企业官网建设流程全解析

三个月前，我连 Stable Diffusion 和 Photoshop 的关系都说不清楚，现在能稳定一周产出一集 AI 漫剧，从剧本、分镜、角色到配音剪辑，基本全流程自己跑通。这篇学习笔记就是我在"零基础 AI 漫剧智能量产创作营"里从踩坑到顺手的过程复盘，不吹概念，只讲实际操作。

如果你和我一样：没学过画画、没写过专业剧本、剪辑只会剪映的自动字幕功能，但又想尝试 AI 漫剧这条内容赛道，这篇文章值得你花十分钟看完。我会把量产漫剧这件事拆成一条生产线，而不是当成一个"AI 按钮"，每一步用什么工具、卡在哪个环节、怎么绕过去，都会写清楚。

先说结论：零基础做 AI 漫剧，最难的不是技术，而是"把一件事拆成流程"的意识。AI 能帮你从 0 到 1，但整个链路里每个环节的衔接、验收标准、素材管理，才是决定你能否量产的关键。

1. 先搞清楚：AI 漫剧到底是什么，以及为什么现在普通人也能量产

1.1 一条生产线，不是一个大模型

很多刚接触的人会有一个误解：AI 漫剧就是告诉一个 AI "帮我生成一集动画剧"，然后它就吐出一整部成品。这个画面短期内不会出现，至少不是以我们想要的质量出现。真实的 AI 漫剧量产，是一条由多个 AI 工具串联起来的生产线：

• 剧本环节：用大语言模型生成故事大纲、对话稿、分场情节
• 分镜环节：将剧本拆成镜头，为每个镜头补画面描述、景别、台词
• 角色设计：通过 AI 绘图工具生成角色定妆照，并保证每集长相一致
• 场景生成：生成背景、场景氛围图，甚至成套的环境素材
• 动态化：把静态画面变成小幅运动、镜头推拉、表情变化的短视频片段
• 配音配乐：用 TTS 生成角色语音，用 AI 音乐生成背景乐
• 剪辑合成：把所有素材按分镜脚本拼起来，加上字幕、转场、音效

这条生产线里的每一环，都有不止一个工具可选，而且没有哪个工具是"全能冠军"。我的习惯是：每个环节固定一个主力工具，再留一个备用的。初期不要贪多，一个环节太多工具只会让你反复折腾格式和参数，消耗热情。

1.2 为什么"零基础"这个标签现在站得住

过去做一个漫剧需要：会画分镜、会上色、会做动效、会配音、会剪辑，任何一个短板都会让成片卡住。现在 AI 把每个环节的能力门槛都拉低了，但代价是每个环节都有新的"半吊子"问题——AI 生成的角色脸会崩、画面会脏、配音没情绪、剪辑节奏不对。所以真正的零基础量产，靠的不是"AI 全包"，而是"把复杂问题拆小"。

我给自己定的验收标准很简单：每周产出一集 1 分钟左右的漫剧，一集 20 到 30 个镜头，画面稳定、故事能看懂、配音不违和。这个标准不高，但够用于练手和发布。等这条流程跑顺了，再谈质量拔高。

2. 从灵感到大纲：先让 AI 帮你把故事骨头立起来

2.1 选题方向怎么定

漫剧的内容类型，决定了后续所有环节的难易度。刚开始量产，我的建议是避开以下类型：需要大量精细动作的（打斗）、表情层次极多的（悬疑微表情）、角色数量庞大的（群像剧）。我自己选的切入方向是"都市奇幻+单元剧"，每集独立小故事，共享同一个主角和世界观。这样角色库只需要维护几个核心形象，场景也可以复用，大大降低生产成本。

选定类型以后，可以用对话模型来帮你做选题头脑风暴。注意，问法很关键。不要问"给我一个漫剧选题"，太宽泛，出来的东西全是陈词滥调。我习惯这样问：

我想做一档都市奇幻题材的单元漫剧，单集时长约1分钟，主角是一个能看见"情绪颜色"的年轻人。每集独立故事，场景在城市里。请给我15个单集选题，每个选题要包含：一句话故事、核心冲突、结尾反转方向。

这样问的好处是：有设定、有长度约束、有故事结构要求，AI 返回的结果才"能直接用"。15 个选题里可能只有 3 到 5 个能用，没关系，把能用的拿去让 AI 扩写大纲。一次批量产 30 个选题，就够未来半年用了——这就是"量产"的第一层意义：不只产成片，产出素材和创意库存。

2.2 用 AI 生成剧本大纲的提示词模板

我个人用的剧本生成工作流分三段：

第一段，给出角色设定。角色设定越具体，后续 AI 越不会跑偏。比如主角"林澈，23 岁，自由摄影师，能看见情绪颜色，性格温和但内心有强烈的孤独感"。

第二段，给出本集选题。比如"在便利店打工的夜班店员，每天都会收到一封没有寄件人的信，信里夹着一张拍立得，照片上是写信人自己，但照片里的人在一天天变老"。

第三段，给出剧本格式要求。这里我会直接给出模板，让 AI 按格式填充：

请为一个"1分钟/都市奇幻漫剧"单集写完整剧本，需包含： - 开场事件（15秒内抓住注意力） - 冲突升级（全剧2/3处出现转折） - 结局反转或留白 - 全剧3个角色以内 输出格式： 1. 故事梗概（100字） 2. 分场剧本（每场标明地点、时间、角色、事件） 3. 台词（口语化，每句不超过15字）

这里我踩过的坑是：初期让 AI"自由发挥"写剧本，出来的成品普遍问题有两类。一是台词过于书面化，适合朗读不适合口语；二是故事结构散，没有钩子，前 15 秒抓不住人。所以提示词里一定要加"口语化""开头有钩子"这类约束词，并且多迭代几个版本再往下走。

2.3 把剧本变成长片段的"分镜脚本"

这一步是从文字到画面的桥梁，也是很多零基础者最容易懵的地方。分镜脚本不需要精确到专业动画公司的程度，但至少要包含：镜号、景别、画面关键词、角色动作、台词/旁白、预计时长。

我常用的格式：

让我强烈建议：分镜脚本必须你自己过一遍，不要整个丢给 AI 生成后直接用。AI 生成的画面关键词经常是"氛围感文案"级别，比如"雨夜的便利店，迷离的灯光"，这种关键词丢给绘图模型，出来的图往往既无法保持角色一致，也缺乏构图。你要做的是把画面关键词改得更"绘图友好"：明确主体、朝向、景别、光线、构图、色调。这些都是提示词工程的基本功。

3. 角色一致性：量产漫剧的死穴，也是最能拉开差距的地方

3.1 为什么"同一个角色每集长得不一样"是最大的崩溃现场

我在运行第一条生产线时，第一集和第二集的主角完全不像同一个人。用 AI 绘图的抽卡特性，同一个提示词每次生成的都会不一样。如果你只是"运气好"抽到一张好看的脸，接下来每一集都会面临大海捞针一样的抽卡深渊。一致性问题的根源在于：AI 生成图像是一个概率模型，没有内置"这个人长什么样"的持久记忆，一切信息都写在提示词和参考图里。

解决一致性有三个层次：

第一层，靠提示词描述角色特征。在每张图、每个镜头里反复强调角色的五官、发型、服装细节。问题在于提示词越长，模型的遵从度越低，结果不稳定。

第二层，靠参考图垫图（IP-Adapter、Reference 等）。给绘图工具提供参考图，让它"看着这个角色画"。这个方案在量产中相对靠谱，但前提是参考图本身清晰、特征明确、光照中性。

第三层，靠训练专属角色 LoRA。这是最终解决方案，相当于给模型"加了知识"，让它明确知道"这个角色长什么样"。但需要一批统一的角色图来训练，有学习成本。

我自己的流程是：初期用提示词+参考图组合，稳定出图后再攒一批高质量的角色全身图、半身图、面部特写图，专门训练一个角色 LoRA。等 LoRA 好用以后，所有镜头的主角色都调用 LoRA，一致性问题基本解决。

3.2 角色设定卡怎么写才不容易跑偏

写角色卡是典型的"看起来简单、做起来讲究"的环节。如果角色卡写得太简略，比如"一个穿蓝色外套的黑发青年"，那每张图的"黑发""蓝色外套"都会画成完全不同的质感。我的角色卡结构如下，直接复制用它：

正面词： masterpiece, best quality, 1boy, young adult male, 23 years old, hair style: short messy black hair with a single silver streak, eyes: dark brown, upturned eyes, sharp eyebrows, face shape: oval face, thin lips, neutral expression, body: slim, tall, clothing: navy blue hoodie, white T-shirt underneath, silver necklace, jeans, white sneakers, extra details: carrying a vintage film camera strap on shoulder

注意几个关键点：

• 指定发型、发色、眸色、脸型、服装配色，避免使用"帅""好看"这类主观词
• 固定"标志性配件"：项坠、相机带这类特征，是观众认角色的锚点
• 不要描述情绪，描述情绪词会干扰画质，转而在动作、情境提示词里表达状态
• 文字风格建议用半结构化（逗号分隔、键值对），比自然语言长句更可控

这套角色卡，我建议存在一个固定文档里。每集做图之前，把角色卡完整复制到画面提示词，再搭配当前镜头描述。一句话总结：提示词里没写的特征，AI 就会自由发挥；自由发挥，就会野。

3.3 参考图工具与 LoRA 的实际取舍

参数的取舍上，我用过三种具体方案，分享下实际体验。

方案一：图生图垫图（Reference）。把角色定妆照直接作为参考图喂给模型，出图画风接近但姿态和构图可能被参考图带偏。适合生成角色全身图、姿态参考图，不适合高动态的动作镜头。

方案二：局部重绘。先生成一张符合构图的无角色背景图，再在指定区域生成角色，这样既能控制背景细节，又不会因为背景占据了主要画面导致角色"被吞掉"。这个方案对零基础者很友好，唯一要注意的是涂蒙版时尽量覆盖角色的完整大体轮廓，只留出边缘一点点羽化，面积太大会导致重绘出的角色位置偏移。

方案三：训练 LoRA。这个有门槛，需要准备 20 到 50 张统一风格的角色图，并且对每张图写好关键词标注。LoRA 训练的本质是让模型"记住角色的特征分配"，而不是记忆某个动作或某个场景。我训练一个角色 LoRA 大概要 1 到 2 小时（取决于硬件），但成品稳定度比前两个方案高一个台阶，尤其适合长期连载。如果你只是做单集练手，不推荐一上来就训 LoRA，先用垫图跑通流程，再决定值不值得投训练成本。

3.4 场景一致性也有隐藏坑

角色是最大的坑，但场景一致性往往在第二集才爆发。第一集你可能精心生成了"便利店内部全景"，第二集发现 AI 画的便利店布局完全变了。解决方法是把常用场景也做成"场景库"，每个核心场景用固定提示词+固定参考图。甚至可以对场景训练单独的 LoRA，但一般贵，先不做。我的规则是：核心场景不超过 5 个，每个场景有 1 张标准定场图，需要镜头变化时，基于定场图做重绘或变换。

4. 分镜图到成片：让静态画面"动"起来的关键操作

4.1 从分镜图到视频片段：两种路线我都试过

AI 漫剧的"动"和传统动画不一样。不是重新画每一帧，而是让已生成的静态图"活"起来。我主要用两种路线：

第一种：图生视频。把分镜图作为首帧输入，AI 生成几秒的动态视频。优点是动态自然、镜头流畅；缺点是可控性较弱，AI 会自行脑补动作，有时会画出多余的物体或动作幅度怪异。如果首帧信息杂乱，还容易出现形变扭曲。

第二种：镜头推拉+后期补偿。把分镜图当作固定镜头，用剪辑软件做缓慢推近、拉远、平移的缩放位移，配合音效和配音的节奏，做出"伪动态"效果。优点是稳定、高效、不崩图；缺点是真的动作场景出不来。

我的量产策略是"二八开"——80% 用第二种（推拉平移伪动态），20% 的关键动作镜头用图生视频（比如关键的镜头要表达"开门"、"回头"，这种实际运动一定不能靠推拉搪塞）。

4.2 图生视频的提示词注意事项

图生视频的提示词和绘图提示词不是一回事——它要描述的是"变化"和"运动"，而不是"静态元素"。

正确示例：character slowly turns head, wind blowing hair, subtle smile, camera push in

错误示例：a young man with black hair wearing blue hoodie in a convenience store at night

前者告诉模型"要动的地方是哪"，后者只是"画面里有什么"。

几个实操经验：

• 运动幅度小一点，AI 不容易崩。幅度大了角色会变形，尤其是在人脸和手部这两个区域
• 时长不要贪长。单段图生视频建议 3 秒到 5 秒，长了就会出现"越动越不像"的问题
• 人物的手部、手指这类细节，宁可镜头不拍到，也不要让它大动。AI 在手指细节上最容易出灵异效果
• 视频封面帧和中间帧的差异往往不可预判，出片后一定要逐帧看几遍再决定是否采用

4.3 配音和音乐是最容易被低估的环节

很多新手做完画面觉得大事已成，结果配上分辨率不够的配音或者 BGM 节奏完全不搭，成品直接垮掉。配音这里我用的是 TTS 合成，选了个声音年轻、语气中带一点叙述感的声音做旁白，人物对话则用另一个声道的声音。TTS 工具很多，我的使用标准只有三条：

1. 语气调整可控（能调语速、能强调某个词）
2. 中文口音自然，不要机械感
3. 每句时长可精细调整，方便对帧

这里有一个人人都会踩的坑：AI 配音读旁白容易"匀速"，没有抑扬顿挫，导致全片听起来像说明书。我的解决方法是把旁白句子拆短，一句一句单独合成，然后手动在时间线上拉开间距、压低某些词、抬高某些词的音量，模拟人的呼吸感和重音。素材虽然是 AI 生成的，但节奏感要靠人手调出来。

BGM 我直接用 AI 音乐生成工具，给几个词选个情绪风格。比如"温暖、都市、钢琴、慢节奏"，生成一段 1 分钟的纯音乐。BGM 在剪辑时音量压到很低，-18dB 到 -22dB 左右，对比旁白至少低 12dB，否则会盖住人声。

5. 最后再把"量产"这两个字落实：排程、素材管理与避坑记录

5.1 一周一集的产能是这么排出来的

我现在的排程大概是：

• 周一：确定选题，用 AI 生成剧本大纲，修改，定稿
• 周二：拆分镜脚本，生成所有分镜图的"画面关键词表"，开始批量出图
• 周三：筛选可用的镜头图，重新生成失败镜头，统一处理角色一致性
• 周四：把通过的分镜图转视频（图生视频/推拉动态）
• 周五：合成配音、BGM，粗剪
• 周六：精剪、字幕、调色、片头片尾
• 周日：发布，并收集评论区的反馈，作为下一轮的选题依据

这套排程最重要的不是"快"，而是让每一步都有明确的验收标准。比如周二分镜这一环，不把所有分镜画面关键词写完，就不能进入出图环节；周四周五如果有镜头崩了，不要顺手重抽，而是回到关键词表去查是不是关键词写得不够细。这个习惯能省掉大量"随手重抽"的无效时间。

5.2 素材管理是量产的隐形瓶颈

漫剧做到第 4 集以后，文件就开始乱。我的教训是：不要等项目做大了再整理素材，从第一集就建立统一的命名规则。

如下的文件结构可以参考：

/AI漫剧项目 /01_剧本 第01集_剧本.md 第01集_分镜.xlsx 角色设定_林澈.md 场景设定_便利店.md /02_原画 第01集 角色/林澈_全景.png 角色/林澈_半身.png 场景/便利店_全景.png /03_视频 第01集 镜头01_推近.mp4 镜头02_图生视频.mp4 /04_音频 第01集 旁白.wav 林澈_台词.wav bgm.wav /05_剪辑 第01集_粗剪_xxx.mp4

这套结构看起来简单，但真能做到不混放的人不多。我用的是"集数+环节+内容类型"三级标签，所有素材文件名前面加上集数和镜头号，比如S01E03_shot05_wide_convenience.png，这样后期拼接时一眼就能找到素材。

另外，角色定妆照和场景定场图要单独放在一个"核心资产"文件夹里，任何需要引用角色或场景的时候都从这里复制，而不是从历史集数里翻找。这样才能保证全项目的素材源头一致，也避免"这集主角换了个发型"这种低级事故。

5.3 高频翻车点速查表

这里记录几个我踩过的坑，供你对照排查：

5.4 下一步还可以怎么扩展

跑通这条生产线后，能扩展的方向很多。我现在在琢磨的是"多角色长期连载"，也就是让同一个世界里出现 4 到 5 个核心角色，交叉出场，形成世界观矩阵。这个方向对角色 LoRA 的需求非常大，也是我下一步要集中投入训练的地方。另一个方向是"互动漫剧"——每集结尾给出分支选项，允许观众选择下一集剧情走向。这种形式对产能要求极高，因为一个节点要产出多版本的续集分支，但现在有这套量产流水线，从"想法"到"分支素材"的效率比传统动画高很多。

还有一个可以实操的扩展：把同一套分镜脚本和素材，快速重制为竖屏版本，用于视频号分发；再切一个"纯精华版"用于短视频平台引流。这样一条生产线产出多平台素材，才是真正把"量产"二字吃到嘴里。

关于 AI 漫剧量产，我个人的体会是：工具本身不重要，重要的是一套你信得过、愿意长期维护的流程。每集之间差异一定存在，但只要你守住"角色一致、场景稳定、脚本先行"这三条底线，成片就不会差到哪去。下一篇我会单独整理分镜画面关键词的写法，如果你也在做 AI 漫剧量产，欢迎一起交流。