

5. 剪映剪辑全流程实战：从导入到发布

5.1 素材导入与粗剪

打开剪映并新建项目后，第一步是导入前面整理好的全部素材。

先按时间线粗剪。把生成好的视频片段拖入轨道，按照分镜脚本的顺序排列。此时不需要精修，只需要把每个镜头放到对应的位置。

对于静态图素材，剪映提供了“动画”功能。给图片添加“入场动画”或“组合动画”，可以让静止的画面产生运动感。常用的方式是给图片添加“轻微放大”效果，模拟镜头的推近。也可以用“关键帧”手动控制图片的缩放和位移，这种方式更灵活，但操作时间会多花一些。

5.2 转场与节奏控制

镜头与镜头之间需要连接顺畅。剪映的“转场”面板中有大量转场效果可供选择。

AI短剧的节奏定位：竖屏短剧要求前3秒留住用户，所以开头部分不要使用缓慢的转场，直接硬切或者使用“闪黑”来制造节奏。故事中段使用“叠化”转场，可以营造回忆或时间的流逝。剧情转折处使用“模糊”或“抖动”转场，营造震撼感。

注意转场不宜过多过花。过度使用炫酷转场，反而会影响剧情沉浸感。干净的剪辑往往更有力量。

5.3 字幕制作

字幕是短剧里不可缺少的元素，尤其是方言角色或者语速较快的地方，观众非常依赖字幕理解台词。

剪映的“智能字幕”功能可以自动识别视频中的人声，生成字幕。但如果你使用文本朗读生成的配音，字幕会更准确。因为文字是你自己输入的，剪映朗读后可以直接同步添加文本轨道，不需要识别。

如果使用AI配音，字幕操作就变成了“先有字，后有声音”。流程是：先把对白文本排列在字幕轨道上，调整好每句的出现时间，然后对每句文本执行“文本朗读”。这样生成的音轨与字幕天然对齐，省去了手动同步的麻烦。

5.4 导出设置

导出时的参数设置会影响成片的画质和文件大小。

竖屏短剧建议导出设置为：

分辨率：1080x1920 帧率：30fps 码率：推荐“更高”或自定义码率 格式：MP4

如果生成的分镜图尺寸不是标准的9:16，可以在剪映中通过“裁剪”或“背景模糊”处理。不要直接拉伸图片，否则人物比例会变形。背景模糊的方式在短剧中很常见：画面主体居中，上下两侧用模糊背景填充，既能适配竖屏比例，又保留了原图的完整构图。

6. 完整案例：从0到1做一集2分钟古风AI短剧

前面讲了很多方法，这里用一集2分钟的古风甜宠短剧《王爷追妻火葬场》作为例子，把完整流程串一遍。

6.1 用豆包写剧本

向豆包发出指令：

你是短剧编剧。创作一集2分钟古风甜宠短剧，剧名《王爷追妻火葬场》。 目标受众是喜欢古装、情感剧的女性观众。 剧情要求：男主是冷面王爷，女主是穿越到古代的美食博主。本集剧情是男主误以为女主下毒，女主心灰意冷离开王府。 输出内容： 1. 人物设定：姓名、年龄、身份、外貌特征、服装描述。 2. 分场景剧本，包含对白和动作。 3. 结尾留钩子。

豆包会输出完整剧本。此时我们需要多一步——让豆包输出分镜脚本。追加指令：

把上面的剧本拆成分镜脚本，每个镜头包含：镜头编号、景别、画面内容、绘图提示词。男主和女主的描述在每张图中都要完整保留。

6.2 用即梦生成分镜图

先为男主、女主分别生成定妆图。用锚点描述向即梦发指令。

男主提示词示例：

林远，25岁，古代男子，身高约185cm，剑眉星目，鼻梁高挺，黑色长发束成高马尾，穿玄色窄袖劲装，腰间佩剑。全身像，正面站立，影视剧风格，高细节，8K画质。

生成后挑选最满意的一张作为参考图。女主用同样的流程生成。

接下来按分镜脚本逐张生成画面。每个镜头都采用“角色参考图 + 场景动作提示词 + 风格描述”的公式。

例如第3镜，女主在茶楼窗口张望，提示词可以写成：

苏晚，22岁，古代女子，鹅蛋脸，柳叶眉，浅绿色齐胸襦裙，梳流云髻，插白玉兰花簪。她站在古代茶楼的窗边，微微探身向外张望，表情带着好奇。古风场景，柔光，影视剧风格。

同时上传苏晚的参考图，让即梦参考形象生成。

6.3 用即梦生成动态视频

对需要动态效果的镜头，使用即梦的图生视频功能。

例如男主骑马入城的镜头，上传林远骑马的分镜图，输入动态描述：

镜头缓缓推进，男主骑马缓慢前进，衣角和马鬃被风吹动，周围有落叶飘落。

生成后检查效果。如果画面变形严重，就换个动态描述或者降低动作幅度。如果仍然不行，退回静态图，在剪映里用缩放模拟运动。

6.4 用剪映剪辑

将生成好的视频和图片按分镜顺序导入剪映，完成粗剪。

对每句台词添加字幕，然后执行“文本朗读”生成对白音轨。选择角色音色：男主用低沉男声，女主用温柔淑女音。

最后添加配乐、音效和转场。导出前整体播放一遍，注意检查：字幕是否与配音同步、画面重点是否突出、片头是否有抓人的悬念。

这一集完整制作下来，熟练之后大约需要1到2小时。第一集需要多花时间打磨角色定妆和音色选择，后续集数复用这些配置，速度会越来越快。

7. 常见问题与排查思路

7.1 生成的角色每张图都不一样

• 现象：同一角色在多个分镜中面部特征、服装颜色、发型不稳定。
• 原因：提示词不统一，或者没有使用参考图。
• 解决：回到角色锚点描述，每次生成时完整复制，不缩写不修改。使用参考图功能，锁定参考图后再生成新分镜。
• 预防：在项目开始阶段就固定好每个角色的锚点描述，并保存到项目文件夹中，之后不要随意改动描述文字。

7.2 即梦生成的图片好看但视频扭曲

• 现象：静态图正常，生成视频后人物脸部扭曲、肢体变形。
• 原因：动作幅度过大，或者镜头运动过复杂。
• 解决：降低动态描述的动作幅度，改为人脸特写、轻微转头、风吹衣角等简单动作。如果仍然扭曲，尝试更换动态描述关键词。
• 预防：在分镜脚本阶段，优先构思简单动作的镜头。

7.3 剪映文本朗读的配音没有感情

• 现象：AI配音平淡，缺乏情绪波动。
• 原因：句子太长，或者音色选择不适合情绪表达。
• 解决：拆短句，分多次朗读；在文本中增加逗号、省略号来制造停顿感；尝试多个音色，找到最适合角色气质的声音。
• 预防：写对白时尽量使用短句，减少书面长句。

7.4 剪映导出后画质模糊

• 现象：剪辑预览时清晰，导出后变模糊。
• 原因：导出分辨率设置过低，或者源图本身分辨率不足。
• 解决：检查源图分辨率，AI生成的分镜图如果低于1080P，尽量选择超清重绘；导出时选择1080P及以上分辨率，提高码率。
• 预防：在即梦生成图片时优先选择高清画质选项。

7.5 电脑运行剪映卡顿

• 现象：剪辑多轨道素材时预览卡顿，导出速度极慢。
• 原因：素材体积过大，电脑性能不足。
• 解决：关闭剪映预览画质，调低到“流畅优先”；分段剪辑，最后统一导出；关闭其他占用内存的程序。
• 预防：素材入库前用格式工具压缩，删除未使用的素材，保持项目整洁。

8. 最佳实践与工程建议

8.1 固定创作流程，减少重复决策

AI短剧制作涉及大量重复决策：用什么音色、用什么转场、图片用哪种风格。建议第一批内容就把这些配置固定下来，形成自己的“创作模板”。

例如：

• 男主的锚点描述是什么？
• 女主用什么音色？
• 背景音乐默认音量是多少？
• 转场默认用哪几种？
• 字幕用什么字体、什么颜色？

把这些内容记录在一个文档里。后续制作每一集时直接套用，不需要每次重新设计。这个文档就是你的“创作SOP”。随着制作数量增加，还可以不断优化SOP，把踩过的坑补进去。

8.2 多集制作的素材管理体系

短剧不是单条视频，而是系列内容。多集制作时，素材管理尤其重要。每一集的素材单独放一个文件夹，但所有集数的角色定妆图、音色设置、片头片尾模板可以共用。

对于关键参数，例如每个镜头的提示词、参考图文件、音色名，建议在Execl表格中登记。这样万一某个素材丢失，可以快速重新生成，不需要重新构思提示词。

8.3 安全与版权提醒

使用AI工具制作短剧时，有几个容易被忽略的注意事项：

• 不要使用他人真实肖像生成视频内容，尤其是涉及负面情节时，可能侵犯肖像权和名誉权。
• 不要直接搬运他人的剧本、文案、素材。
• AI生成内容在部分平台需要标注“AI生成”标识，发布前先查阅平台规则。
• 涉及真实品牌、商标、地标时，谨慎使用。
• 对于需要原创保护的内容，保留好剧本提示词、过程文件、工程文件等创作记录。

8.4 内容质量优先于产量

AI短剧的门槛低，但竞争也很激烈。单纯追求“一天出一条”没有意义，观众看几条就滑走。更好的策略是：前几集花时间打磨角色形象、风格调性和叙事节奏，确认数据反馈后再批量生产。这也是为什么“多主体一致性”如此重要——角色立住了，观众才会追下去。

9. 总结与后续学习方向

这篇教程从AI短剧的基本概念讲到完整工具链：豆包负责剧本和分镜，即梦负责画面生成和动态化，剪映负责配音、字幕和剪辑。全文重点拆解了多主体一致性的实现方法，包括角色锚点描述、参考图锁定、分镜脚本规范和批量生成时的素材管理。

你现在可以动手做第一集了。建议先选一个你熟悉的题材，把人物设定写清楚，生成几张定妆图练手。不要一上来就追求完整成片，先把单个环节跑通，再慢慢串联。

后续可以继续学习的方向包括：更复杂的镜头语言设计、AI与实拍素材的混合剪辑、不同AI绘图风格（国风、赛博朋克、Q版漫画）的适配、多平台发布规则与变现方式。工具更新很快，但创作方法是可以复用的。把这套流程跑顺，后续换更强大的工具，你也能快速上手。