企业官网建设流程全解析

简介：Sora AI漫剧教程指南是一份面向AI内容创作者的实用教程源码包，适合希望用Sora生成连续分镜漫剧、解决角色与场景一致性问题的人群。资源以3x3 Contact Sheet提示词方法为核心，系统讲解环境建立、情绪叙事、强化变化等分镜关键步骤，并给出完整提示词模板和进阶建议，帮助从单张插画走向电影感连续剧情图。压缩包内共3个文件，包括HTML演示页面、inscode运行配置和gitignore文件，大小仅7KB，轻量易用，可直接在浏览器或在线环境中查看与运行。目前已有211人学习下载。通过源码与教程配合，读者可以掌握分镜转视频的后期处理思路，包括补中间帧、镜头运动和音效设计，最终实现导演级分镜效果，同时也可按需修改扩展，适合零基础入门和有经验的创作者进阶使用。

1. Sora AI漫剧是什么：这套可运行源码到底能解决什么

做AI漫剧最卡人的环节不是写剧本，也不是抽卡画图，而是当你有30个镜头要出片时，主角还在每换一镜就变一张脸。这套Sora AI漫剧教程指南附带的可运行源码，就是把“分镜脚本 → AI分镜图 → 图生视频 → 音画合成”整条链路做成一个最小工程，让你拿到手先跑通一集，再换成自己的剧本。它不负责替代你的创意，只负责把重复且容易翻车的工序固定下来。适合三种人：想认真做AI漫剧或AI短剧的创作者、接漫剧制作单子的外包团队，以及想拿可运行代码做二次开发的AI工具开发者。

2. 搭一套能跑起来的Sora AI漫剧工程：依赖、目录与最小验证

解压源码包后第一件事，不要急着改prompt，先把目录结构看明白。这套工程的全部逻辑都藏在scripts目录里，命名的数字就是执行顺序：01画分镜图，02做图生视频，03生成音频，04合成为片。把执行顺序记进脑子里，后续所有调试都围绕一个问题展开——“我卡在哪个环节”。

2.1 先从源码目录认清工程要干的四件事

源码包解压后的典型目录结构如下：

sora_manju/ ├── config/ # 所有可变配置都集中在这 │ ├── settings.yaml # 模型参数、输出分辨率、默认帧率 │ └── roles.json # 角色表：姓名、外貌描述、专属seed ├── scripts/ # 四个可执行脚本，按数字顺序跑 │ ├── 01_gen_images.py # 分镜图生成：读取分镜JSON与角色表 │ ├── 02_gen_video.py # 图生视频：把分镜图变成4秒视频片段 │ ├── 03_compose_audio.py # 音频合成：TTS口播 + BGM混音 │ └── 04_mux_final.py # 最终封装：按时间轴拼接输出成片 ├── prompts/ │ ├── style_base.txt # 全局风格底稿，每张分镜图都拼这段 │ └── camera_glossary.json # 镜头术语词典，统一“中景/特写”叫法 ├── assets/ │ ├── scene_01/ # 每个镜头的中间产物，按集目录存放 │ └── output/ # 最终成片输出目录 └── requirements.txt

把配置从代码里拆出来，是这套源码的第一个设计取舍。很多AI短剧工作流死在“写死在脚本里的prompt和参数”上，换一个角色要改三处代码。config目录聚合所有变量后，你换剧本只需要改settings.yaml和roles.json，四个脚本一行都不用动。assets目录按集号分目录存放中间产物，这个习惯后面会救你一命——批量跑任务时某一集崩了，其他集不受影响，重跑也不会覆盖旧素材。

2.2 环境安装：Python依赖与FFmpeg一次到位

依赖安装本来是最不应该占用篇幅的部分，但我在不同机器上装过这套环境，还是有几个地方值得记一下。

# 建议 Python 3.10 以上，低版本对 pyyaml 和 pillow 的兼容会闹脾气 python -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate # 安装项目依赖 pip install -r requirements.txt # FFmpeg 单独装，用系统包管理器处理 # macOS: brew install ffmpeg # Debian/Ubuntu: sudo apt install ffmpeg ffmpeg -version | head -n 1

requirements.txt里通常是这几样：pyyaml负责读配置文件，pillow处理分镜图和参考图，requests调用视频生成接口，moviepy在音频对轨环节做辅助剪裁，opencv-python偶尔出现，用来检查分镜图尺寸是否统一。不要自作主张装最新版全家桶，按requirements锁的版本装，能少踩几个兼容坑。

FFmpeg是最容易被忽略的一项，但04_mux_final.py离开它寸步难行——音画合成、字幕烧录、转码成平台要求的H.264/AAC，全是它在干活。装完执行ffmpeg -version确认一下，如果提示找不到命令，检查是没装上还是没进PATH。国内网络环境装依赖时pip超时是常态，可以直接换镜像源：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple，一次到位。

2.3 最小验证：用内置示例跑通一集3分钟的Sora AI漫剧

依赖装好，先用内置示例剧本做最小验证。示例剧本只有6个镜头，每镜的分镜图、台词、背景音乐都是占位素材，目的是让你在不想写剧本的时候先把链路走通。

# 1. 生成全部分镜图 python scripts/01_gen_images.py --config config/settings.yaml # 2. 把分镜图逐张转成视频片段 python scripts/02_gen_video.py --input assets/scene_01 # 3. 按剧本JSON生成口播音频并与BGM混音 python scripts/03_compose_audio.py --script config/episode_01.json # 4. 按时间轴把片段拼起来，输出成片 python scripts/04_mux_final.py --video assets/out_clips --audio assets/audio_track.m4a

跑完去assets里核对三个验证点：第一，scene_01目录下出现六张命名规律的分镜图，比如S001_seed_20240117.png，仔细“S001”和分镜JSON里的shot id严格对应；第二，每个镜头都有对应的.mp4片段生成；第三，output目录下出现episode_01_final.mp4，能正常播放且有声音。如果第3或第4步报错，大概率不是脚本坏了，而是前面某步没生成产物——用ls逐一核对，别急着怀疑代码。

最小验证的价值在于把“工程问题”和“内容问题”分开。示例剧本跑通，说明依赖、目录、接口调用全部正常；之后你换自己的剧本，哪怕出图丑、角色不像，也是prompt和seed的调参范畴，而不是环境问题。这个边界划清楚，后面省掉一大半无头绪的排查时间。

3. 从分镜JSON到AI绘图：Prompt模板与角色一致性参数

漫剧和实拍短剧最大的区别在于没有实拍画面可依赖，每一帧都是生成式出来的。这带来一个连锁反应：角色一致性成了漫剧的生死线。观众能接受画风抽象，但接受不了同一集里主角的脸每3秒变一次。这一章讲清楚分镜脚本怎么组织、prompt怎么写、用什么手段把角色锁住。角色一致性有时候确实带点玄学，但玄学的背后是有规律可抓的。

3.1 分镜JSON结构：每一镜至少固定三个字段

分镜脚本是整条Sora AI漫剧工作流的输入文件。示例工程里每个镜头记录以下字段：

{ "episode": "EP01", "shots": [ { "id": "S001", "duration": 4.0, "scene": "雨夜街道", "character": "林晓", "action": "撑伞回看镜头", "camera": "中景平视", "dialog": "我回来了。", "style": "日漫赛璐璐", "seed": 20240117 } ] }

这里最容易被新手跳过的是seed字段。同一角色在同一集里固定seed，出图的脸部特征和配色会稳定很多。seed值不要求有特殊含义，你写死一组数字就行，关键是每个角色都要有自己的专属seed，且全剧保持不变。用参数术语讲，seed就是你的低成本角色锚点。

duration字段决定两件事：一是视频生成片段要有多长，二是音频剪辑的时间轴刻度。写4.0，最终封装时这个镜头的画面就是4秒。有个经验值值得记：漫剧单镜头时长控制在3到5秒。超过5秒，画面里没有足够动作支撑，观众会觉得拖沓；低于3秒，台词还没说完画面就切了，观感会非常跳。

character字段必须与roles.json里的角色名完全一致。脚本读取角色时用role_id做匹配，写错一个字符，轻则角色外貌特征丢一半，重则脚本直接跳过该镜头。我在接外包项目时明文规定：分镜文件先跑一遍字段校验脚本，再用。手工逐条核对30条记录会累到麻木，让机器干这活。

3.2 Prompt模板：把漫画风格和镜头语言写进提示词

分镜图生成是整条链路里最依赖“模板纪律”的一步。不要每次重新写一大段prompt，而是把不变的风格底稿放进style_base.txt，把可变的镜头信息从分镜JSON里动态拼出来：

from pathlib import Path def build_prompt(shot: dict, roles: dict) -> str: style = Path("prompts/style_base.txt").read_text(encoding="utf-8") role = roles[shot["character"]] # 从角色表取外貌描述 camera = shot.get("camera", "中景平视") return ( f"{style}, {role['appearance']}, {shot['action']}, " f"{camera}, {shot['scene']}, 漫画线条, 高对比度, " f"电影感布光, 竖屏构图" )

逻辑说明：style_base.txt存的是“无论画什么镜头都要有”的东西，比如整体画风、上色习惯、背景基调；role['appearance']是角色表里维护的一段外貌描述，同一角色所有镜头共用；action和camera是每个镜头不同的变量。这样拼出来的prompt既有全局一致性，又有局部变化。

参数说明与陷阱：style_base.txt不适合放太长，控制在200字以内。模型对过长的prompt，尾部和中部内容的遵循度会明显下降。风格底放在最前面、动作和镜头信息放后面，是为了让全局风格优先被响应。竖屏构图这类需求必须写进prompt，而不是只靠配置文件设置——很多视频生成服务只认prompt里的横竖幅描述，外部参数会被忽略。

camera_glossary.json存在的意义，是防止你一会儿写“特写”、一会儿写“close-up”、一会儿写“面部大图”。维护一个镜头词表，把近景、中景、远景、特写、俯拍、仰拍、平视这些术语统一收录，生成时从词表取值。这是AI短剧工作流里不起眼但实际影响出图稳定性的细节。

3.3 角色一致性：seed、参考图与LoRA的取舍

三种手段都能锁角色，但成本和稳定性差别很大，按项目规模选：

实操建议：单集漫剧用固定seed加参考图足够。参考图的选取方式是首镜出图后，挑一张脸部最像的作为后续镜头的输入。这里有个细节：参考图不要用全身图，裁到脸部特写区域再喂给模型，效果比整图扔进去好得多。

至于LoRA，单集项目不建议碰。训练素材不够，LoRA反而会把角色拉向更不可控的方向。什么时候值得上LoRA？你的漫剧确定要出三集以上，主角会跨集出现，再考虑训练一个专用LoRA。在此之前，把seed和参考图吃透，已经能解决80%的“换镜换脸”问题。

4. AI漫剧“动”起来：视频生成接入与音画拼接

分镜图只是静态资产，漫剧的观感取决于图生视频有没有动起来。这一章解决两个核心问题：怎么用最小代码调通视频生成接口，以及怎么把几十个片段带音频合成为一部能上传的成片。在这个环节，视频生成接口对很多从业者来说就是黑匣子——你喂一张图和一段话进去，它吐出一个片段，中间发生了什么不受你控制。所以工程上的重点是做好输入约束和输出校验。

4.1 图生视频的最小调用：把分镜图喂给视频生成模型

02_gen_video.py的核心逻辑很薄，本质是把一张图、一段动作提示词和一个时长参数交给视频生成接口。源码里用一个轻量客户端封装，方便替换成不同的视频模型服务：

import os import sora_client # 工程内封装的视频生成客户端，按需替换 client = sora_client.Client(api_key=os.getenv("SORA_API_KEY")) for shot_id in shot_list: result = client.image_to_video( image=f"assets/scene_01/{shot_id}.png", prompt=shot.get("motion_prompt", "角色轻微动作，镜头缓慢推进"), duration=4.0, resolution="1080x1920", fps=30, negative_prompt="变形, 扭曲, 闪烁, 文字水印" ) result.save(f"assets/scene_01/{shot_id}.mp4")

逻辑说明：image_to_video的输入是单张分镜图加一小段动作描述，不是整段剧本。motion_prompt只描绘这一镜头的连续动作，写“转身，衣角飘动，背景雨丝斜落”，不要写剧情背景。duration务必与分镜JSON里的时长一致，否则音频对轨会集体漂移。fps统一设30，方便后续以30帧时间轴计算。

注意，这里的sora_client是工程里的抽象封装，不是某个官方SDK的名字。你换用任何图生视频接口，只需要实现两个方法：image_to_video和result.save。视频生成模型的API形态大同小异，把抽象层写好，后续更换服务商不需要碰业务代码。

negative_prompt是很多人忽略的参数。漫剧图生的通病是画面出现水印、Logo和乱码文字，尤其生成画面里莫名出现文字时，放在negative_prompt里能明显减少。建议把“文字、字幕、水印、签名、变形、扭曲、闪烁”固定写死到这组否定词里。如果接口不支持负向提示词，给它留空字符串，工程会自动跳过，不会报错。

4.2 口播与BGM对齐：生成音频后按时间轴拼接

漫剧不是纯动画，是靠台词推进剧情的。03_compose_audio.py做两件事：把每句台词用TTS转成语音，再把这些语音按分镜JSON的时间轴和BGM对齐。TTS部分同样是封装成client的形式：

tts_client.text_to_speech( text=shot["dialog"], voice=roles["voice_id"], # 在 roles.json 里给角色指定音色 output=f"assets/audio/{shot_id}.mp3" )

台词音频生成后，按分镜JSON里每个镜头的起始时间排列。关键点来了：TTS产出的MP3自带头尾静音，如果不裁剪直接混音，每个镜头的台词都会延迟几百毫秒，听感就是“话说出口慢半拍”。源码在混音前会裁掉首尾静音，默认阈值是-40dB。如果你自己写混音逻辑，这段必须处理。

BGM混音电平给两组参考值：对白音量归一化到-3dBFS，BGM压到-20dBFS左右。人声清晰且背景不盖台词。具体数值先用ffmpeg的volumedetect滤镜看两个音轨的实际电平，再决定压多少，不要凭感觉调音量旋钮。

4.3 FFmpeg输出参数：分辨率、帧率与码率的一次性设置

所有镜头片段合成后，最后一道工序是封装成平台能直接上传的单文件。04_mux_final.py内部调用FFmpeg，核心参数固定如下：

ffmpeg -i concat_list.txt -i audio_track.m4a \ -c:v libx264 -preset medium -crf 20 \ -c:a aac -b:a 128k \ -r 30 -s 1080x1920 \ -pix_fmt yuv420p \ -shortest episode_01_final.mp4

参数说明：concat_list.txt是全部片段按顺序拼成的列表文件，每一行写file '绝对路径'，这是FFmpeg拼接最稳定的格式，不要用通配符。crf 20是视觉质量和文件体积的折中，再低到18以下观众看不出区别，文件体积倒是明显变大。1080x1920是竖屏漫剧标准画幅，短视频平台通用。pix_fmt yuv420p必须指定，否则生成的MP4在部分播放器里只有声音没有画面——这是我见过最多的“代码坏了”的假象，实际上只差这个参数。

这条命令跑完，output目录下出现episode_01_final.mp4，一套Sora AI漫剧的可运行链路就算闭合了。

5. 漫剧制作常见翻车点：5个坑与排查

下面这5个坑是我在漫剧工作流里反复踩过的，按出现频率从高到低排序，每条按现象、原因、解决三层讲。这些都是血泪经验，对照排查能省下大把重跑的时间。

5.1 同一个角色，每换一镜就换一张脸

现象：前两幕主角还挺像，第三幕开始脸型、发色、服装细节全都不一样，观众直接看懵。

原因：最普遍的是同一角色在不同镜头里seed不一致，或者roles.json里的外貌描述写得过于笼统。“酷酷的短发女孩”这种六个字的描述根本锁不住五官。更深一层的原因是没有指定参考图，每一张分镜图都是独立生成的。

解决：第一，每个角色分配专属seed，全剧固定不换。第二，把appearance描述扩充到至少一句话，固定发型颜色、眼睛颜色、标志性服装配饰，注意描述要具体到“酒红色齐肩短发、琥珀色眼睛、左耳银色耳钉、黑色皮衣领口有白色流苏”这种程度。第三，关键镜头开启参考图模式，把首镜里脸最正的那张作为后续镜头的图生图输入。这三步做完，换镜换脸率能降掉大半。

5.2 竖屏漫剧导出后上下被裁掉

现象：本地播放正常，上传平台后画面上下被裁，或者左右出现黑边。

原因：工程设置的成片画幅是1080x1920，但FFmpeg封装阶段漏了-s参数，或者分镜图本身是1024x1024方形图，硬拉伸成竖屏后主体被裁出画面。

解决：在01_gen_images.py生成分镜图时，就按竖幅画布构图再居中裁切到9:16，不要等最后封装时再转。具体做法是先在方形画布里按16:9取主体，再横向裁掉多余部分。这样主体永远在安全区内。最后封装时保持-s 1080x1920固定不变，两头都管住，画幅就不会漂。

5.3 字幕烧录后位置漂移

现象：单镜验证时字幕位置正常，合成成片后每段字幕的垂直位置不一样，跳来跳去。

原因：烧字幕时坐标用了相对值，但不同镜头片段的实际宽高有细微差异。也就是说，每个片段的尺寸并不完全一致，字幕坐标在不同尺寸下的字幕轨道位置被重新计算，导致逐镜偏移。

解决：在02_gen_video.py里做一次强制统一，所有分镜图缩放到相同宽高后再进视频生成。字幕烧录直接用ffmpeg的subtitles滤镜，并用固定margin-y值，不要用百分比坐标。固定像素值在统一尺寸下永远落在同一位置。

5.4 批量生成时视频任务排队卡死

现象：一次生成10个镜头，跑到第3个就报错，从头重试又卡在同一个位置附近。

原因：大多数视频生成接口有并发和频率限制。脚本默认串行执行，但没有超时重试机制，一次网络抖动或接口限流，整个任务就中断了。

解决：给02_gen_video.py加断点续跑逻辑。每成功生成一个镜头，就在镜头目录留下对应.mp4文件；下次启动时先扫描已经存在的输出文件，只跑缺失的镜头。源码里现在就是这么设计的。另外，如果连续跑失败三次，建议停十分钟再续跑，大概率是接口限流，不是代码问题。批量跑批时宁可慢，不要并发拉满去赌接口的稳定性。

5.5 画面人物没开口，台词却响起来了

现象：对白清晰，但画面上角色嘴巴完全没动，违和感极强。

原因：图生视频生成的是“镜头整体运动”，不会针对口型做嘴部动画。漫剧这个形态本来就不走真人口型路线，硬做口型同步成本极高且效果差。

解决：三个常用做法。第一，多写中景、侧脸、背身镜头，避开正面特写。第二，必须正面说话时，把台词写成画外音，角色只做情绪反应动作。第三，用气泡对话框覆盖嘴部区域，这是漫剧的标志性处理，观众接受度很高。这不是技术缺陷，是漫剧镜头语言的常用取舍，不要在口型上死磕。

6. 进阶：把单集流程变成可批量复用的Sora AI漫剧生产线

当手里从一集变到十集剧本时，逐集手动跑四个脚本会把人逼疯。更现实的做法是加一个外层批处理循环，按集号自动跑完整条生产线。

6.1 批处理脚本：遍历分镜目录自动出片

for ep in EP01 EP02 EP03; do python scripts/01_gen_images.py --config config/settings.yaml --episode "$ep" python scripts/02_gen_video.py --input "assets/$ep" python scripts/03_compose_audio.py --script "config/$ep.json" python scripts/04_mux_final.py --output "output/${ep}_final.mp4" done

这个循环结构简单，但两个细节要留意：每集之间最好留30到60秒间隔，避免触发视频接口限流；第2步如果上一集有残留产物，先清理assets下对应集目录，防止断点续跑逻辑把旧片段当新输出跳过。工程里的断点续跑设计是为了应对中断，如果你主动重跑整集，记得先清目录，这算是我踩过的一个逻辑死角。

6.2 质量验收清单：抽检3个指标

批量出片后不要急着发布，抽三个硬指标。第一，把第1镜和第12镜的主角正脸截图放一起对比，五官、发色、服装是否一致。第二，看音频波形图，对白起止点与镜头切换点偏差超过0.3秒就要重新对轨。第三，随机抽10帧画面，检查是否有闪烁噪点、水印文字和鬼影。我一般会挑有大量正面特写的那集来抽检，这种镜头最容易暴露角色漂移和画质问题。

6.3 一个习惯：每次跑批前锁版本

最后说一个习惯。AI漫剧工具迭代太快，模型服务升级、参数废弃是常事。我吃过一次闷亏：某次视频生成接口悄悄调整了duration取值上限，没有报错也没有公告，结果整集所有片段都只生成了2秒，音画全部错位，重跑花了一整晚。从那以后，我每次跑批前固定三个版本号：分镜图模型参数、视频生成接口版本、FFmpeg版本，并把settings.yaml的变更单独存一份diff。锁版本这个动作非常笨拙，但救过我太多次。希望帮到你。

本文还有配套的精品资源，点击获取