企业官网建设流程全解析

想用 LibTV 加剪映和豆包做一部 AI 漫剧，这个念头本身不稀奇；稀奇的是，很多人把软件装齐、教程看完之后，依然卡在同一个地方——生成的画面每次都不一样。第一幕还是男主角，第二幕就换了一张脸，第三幕连衣服都变成了另一套。问题不是单个工具不好用，而是整套流程里缺少一个专门维护“人物一致性”的环节。

我最早接触“AI漫剧”这个概念时，第一反应也是“这不就是把几个AI工具串起来嘛”。等真正跑完一集之后才发现，单场景生成很容易，真正决定一部剧能不能成立的是角色能不能“立住”。画面风格可以变，光线可以变，但只要角色的脸一变，观众的信任感就断了。

这篇文章不打算写成软件功能的罗列。我会把 LibTV、豆包、剪映这条链路从剧本到剪辑完整拆开，重点说清楚人物一致性为什么是整条流水线的核心，以及新手应该用什么步骤去维护它。同时也会把“能生成”和“能稳定产出”之间的差距讲清楚——前者只需要懂几个按钮，后者需要一套流程。

1. 先想清楚：AI漫剧真正难的不是“会生成”，而是“能连贯”

在做 AI 漫剧之前，我们要先理解一个反直觉的事实：单独的 AI 生图、AI 视频生成，在今天已经非常容易，最难的部分其实是把几十个独立生成的镜头串成一部“看上去是一个连续故事”的片子。

1.1 传统动画里，“人物一致性”靠什么维持

传统动画制作里，角色能不能始终如一，靠的不只是画师的手感。正式项目会有完善的角色设定图，标注同一个角色的正面、侧面、表情、服装配色；作画监督负责检查每个镜头里的角色是否跑型；到了 3D 动画阶段，更有模型绑定、材质、骨骼作为统一标准。

这套机制的底层逻辑是：不管画面怎么变化，角色的核心特征是提前定死的，而且做每一步时都有一个可以参照的标准。

1.2 AI漫剧的一致性问题更隐蔽

AI 生成不一样。你用同一个提示词生成两次，得到的两张图大概率不完全相同。哪怕只是隔了一集、换了一个场景，男主角都可能像变了个人。这背后的原因主要是：生成模型是从概率分布里采样，而不是绘制同一份“人设档案”。角色的一致性需要人为地用工作流去约束，而不是靠模型的默认能力。

这也是为什么很多新手第一次跑通流程后特别兴奋，做到三五个镜头就发现“追不上”了。原因往往是：第一个镜头直接从“少女站在门口”这样的描述开始生成，第二个镜头又改成“少女站在桥边”，看似只有背景变了，但模型会因为提示词的微小差异，顺便把发型、瞳色、脸型都重新“想象”了一遍。

所以我的主判断是：AI 漫剧能不能成立，拼的不是哪个模型更聪明，而是你有没有一套把角色特征“锁定”住的流程。工具只是放大器，流程才是决定下限的东西。

从适用边界看，如果你想做一个十分钟以内的动画解说、图文漫剧、或用于个人内容实验，这条链路完全够用。但如果你要做一个需要精确执行分镜、多层角色互动、画面透视严格统一的长篇作品，当前的工具组合更适合做预演和部分画面生成，你会需要补充更专业的绑定与动画合成能力。

2. 工具分工：LibTV、豆包、剪映各管一段

很多人一上来就打开 LibTV 开始生成图，觉得只要工具用得熟，质量就会自动上来。实际上，把剧本、分镜、静帧、视频、配音、剪辑这六件事全部压给一个工具，很容易变成“每个环节都能做，但每个环节都不好改”。

我更建议把整条 AI 漫剧生产链看成一条流水线，每个工具负责一段，环节之间通过文件、提示词和角色卡来传递信息。

2.1 LibTV：负责图像生成和视频生成这一“中间段”

LibTV 在标题里排在第一位，说明它在这套组合里承担的是主要生成角色。从工作流工具的常见设计看，它通常用于串联提示词、模型、参数和输出结果，适合做静帧生成，也可以把静帧进一步转成动态镜头。

这里有一个对零基础用户很重要的提醒：LibTV 未必只有一个固定版本，而且不同库、不同模型之间的兼容性会影响生成结果。如果教程里让你选某个模型，但你的界面里找不到，先不要慌，检查一下模型是否已经下载，或者确认当前版本是否需要升级。不要因为界面差一点就以为自己做错了。

在实际使用中，LibTV 的核心动作可以简化为：输入提示词、选择模型、设定图像尺寸和种子、生成静帧。生成后记录下这一次的关键参数。尤其是种子值，它是后续做一致性修正时最便宜的“调节旋钮”。

2.2 豆包：负责剧本、分镜和提示词优化

豆包在整条链路里的角色更像“编剧加提示词整理器”。它可以帮你完成三件事：

1. 根据一个简单的故事梗概，写出分集剧本和分镜列表；
2. 把一句“少女在桥上回头”扩写为更贴近图像模型偏好的长提示词；
3. 生成配音文案、旁白、字幕文本，甚至帮你把台词拆成适合后期对齐的短句。

很多人忽略的是：AI 生图模型对提示词的理解逻辑，和人的自然语言不完全一样。豆包的另一个实用价值，就是帮你在“人话”和“模型能听懂的描述”之间做翻译。你可以直接问它：

我需要用AI生成一张漫画风格的少女图像。 请根据“黑色短发、银色星星发夹、浅蓝色学院风衬衫、白色百褶裙” 扩写成适合生图模型的详细提示词，并保持描述顺序稳定。

这种交互方式不算复杂，但它能有效减少你被模型“自由发挥”坑到的情况。

需要注意：豆包给出的只是提示词文本，不负责生成画面。你在 LibTV 里能不能复现出豆包描述的细节，还与模型尺寸、画风、种子设置有关。

2.3 剪映：负责后期剪辑、配音与字幕

剪映的主要作用不是生成，而是装配。具体到 AI 漫剧里，它负责三块：

• 把 LibTV 生成的静帧和视频素材按分镜顺序排到时间线；
• 把豆包生成的旁白和配音落到音轨上，调整每条语音的时间位置；
• 制作字幕、关键帧、转场、变速、调色，让原本“一帧一图”的素材读起来像一部短片。

关于配音，可以先用豆包生成文案，再用剪映的文字转语音或朗读功能合成。如果希望更有剧情感，也可以在剪映里导入配音文件，配合音乐和音效完成混音。

2.4 三者如何衔接

可以用一张表来说明：

如果流程临时断掉，优先检查环节之间传递的文件是否完整：LibTV 是否导出了当前镜头？豆包的分镜文本是否更新到最新？剪映里音频是否已经和画面帧对齐？这三个问题占了实际操作中一半以上的故障来源。

3. 从零跑通一集：一条可以复制的AI漫剧流水线

有了整体认知，下面给出一套可执行的最小流程。这套流程的默认前提是你已经装好 LibTV、豆包和剪映，并且有一个不太复杂的漫剧脚本。如果某个软件还没准备好，建议先把工具安装和登录问题清理完，再开始正式生产。

值得注意的是：下面的流程只是一个通用路径。具体按钮名称、上传入口、生成功能可能会因版本变化，你需要结合自己手中的工具界面做对应。

3.1 先用豆包产出剧本与分镜

不要一上来就写图像提示词。先用豆包把故事结构想清楚。

你可以给它类似这样的需求：

请帮我写一个3分钟的AI漫剧开头，主题是“失忆少女在陌生城市寻找自己的过去”。 要求： 1. 有明确的三幕结构，能快速抓住观众； 2. 只出现一个主角和一个配角； 3. 每一句旁白或对话控制在15字以内，方便后期配音； 4. 输出时用分镜表格，包含：镜号、画面内容、台词/旁白、建议时长。

豆包输出的分镜表格里通常会有“镜号”“画面内容”这些字段。你需要拿这份表格作为后续生成静帧和提示词的“施工图”。

在这个阶段，哪怕你不确定镜头能不能生出来，也要先把“你想要什么”写在脚本里。因为 AI 生成有一个特点：提示词越具体，结果越可控；提示词越模糊，模型越容易自由发挥。

3.2 建立角色卡并生成第一张定妆图

每一部漫剧都应该给主要角色建立一张“角色卡”。角色卡包括角色名字、外貌特征、服装、标志性配饰、画风和色调要求。以主角为例：

角色：林夏 性别：女，年龄约22岁 发型：黑色齐肩短发，微卷，右侧别一个银色星星发夹 眼睛：深棕色，圆眼，眼角微垂 脸型：偏圆的鹅蛋脸 服装：浅蓝色学院风衬衫，白色百褶裙，白色帆布鞋 配饰：银色星星发夹，浅黄色手链 画风：日系清新漫画风，柔光，干净背景

在 LibTV 中，用这张角色卡生成第一张“定妆图”。定妆图不需要太多场景信息，重点是确保人物本身好看且特征稳定。生成后，把图和对应的提示词、种子都保存下来。

从这一张开始，后面的每一个镜头描述，都要在角色卡基础上扩展。你不需要每次都把整段外观描述写一遍，但必须让模型知道“这是同一个人”——所以建议把角色卡文本当作每个镜头提示词的前缀，或者作为参考图输入到工作流。

3.3 把分镜转成静帧提示词

现在把分镜表格里的每个画面，扩展成适合生成的提示词。一个通用的写法是：

角色前缀 + 动作/表情 + 环境背景 + 画面构图 + 画风 + 画面比例

示例：

林夏低头看着手里的旧照片，眼神迷茫， 站在旧城区的十字路口，远处有模糊的行人， 日系清新漫画风，柔和自然光，中景，电影感构图，16:9

在这里，最容易被忽略的是：动作描述要放在角色特征后面。否则模型可能花大量计算在场景上，而角色特征被弱化。

生成静帧后，不要直接进入下一张。先把这张图片和定妆图放在一起对比。通常检查五个特征：发型、发色、眼睛、脸型、服装主色。如果某一项明显对不上，就调整提示词或换一个种子，重新生成。

3.4 用静帧生成视频片段

静帧通过后，再把它交给 LibTV 的视频生成功能，让它变成 3 到 5 秒的动态片段。这里要控制两个变量：

• 运动幅度：漫画风格的角色不适合剧烈运动，尤其一开始不要做大幅转头、肢体大幅度动作，会容易崩；
• 镜头移动：优先选慢推、慢拉、轻微横移这类温和镜头。

如果视频生成后人物面目扭曲，不要马上换提示词。先降低动态幅度，或者把片段缩短，有时反而更容易得到一个稳定的结果。

3.5 配音、字幕与剪辑装配

在剪映时间线上，按分镜顺序把静帧和视频片段放好。然后导入豆包生成的配音文案。剪映里可以先把配音文件拖到音频轨，再根据波形和停顿点，把画面切到位。字幕用剪映的文本工具添加，建议字体统一，字号适中，位置避开画面中心。

剪辑阶段最容易出现的问题是“画面节奏和配音节奏脱节”：旁白已经说完，画面还停在同一张图上。这时可以使用剪映的关键帧或缩放动画，让画面产生轻微动态，而不至于像 PPT。

整个流程跑通一个镜头后，再扩展到一个场景；一个场景稳定后，再扩展到完整一集。这是唯一值得推荐的节奏。

建议：每一集开始制作前，先花 10 分钟检查角色卡、参考图和分镜脚本是否匹配。这三者不一致，后面所有生成都会跟着乱。

4. 人物一致性：不是单张图的“像”，而是整部剧的“稳定”

前面已经反复提到人物一致性，但它在实际操作中有更具体的含义。简单来说，人物一致性可以拆成四个层级：

1. 单张图内：五官之间是否协调。
2. 相邻镜头间：同一个角色换场景后，脸型和发型是否还能认出是同一个人。
3. 单集范围内：角色从第一分钟到最后一分钟有没有“变异”。
4. 多集范围内：观众是否不会因为角色外貌变化而出戏。

很多教程只告诉你“把提示词复制粘贴”，但事实上，提示词只是第一道锁。真正能提升一致性的，是下面这套维护方法。

4.1 固定角色卡，但不依赖复制粘贴

角色卡要固定，指的是描述词的内容和顺序尽量不变。比如每次生成林夏时，都把“黑发齐肩短发、银色星星发夹、浅蓝色学院风衬衫、白色百褶裙”放在提示词最前面。这样模型对核心特征的权重会更高。

但也要清醒地认识到，提示词不是万能的。如果模型基础能力不强，或者提示词里加入了太多新描述，角色特征可能被稀释。所以最佳做法是“角色卡固定 + 参考图固定”双保险。

4.2 用首张定妆图和参考图锁住特征

不少工作流工具支持参考图输入，你可以把第一张定妆图作为后续图像的参考图。这相当于告诉模型：不是重新创造一个角色，而是以这张图的人物特征为基础。这种方式通常比单纯写提示词更稳。

在使用参考图时，建议每次都使用同一张高清定妆图，而不是随意挑一张中间过程图。中间过程图可能本身就不够标准，沿用后会把问题放大。

4.3 记录种子，给修正留一个便宜选项

种子是生成结果的一个随机因素。种子相同、提示词相同，结果更接近；提示词改变但种子不变，结果可能基于原图继续修正。这在微调时有很大价值。

实操中可以这么做：

• 生成一张满意的图后，把种子记录下来；
• 想调整背景时，保持种子不变，只改环境描述；
• 想调整角色动作时，也先尝试保持种子不变，看结果是否比完全随机更接近。

这里有个边界要说明：不同模型对种子的敏感度不一样，有些模型即使种子相同，换一个采样器也会得到不同结果。所以不要把所有希望都押在种子上，它只是一个降低随机性的手段。

4.4 用镜头语言和剪辑技巧弥补不一致

即使你做了很多努力，AI 生成的素材里仍可能出现个别镜头角色不够像的情况。遇到这种素材，你可以先判断它是否一定要用。如果这个镜头只是快速的远景、背影或被遮挡镜头，那轻微的不一致性可能不会引起观众注意。

常见处理策略：

• 少用长时间的大特写，除非这个镜头的生成质量已经足够高；
• 跨场景时用转场或黑场过渡，降低观众对同一张脸的比对压力；
• 把容易出现崩脸的镜头缩短，控制在 0.5 到 1.5 秒内；
• 用“先背影、再切正面”的方式，让观众先看到确定的动作信息，再接受角色外观。

这听起来像“作弊”，但实际上传统影视也会用类似手法规避高难度的特效或替身穿帮。剪辑本来就是修复流程的最后一道胶水。

不要为了追求一次性完美，反复在同一镜头上狂调提示词。如果连续三次生成都不满意，优先换参考图或降低运动幅度，而不是继续碰运气。

4.5 一致性校验清单

校验不是只做一次。建议在静帧阶段做一次，视频生成出来后做一次，最后剪完再看一遍成片。前两次还能改，最后一次基本只能靠剪辑规避。

5. 最容易翻车的几个环节与排查链路

AI 漫剧的出错方式看起来千奇百怪，实则大多集中在几个固定的环节。只要排查顺序对了，很多问题不用重做整套流程，而是能精确定位到某一处。

5.1 现象：第一张图好看，换场景后人物完全变样

这类问题通常出在提示词或参考图没有固定，也有可能是因为你在分镜脚本里允许了“不同表情导致的脸型变化”。

排查顺序：

1. 先看两个镜头的提示词是否都包含角色卡，有没有简化；
2. 再看是否使用了同一张参考图；
3. 然后看生成参数：种子是否变化、尺寸是否变化、模型是否切换；
4. 最后看是不是视频生成前的中间帧出了问题。

通常，前两个环节能解决大部分问题。

5.2 现象：静帧没问题，视频生成后角色崩脸

问题从高概率到低概率排序：

1. 视频生成的运动幅度过大；
2. 视频时长过长；
3. 参考图/首帧没有被正确传递到视频模型；
4. 镜头运动方式不稳定。

如果静帧已经满足一致性，但一动起来就崩，优先降低运动幅度和时长。不要指望模型能把一个剧烈转头的高难度镜头完美实现，哪怕它能实现，成本也太高。

5.3 现象：配音和画面不同步

排查顺序：

1. 检查剪映音轨上音频的长度是否和画面长度匹配；
2. 检查每一段台词是否被拆得太长，导致旁白无法匹配单一镜头；
3. 检查字幕时间轴是不是手动逐字打的，建议用剪映的识别或对齐功能重新调整；
4. 如果旁白语速过快，可以先在豆包生成文案时就限制句长。

这里最容易被忽略的是：豆包生成的长台词，很难直接匹配 3 秒的镜头。所以分镜阶段就要把台词控制在镜头匹配的时长内，而不是后期再来硬切。

5.4 现象：画风不统一，像拼贴画

通常是因为不同镜头用了不同的画风提示词，或者不同批次生成时换了模型。要解决这个问题，需要先确定一个固定的画风描述，例如“日系清新漫画风”“厚涂插画风”“赛璐璐动漫风”，然后把它写进每一个提示词。

如果你发现 LibTV 的某个模型本身不稳定，可以尝试固定使用同一模型，不要为了追求变化而频繁切换。

5.5 通用排查链路

无论遇到什么异常，都建议按这个顺序检查：

1. 现象定位：是画面问题、视频问题、音频问题还是剪辑问题；
2. 输入检查：分镜脚本、角色卡、提示词是否有漏写或冲突；
3. 参数检查：种子、参考图、模型、比例、生成步数是否发生变化；
4. 环节边界：是 LibTV 生成的素材有问题，还是剪映后期处理造成的问题；
5. 版本与兼容：确认工具版本、模型版本是否和教程一致。

注意：不要一上来就大规模重新生成。先跑一条最小样例，把问题复现出来，再修改一个变量，确认变化后再铺开。批量重做的成本很高，而且容易产生新的不一致。

6. 从单集到量产：把一次性流程沉淀成可持续工作流

如果你只想做一集尝鲜，前面几个章节的内容已经够用。但如果你想长期做 AI 漫剧内容，或者做成一个持续更新的账号，就需要把“单次经验”升级成“可复用流程”。

6.1 建立角色库，而不是每次重新发明角色

为每个主要角色单独建一个文件夹，里面保存：

• 角色卡文本（固定格式）；
• 第一张定妆图（高清）；
• 常用的表情、动作描述后缀；
• 适合该角色的参考图列表；
• 上次使用的种子和参数记录。

有了角色库，后续每一集都可以直接调用，不用重新调试提示词。这也是人物一致性能够跨集维持的基础。

6.2 建立分镜模板和提示词模板

分镜脚本不要每次都从空白开始。可以做一个自己的模板，包含：

• 镜号
• 画面内容
• 台词/旁白
• 建议时长
• 角色需要使用哪些参考图
• 提示词是否已经验过、是否需要新生成

这会让整个生产流程更像“工厂流水线”，而不是“每次开盲盒”。

6.3 用命名规范和参数记录避免混乱

当你积累了几十个素材文件后，命名会直接影响效率。建议使用如下的结构：

ep01-sc03-shot02-林夏-v01

字段意义：集数-场景-镜头-角色-版本。这样哪怕文件很多，也能快速找到目标素材。

同时建立一份“生成日志”，可以是简单的表格，记录每个镜头使用的工具、模型、提示词、参考图、种子、生成时间和结果是否满意。初期有点繁琐，但后续复现镜头时会非常省事。

6.4 关于版权与平台规则的边界

在使用 AI 生成内容前，尤其是要对外发布或商用，需要主动确认几件事：

• 你使用的生成工具版本是否允许商用？不同工具有不同授权协议；
• 外部平台发布 AI 生成内容时，是否需要标注“AI 生成”；
• 角色设计如果参考了已有作品，是否可能涉及版权争议。

这些内容不是模板套话，而是会影响长期运营的规则。一旦出现问题，整改成本远高于提前检查。所以在批量制作前，先花一点时间查看工具官网的使用条款和平台内容规范。

6.5 内容生产终究需要审美和判断

最后回到文章开头的问题。工具链只是让“制作”变容易了，但“做什么故事”“用什么节奏讲”“观众为什么想看下去”这些问题，依然绕不开人的判断。豆包可以帮你写剧本，但选题的方向感在你手里；LibTV 可以帮你生成画面，但哪些画面能留、哪些必须重做，需要你的审美来拍板。

所以我对这套工作流的最终定位是：它把一部漫剧的生产门槛从“需要一支小型动画团队”降到了“一个创作者能独立完成”，但它不会替你决定这部漫剧是否值得被做出来。工具负责把每一帧变成现实，你要负责的，是让这么多帧连成一个真正有人愿意看的故事。

如果你想开始，不要急着做十集。先做一集，甚至先做一个 60 秒的开头，把角色定妆、静帧生成、视频生成、配音剪辑这条链路完整跑通。然后再回来调人物一致性，再优化剧情节奏。等到这一集自己看起来都不觉得“出戏”时，你就已经掌握了这套流程里最难也最值钱的部分。