企业官网建设流程全解析

最近刚从一个AI漫剧创作营结营，零基础进去，带着一套能跑通的量产流程出来。如果你也对这个方向感兴趣，想弄清楚AI漫剧到底能不能真的"量产"、不用手绘怎么做出一集几分钟的动态漫画剧，这篇笔记应该能帮到你。我不会跟你讲那些虚的，只记录我实际动手做出来的流程、踩过的坑，以及最后沉淀成模板的东西。整个创作营大概持续了两周，我完整做完了一部三集短漫剧的demo，从剧本到成片，真正走通了一遍。

1. 先别急着生成图片，把漫剧的产线拆开看

1.1 我参加这个创作营之前对漫剧的误解

说实话，一开始我以为AI漫剧就是把漫画图片丢给AI，让它自动配上旁白和音乐。直到开营第一天，带队老师让我们干的第一件事不是打开任何工具，而是用一张白纸把"一部漫剧从想法到成片"的所有环节写出来。我写得很粗糙：剧本、画面、配音、剪辑。等老师把标准流程放出来的时候我才意识到，漫剧并不是"一张张图加配音"那么简单，它本质上是一条内容产线，每个环节都有独立的验收标准。

大部分零基础学员（包括我）最容易犯的错，就是过早陷入"画图"环节。看到别人生成的角色很好看，立刻去试提示词，结果折腾了半天，发现单图很惊艳，但放到一个连续故事里完全没法用——人物长相前后不一、景别混乱、情绪和台词对不上。后来才理解，AI漫剧量产的关键根本不是单张图的质量，而是整个流程中每个环节能不能稳定、批量、可控地产出。

1.2 整条产线的七个工序和两种角色分工

创作营把完整的漫剧产线拆成了七个工序，我按照实际执行顺序整理如下：

这七个工序里，真正需要"人"发挥核心作用的只有前三个，后四个则可以通过AI工具加模板化操作大幅提升效率。换句话说，零基础学员想量产，核心练的不是画画，而是把策划、剧本、角色设定做扎实，再把后端的工具串成流水线。

创作营里还提到一个很重要的概念叫"导演思维"和"制片人思维"的区别。创作者通常太关注单张画面美不美，而制片人关心的是能不能按周期交付。量产漫剧需要的是制片人思维，所有操作都得为"稳定交付"服务。这一点我是在做完第一集demo后才真正体会到的。

2. 工具选型：到底哪些环节适合交给AI负责

2.1 从成本、出图稳定度、可控性三个维度选型

市面上AI绘画工具不少，但真正要支撑量产，不能只凭"画得好看"来选。创作营提供了一个评估框架，我拿它切切实实把所有环节的工具都过了一遍，核心看三个指标：成本、出图稳定度、可控性。

成本不只是钱，还有时间。有些工具单张图很便宜，但生成一张要等一两分钟，批量出几百张就非常痛苦。稳定度指同一个提示词在多次生成中结果是否接近，量产时我们经常需要"同一个角色、同一个场景、不同姿势"的图，如果工具随机性太强，后期修复工作量大到让人崩溃。可控性则指能不能通过参数控制构图、景别、视角、色调，比如通过控制词、seed值、参考图权重等手段。

我最后把工具分成了两类：一类负责"理解与规划"，比如用大语言模型生成剧本、分镜表；另一类负责"视觉执行"，比如文生图、图生图、局部重绘。在创作营里，我们主要使用开源或通用型方案，因为可控性更强，也方便做批处理脚本。某几款在线服务画质很高，但一次只能出一张，也没法精细控制构图，我试了两次就把它从产线里移除了。

2.2 我用下来的工具组合和各自负责的工序

分享一套我实际跑通的组合，这里不写具体品牌，你按同类工具去找就行。这套组合没有特别贵的付费项，适合零基础起步。

• 剧本和分镜：用某个支持超长上下文的大语言模型。我把角色设定、剧情梗概、分镜格式模板喂给它，让它一次性生成完整的分镜表，再人工检查修改。这一步重点在于给模型足够清晰的格式指令，后面会详写。
• 角色设定图：用文生图配合种子参数和风格锁定。生成基准图后，我固定了seed值和用于风格描述的几个固定词条，之后所有该角色的出图都基于这张基准图做图生图。
• 批量分镜图：还是文生图/图生图，通过写好的Python脚本调用接口批量跑。脚本里循环读取分镜表的参数，生成几百张图，然后按镜头编号命名存放。这一环是整个量产效率最高的地方。
• 动态化：用视频生成模型或图像动效工具。如果只做简单的摄像机推拉和平移，用剪辑软件里的关键帧动画就够；要让人物嘴唇动起来，则用到专门的数字人驱动或口型同步工具。
• 配音：用某个TTS工具，支持多音色和情感参数调整，还支持语速、停顿控制。不过TTS最大的问题是同一角色的声音前后不一致，所以我会把某个音色参数固定成一个预设，所有台词统一调用。
• 剪辑包装：传统剪辑软件加字幕模板。粗剪部分其实可以半自动化，依据音频波形和分镜表时间码来对位置。

这套组合从策划到成片，单集成本几乎可以忽略，时间上我第一次做花了两天，熟练后半天内能完成一集60-90秒的短片。当然，前提是前期的模板和角色设定都足够牢固。

3. 让AI写出能直接用的分镜脚本：提示词的结构化模板

3.1 把剧情转成"镜头语言"的转换公式

以前我写剧本，只会写"两个人吵架"，但分镜脚本要求的是：这一镜是近景还是特写？镜头从哪个方位拍？画面里有没有环境暗示？角色是什么情绪？持续几秒？如果这些信息不明确，AI生成图片就是瞎猜。

创作营给了一个非常实用的公式，我至今还在用：分镜 = 场景环境 + 角色状态 + 景别/视角 + 动作/互动 + 情绪氛围 + 镜头运动。写分镜时，这六个维度必须一一落到具体词句。比如"在昏暗的图书馆里"是环境；"主角紧皱眉头，手里攥着一封信"是角色状态和动作；"中景，侧面"是景别视角；"紧张压抑"是氛围；"镜头缓慢推近"是运动。

有了这个公式，就能让大语言模型做转换工作。我会先给它一个剧本，再给它一段分镜示例，让它按同样的格式输出。为了避免AI把台词和画面描述混在一起，我会给它明确的格式模板，让每一镜输出一张表格，包含镜号、画面内容、景别、时长、台词/旁白、音效备注。这样生成的内容几乎可以直接用来做提示词。

3.2 中文提示词模板实战：角色、动作、景别、氛围一个都不少

因为中文提示词在视觉模型里的表现有时候不稳定，我建议把中文转成英文再输入，或者直接用支持中文的模型。这里分享一个我反复打磨的提示词模板结构，以"主角在雨中回头"这一镜为例：

场景环境（可加光线、季节） + 角色描述（这里直接填写角色设定图的关键词标签） + 动作姿态 + 构图景别 + 画面风格词 + 负面提示词。

我在实际操作中发现，没必要每次重新写一长串提示词。先把角色设定里的固定描述单独存成一段，再把场景、动作、景别组合进去。这样可以保证同一个角色在不同分镜里的发型、服装、五官保持高度一致。模板代码大概是这样的：

[角色固定描述]，[场景环境描述]，[动作与表情]，[景别视角]，[氛围光线]，4K，漫画风格，线条清晰，高细节 负面提示词：多余手指，畸形手，模糊，低分辨率，水印，文字，重复角色

在批量生成时，我会用代码把这段模板里的变量替换掉，然后循环提交。这个方法让提示词工程变得跟填表格一样简单。本质上，提示词工程的本质不是"写得华丽"，而是"写得稳定"，所有变量都在可控范围内，输出自然稳定。

4. 角色一致性是量产的头号难题，我的解决办法

4.1 为什么同一角色总是长得不一样

几乎每个零基础学员都会在角色一致性上栽跟头。你让AI生成同一个女孩的五张图，每一张都像换了个人。原因很简单：目前的文生图模型本质是"随机采样"，哪怕提示词完全一样，每次生成都会在特征细节上产生漂移，而人的五官对漂移极度敏感。

创作营里专门用了一整天解决这件事。核心思路是不要依赖提示词锁角色，要用图像做锚点。只靠文字描述永远锁不住眼部、脸型、发型这些特征，必须把角色设定图作为参考图喂给模型，让模型参考这张图的特征去生成新图。这就像你给一位插画师看了参考照片，要求他照着画，比你口头描述要准确得多。

同时，角色设定图本身要足够"标准"。正面、无遮挡、简单纯色背景、表情中性、全身或半身、服装固定。这样后续做图生图时，模型更容易提取特征。我还把角色设定图做了几步处理：统一尺寸、统一画风、去掉多余细节。角色设定越干净，后续生成越稳定。

4.2 角色参考图锁定、表情变体与局部重绘的组合方案

我采用的组合方案分为三层：

第一层是全局参考图锁定。在生图中上传角色设定图，并设置参考权重，让模型按照参考图生成新画面的角色部分。这一层决定了角色的基础长相不会跑偏。

第二层是表情与动作变体生成。角色的情绪不可能只有一个中性表情，我会用同一张角色设定图配合不同的表情描述生成"生气版""微笑版""哭泣版"等几张表情变体，然后把这些变体也作为后续参考图的一部分。这样模型在生成带有情绪的镜头时，有更具体的样本可参考。

第三层是局部重绘。如果生成出来的图其他部分都很好，只有眼睛或嘴巴不对劲，我不重新生成整张图，而是用局部重绘功能，把需要修改的区域涂掉，输入描述让模型只重绘这一小块。这个操作比整体重绘快得多，也能保住满意的构图。

三层组合下来，我的角色一致性从"越看越不像"变成了"只要不外扩变体，基本稳定"。

5. 批量出图的流水线：从单张美术图到成组素材

5.1 固定参数表和图库管理规范

当分镜表里有几十甚至上百个镜头时，逐张手动出图会累死人，而且容易产生大量"sanity check"遗漏。我的做法是建一张固定参数表，把所有生成参数集中管理。这张表包括模型版本、采样步数、宽高比、seed策略、风格词、参考图路径等。每个环节开始时，我先跑两到三张测试图，确认参数没问题，然后锁定参数，批量生成所有分镜。

批量生成前，一定要建好文件夹规范。我是这样组织的：

project_name/ ├─ 01_concept/ # 企划与剧本 ├─ 02_characters/ # 角色设定图与表情变体 ├─ 03_storyboard/ # 分镜表（CSV/JSON） ├─ 04_raw_images/ # 按镜头号命名原始图 ├─ 05_dynamic/ # 动态化素材 ├─ 06_voice/ # 配音音频 ├─ 07_export/ # 最终剪辑工程与成片

这份目录管理不是形式主义。后期当你需要修改某一镜的画面时，能快速定位文件，配合分镜表修改重跑，不会出现"图在哪"的混乱。

5.2 seed、随机种子和批量变体的取舍

批量出图绕不开seed值问题。早期我追求完全一致的seed，以为固定seed就能一模一样，试了发现哪怕图生图加固定seed，角色细节还是会有小偏差。后来我明白了seed在批量场景下的作用不是"完全相同"，而是"在可控范围内做变体择优"。

我采用的策略是：一个分镜生成4到8个候选图，每个候选图用不同的seed，然后从中挑选一个最符合分镜描述的。这本质上是用生成数量换质量。如果这个分镜已经有可用的图，后续重跑时我会固定住那个最终图的seed，避免不必要的漂移。对于需要高度统一的连续画面，我则采用"首帧图锁定"的方式，让后面每个镜头都基于前一个镜头的图做图生图，这样相邻镜头之间的连贯性会明显好很多。

当然，批量生成后一定要做"查图"环节。我通常会在电脑上按镜头顺序快速浏览所有图片，重点看角色是否穿戴一致、空间道具是否穿帮、色调有没有突变。一旦发现异常，标记后单独重跑。查图快的话，一百张图十几分钟能过完，但如果不做，后期剪辑时会崩溃。

6. 让静态图动起来：动态漫剧的三种低成本方案

6.1 摄像机推拉与画布平移

漫剧和静态漫画最大的区别是"动态"。但动态不一定非得是人物全身动画，零基础完全可以从摄像机运动做起。比如一张静态场景图，我用剪辑软件给它加一个缓慢推进的关键帧，画面立刻有了"镜头感"；角色站在原地，背景横向移动，就能模拟出摄像机摇镜的效果。

创作营教的最基础三招：推镜头（放大画面）、拉镜头（缩小画面）、平移镜头（左右或上下移动画面）。在软件里只需设置两三个关键帧，每秒30帧，时长控制在3到5秒。这里有几个注意点：画面分辨率生成时要留出额外的画幅余量，否则推拉时容易看到画布边缘；运动速度要均匀，不要忽快忽慢；推拉的幅度不要太大，否则画质会急剧下降。

6.2 局部动态效果和口型同步的注意事项

如果想让角色头发飘动、眼睛眨动、或嘴巴说话时开合，只靠关键帧就不够了。这里我用图像动效生成工具，它会根据提示自动识别画面中的主体，生成局部动态效果。你说"头发被风吹起"，它会模拟布料和毛发运动。这种动态适合用在特写和情绪镜头上，效果比整图位移好得多。

口型同步是漫剧制作里容易被忽视的环节。如果角色在说话但嘴巴不动，或者嘴巴开合节奏和台词完全对不上，观感会很差。我用的是TTS先生成配音，再通过口型同步工具把音频导入，让它自动驱动图片中角色的嘴部区域。这里的关键是，角色设定图最好正面或微侧脸，嘴巴区域清晰，口型驱动效果才会好。如果是大侧脸或者下巴被手挡住，口型工具几乎很难正确识别。

动态化阶段是整个产线里最容易失控的地方，我的建议是不要追求每个镜头都动得花哨。一集60秒的漫剧，能有五六处明显的动态镜头（比如开头的推镜、情绪爆发处的嘴部特写、背影的慢拉）已经足够，其余镜头保持微动效或静态。动态多了反而让人注意到AI生成的物理不自然感。

7. 配音、字幕和自动剪辑：最后几公里其实最耗时

7.1 TTS选型和声线一致性

配音环节，如果找真人配音，成本高周期长，不适合量产。TTS（文本转语音）已经能做到相当自然，但选型时要关注两个点：声音的情感和停顿是否能调节，以及同一角色能否稳定复现同一音色。

我在创作营里的做法是，给每个角色固定一个音色预设，所有台词都用这个预设生成。TTS工具大多支持参数调节，比如语速、音调、情感强度、句子间停顿。我会根据角色的性格把这些参数存成配置文件。比如主角年轻热血，语速1.05，音调略高；反派沉稳，语速0.9，音调偏低。这样做不但声音一致，而且听久了观众能记住角色。

生成配音时还有几个小技巧：先预留字幕断句的停顿；旁白和角色台词分开轨道；每句台词单独生成一个音频文件，命名对应镜头号。这样方便在剪辑软件里按镜头对齐，不用重新切割。我一开始把所有台词拼在一起生成一条长音频，后来发现某个镜头要改配音时非常麻烦，拆成单句后效率提升不少。

7.2 根据音频波形自动切镜头，粗剪效率翻倍

剪辑阶段是很多零基础学员最痛苦的部分，因为要一帧一帧对齐画面和音频。创作营教了一个半自动思路：先按"音频波形"来粗剪。

具体操作是：把完整配音导入剪辑软件，看波形，波形大的地方通常是重音、语气转折或句子开头，这些位置可以作为镜头切换的参考点。我的做法是在分镜表里标注每个镜头的起始和结束时间码，然后按照时间码把对应的画面素材排列到轨道上。如果画面素材不足，还可以用转场或黑场补齐。粗剪流程基本是：先铺配音轨→再铺分镜画面→最后微调每个镜头的出入点。

字幕方面，我用的是剪辑软件的字幕识别功能，先生成初稿字幕，再手工修正断句。关键是字幕样式要固定，字体、字号、描边、位置统一，量产后形成模板，后续换剧名也不会乱。到这里，一集漫剧的"毛坯"就出来了，剩下的精修就是调换个别镜头、检查画面连贯性、添加音效和BGM。

8. 零基础学员常踩的坑和我最后沉淀的SOP

8.1 三个典型翻车现场

创作营最后一天，大家展示自己的作品，翻车案例特别有教育意义。第一个是"角色穿帮"。有位同学的成品里，主角第一镜穿红色外套，第三镜变成了蓝色外套，而且头发长度也不一样。这就是没有做好角色设定图锁定和固定参数表导致的。第二个是"画面风格突跳"。因为混用了不同风格的生成模型，前半段是厚涂风，后半段变成了赛璐璐风，看起来像两部剧。第三个是"叙事断裂"——分镜表里写了某个动作，但生成画面里完全没有表现，原因是分镜描述太笼统，AI自由发挥导致剧情核心动作丢失。

这三个坑其实都能通过流程化管理规避。角色穿帮靠参考图锁定和批量查图；画面风格突跳靠固定风格词和模型版本；叙事断裂靠分镜表里把关键动作显式写清楚，别留模糊空间。零基础学员往往以为翻车是工具不行，实际上是流程少了卡点。

8.2 一套可以抄作业的日产一集流程

最后分享我沉淀出来的量产SOP。这里假设你已经做好了核心角色设定和第一集分镜，要开跑第二集：

1. 用大语言模型生成该集剧本，基于企划案和角色性格，用时30分钟。
2. 将剧本喂给分镜模板，生成带镜号、画面描述、景别、台词、时长的分镜表，人工校正，用时1小时。
3. 把分镜表里的画面描述转换成提示词，套用固定角色特征和风格词，批量生成图片。
4. 每张图生成4个候选，挑选最佳；对关键镜头多生成两个变体备用。批量部分约1-2小时。
5. 查图并修正不一致项，用时30分钟。
6. 生成配音，逐句保存，并一次性生成所有字幕内容。
7. 动态化处理：挑选8-10个重点镜头做运镜或口型同步，其余静态。
8. 剪辑软件里按音频波形和时间码粗剪，上字幕、加BGM。渲染导出。

这套流程我实测下来，一集60-90秒漫剧，单人操作大约5到6小时能完成，熟练后还能压缩。如果需要每天产出一集，就把第一天的角色设定和分镜模板提前准备好，第二天直接从批量出图开始跑。零基础不需要学画画，也不需要写复杂的代码，关键在于把每个环节的输入输出标准化。

我在这次创作营里最大的收获，不是学会了某个工具的炫技操作，而是真正理解了量产的前提是流程化。每个环节都有明确输入、输出和验收标准，AI只是执行单元，真正把控质量的人是你自己。如果你也想从零开始做AI漫剧，不用先纠结工具，先把这七个工序写在纸上，然后像搭积木一样逐个攻克，你会发现量产没有想象中那么难。