企业官网建设流程全解析

1. 新手入局AI漫剧前，先把这几个概念理清楚

1.1 AI漫剧到底是什么，和传统动画差在哪

AI漫剧这个词这两年火得有点突然，但很多人其实没搞明白它到底指什么。简单说，AI漫剧就是用AI工具链替代传统动画制作中大量人工环节，产出的一种介于静态漫画和动态番剧之间的内容形态。它通常保留漫画式的分镜构图和角色造型，但通过图生视频、镜头运动、配音配乐等手段让画面“动起来”，单集时长从几十秒到三五分钟不等，适合在短视频平台和内容社区分发。

和传统二维动画比，AI漫剧最大的差异在于生产逻辑被彻底重构了。传统动画是“剧本→分镜→原画→中间画→上色→合成→配音”的线性流水线，每一环都需要专业画师和大量工时。AI漫剧则是“剧本→提示词→角色设定→分镜图生成→图生视频→剪辑合成→配音配乐”，中间大量环节可以靠模型批量出图、批量生成，一个人一台电脑就能跑通全流程。这也是为什么大量新手涌入这个赛道——门槛看起来低了很多。

但门槛低不等于没有门槛。我见过太多人第一天兴致勃勃装了工具，第三天就卡在“角色每张图长得都不一样”这个问题上出不来。所以先把概念理清楚，比急着动手更重要。

1.2 为什么新手特别容易在漫剧项目上翻车

新手翻车的原因，归根结底是把AI漫剧当成了“输入一句话就出片”的魔法。实际上它更像是一条需要精细调参的流水线，任何一个环节的参数没控好，最后成片就会崩。

具体来说，新手常见的认知偏差有三个。第一是低估角色一致性的难度，以为写个“一个穿红衣服的少女”就能让模型每次都画出同一个人，结果十张图十个样。第二是高估提示词的万能性，觉得提示词写得越长越详细就越好，实际上提示词工程讲究的是结构化、权重分配和负面约束，不是堆形容词。第三是忽略分镜的叙事功能，把分镜图当成单张插画来生成，每张都很好看，但连起来完全不知道在讲什么。

这三个偏差对应的是三个核心技术点：角色一致性控制、提示词设计、分镜叙事逻辑。后面我会逐个拆开讲，先把整体框架搭起来。

1.3 一套完整的AI漫剧工作流包含哪些环节

在动手之前，你需要对整条链路有个全局认知。一套能跑通的AI漫剧工作流，通常包含以下环节：

这张表建议你存下来，每做一个环节就对照检查一遍。我自己的习惯是每完成一个环节就导出一次中间产物，方便出问题时回退，而不是从头再来。

2. 角色一致性：新手翻车率最高的地方

2.1 为什么角色会长得不一样——原理层面的解释

角色一致性是AI漫剧的命门。你想想，观众看剧最基本的要求是“同一个人在不同镜头里得是同一个人”，如果主角第一幕是圆脸第二幕变成瓜子脸，观众立刻出戏。

从技术层面看，角色不一致的根源在于文生图模型的工作原理是“从噪声中逐步去噪生成图像”，每次生成都是一次独立的随机过程。即使你输入完全相同的提示词，由于随机种子的不同，模型每次都会走一条不同的去噪路径，最终落在不同的图像上。提示词只能约束“大方向”，比如“一个黑发少女”，但无法约束“这个少女的具体脸型、眼距、鼻梁高度”。

这就好比让十个画师根据同一句描述画同一个人，每个人画出来都不一样。AI模型也是一样，它没有“记忆”，除非你给它一个固定的参考。

2.2 三种主流的角色一致性控制方案对比

目前业内控制角色一致性主要有三条路线，各有适用场景：

方案一：固定种子加精细提示词。这是最基础的做法，通过固定随机种子，让模型每次生成时走相同的去噪路径，再配合高度结构化的角色描述词，能在一定程度上保持一致性。优点是操作简单，不需要额外工具；缺点是稳定性有限，一旦改变构图或动作，一致性就会崩。

方案二：角色参考图加图生图。先精修出一张满意的角色定妆图，然后以这张图为参考，用图生图或参考图控制的方式生成其他镜头。优点是一致性明显提升；缺点是对参考图的依赖性强，动作变化大时容易变形。

方案三：训练角色专属模型或使用角色嵌入。通过少量角色图训练一个轻量级的角色模型，或者使用角色嵌入技术，让模型“记住”这个角色的特征。优点是一致性最强，可以自由改变动作和场景；缺点是有学习成本，需要准备训练素材和调参。

我的建议是：新手先从方案一加方案二的组合入手，跑通全流程后再考虑方案三。一上来就搞训练，很容易在环境配置阶段就放弃。

2.3 实操：用参考图加提示词锁定角色特征

具体怎么操作？我以最常见的“参考图加结构化提示词”为例，拆解一下步骤。

第一步，制作角色定妆图。用文生图工具生成一张角色正面半身像，要求背景干净、光线均匀、表情中性。这张图是你的“基准”，后面所有镜头都以它为参考。生成时提示词要包含角色的核心特征，比如“黑色齐肩短发、圆脸、大眼睛、左眼角有一颗泪痣、穿白色衬衫”，特征控制在五到七个，太多模型会顾此失彼。

第二步，建立角色提示词模板。把定妆图对应的提示词整理成一个固定模板，每次生成新镜头时都复制这个模板，只修改动作、表情、场景部分。模板结构建议是：角色特征加服装加动作加表情加场景加风格加画质。例如：

[角色特征] 黑色齐肩短发，圆脸，大眼睛，左眼角泪痣 [服装] 白色衬衫，深蓝色百褶裙 [动作] 站在窗前，侧身回头 [表情] 微微皱眉，眼神疑惑 [场景] 教室，午后阳光，窗外有樱花树 [风格] 日系动漫风格，赛璐璐上色 [画质] 高清，细节丰富，光影柔和

第三步，用参考图控制生成。在支持参考图功能的工具中，把定妆图作为参考输入，设置合适的参考强度。参考强度太高会导致所有图都像定妆图的复制品，动作变化受限；太低则一致性不够。一般建议从0.6到0.75之间开始试，根据效果微调。

注意：参考强度这个参数没有万能值，不同模型、不同风格的最佳值都不一样。我的经验是先用同一组提示词生成五张图，对比一致性，再决定调高还是调低。

2.4 角色一致性的避坑清单

在实际操作中，我踩过的坑和总结的经验如下：

• 不要频繁更换模型版本。同一个角色从开始到结束尽量用同一个模型和同一个版本，换模型等于换画风，一致性直接归零。
• 定妆图要多角度。如果条件允许，生成正面、侧面、背面三张定妆图，后续生成对应角度时用对应的参考图，效果会好很多。
• 服装变化要提前规划。如果剧情需要换装，建议每套服装单独做一张定妆图，不要指望模型自己“理解”换装。
• 表情和动作分开控制。提示词里把表情和动作分开写，比混在一起写效果好，模型更容易准确响应。
• 定期做一致性检查。每生成十张图，挑出主角的图排在一起对比，发现漂移立刻调整，不要等到全部生成完才发现问题。

3. 提示词设计：不是写得越长越好

3.1 提示词的结构化思维——从“写作文”到“填表格”

新手写提示词最常见的毛病是把它当成写作文，恨不得把能想到的词全堆上去。结果模型被一堆互相冲突的描述搞晕，出来的图四不像。

正确的思路是把提示词当成一张结构化表格来填。每个维度只填最关键的几个词，维度之间用明确的逻辑组织。一个成熟的漫剧提示词通常包含以下维度：

• 主体：角色特征、服装、动作、表情
• 环境：场景、时间、天气、光线
• 构图：景别、视角、镜头运动暗示
• 风格：画风、上色方式、参考艺术家或作品风格
• 画质：分辨率、细节程度、光影质量
• 负面：需要避免的元素

每个维度控制在三到五个关键词，总长度控制在合理范围内。我实测下来，结构化的中等长度提示词，效果普遍好于堆砌式的超长提示词。

3.2 分镜提示词和单张插画提示词的区别

这是很多新手没意识到的一点：分镜图不是插画，它的首要任务是叙事，不是好看。

单张插画提示词追求的是画面精美、细节丰富、视觉冲击力强。但分镜图要考虑的是：这个镜头在整场戏里承担什么功能？是交代环境、推进动作、还是表达情绪？不同的功能对应不同的构图和景别。

比如一场“主角推门进入教室”的戏，分镜可能是这样拆的：

每个镜头的提示词重点完全不同。如果你用同一套“精美插画”的提示词去生成这四个镜头，出来的图会各自为政，连起来毫无叙事感。

3.3 提示词权重的分配技巧

大部分文生图工具支持给关键词加权重，语法通常是(关键词:权重值)，权重值大于1表示加强，小于1表示减弱。这个功能在漫剧制作中非常实用。

举个例子，你要生成一个“雨中撑伞的少女”，但模型总是把雨画得太大遮挡了人物。你可以这样调整：

(少女:1.3), (透明雨伞:1.2), 黑色齐肩短发, 白色连衣裙, (细雨:0.8), 街道, 夜晚, 霓虹灯倒影, 日系动漫风格

把少女和伞的权重调高，把雨的权重调低，模型就会优先保证人物清晰，雨作为氛围元素存在即可。

权重的使用有几个经验法则：核心主体权重1.2到1.5，重要道具1.1到1.3，氛围元素0.7到0.9，背景元素0.5到0.8。权重不要超过2，否则画面容易崩坏；也不要大面积使用低于0.5的权重，会导致元素消失。

3.4 负面提示词的实战用法

负面提示词是新手最容易忽略的利器。它的作用是告诉模型“不要什么”，在修正画面缺陷时非常有效。

漫剧制作中常用的负面提示词包括：

• 画质类：低分辨率、模糊、噪点、JPEG压缩痕迹
• 结构类：多余的手指、扭曲的肢体、不对称的眼睛、崩坏的脸
• 风格类：写实照片、3D渲染（如果你要的是二维动漫风格）
• 内容类：文字、水印、签名、边框

我的习惯是建一个通用的负面提示词模板，每次生成都带上，再根据具体镜头追加针对性的负面词。比如生成手部特写时，追加“六根手指、手指融合、指甲畸形”等。

提示：负面提示词不是越多越好。堆太多负面词会压缩模型的生成空间，导致画面变得保守、呆板。通用负面词控制在十到十五个，针对性负面词控制在三到五个，比较合适。

4. 分镜设计：决定漫剧节奏的关键环节

4.1 分镜密度怎么定——别让观众看困了

分镜密度指的是单位时间内镜头切换的次数。密度太高，观众眼花缭乱；密度太低，观众觉得拖沓。

对于AI漫剧这种单集时长较短的内容形态，我的经验是：对话场景每三到五秒一个镜头，动作场景每一到两秒一个镜头，情绪场景可以适当拉长到五到八秒。一集三分钟的漫剧，分镜数量大概在四十到六十个之间。

新手常见的问题是分镜太密，恨不得每句话都切一个镜头，结果成片像PPT快闪。另一个极端是分镜太疏，一个镜头停十秒，观众以为视频卡了。

判断分镜密度是否合适，有个简单方法：把分镜图按顺序快速翻一遍，如果你能顺畅地“读”出故事，密度就差不多了；如果翻到某张图时卡住了，不知道在讲什么，说明这里缺镜头或者镜头顺序有问题。

4.2 镜头语言的入门法则

镜头语言听起来很专业，但新手只需要掌握几个基本法则就能让漫剧的叙事质感提升一个档次。

法则一：景别要有变化。不要连续用同一景别，远景接中景接特写，形成视觉节奏。一场戏的开头用远景交代环境，中间用中景推进对话，关键时刻用特写强调情绪。

法则二：视线方向要一致。如果角色A在画面左侧看向右边，下一个镜头角色B应该在画面右侧看向左边，这样观众才能理解他们在对视。如果两个人都看向同一方向，观众会以为他们在看别的东西。

法则三：运动方向要连贯。角色从左往右走，下一个镜头应该继续从左往右，不要突然变成从右往左，否则观众会迷失方向感。

法则四：重要信息给特写。如果某个道具或表情对剧情关键，一定要给特写镜头，不要让观众在远景里找。

这些法则不复杂，但新手往往只顾着把画面生成得好看，忘了镜头之间的逻辑关系。我的建议是在写分镜脚本阶段就把景别和视线方向标注清楚，生成时严格按照标注来，不要临时发挥。

4.3 从剧本到分镜的拆解实操

拿到一个剧本，怎么拆成分镜？我以一段简单的剧情为例演示一下。

剧本原文：

小雅推开教室的门，发现教室里空无一人。她走到自己的座位坐下，望着窗外的樱花发呆。突然，手机震动了一下，她低头看了一眼，脸色变了。

拆解步骤：

第一步，找动作节点。这段话里有四个动作节点：推门、坐下、发呆、看手机。每个动作节点至少对应一个镜头。

第二步，补充情绪节点。发呆和脸色变了是两个情绪节点，需要特写来表现。

第三步，设计过渡镜头。推门到坐下之间可以加一个教室空镜，表现“空无一人”；发呆到手机震动之间可以加一个手机特写，作为转折提示。

第四步，确定景别和顺序。最终分镜表如下：

这样拆下来，十个镜头对应大约三十秒的成片，节奏紧凑，叙事清晰。新手可以拿这个模板套自己的剧本，熟练之后自然就能快速拆解了。

5. 图生视频与合成：让静态分镜动起来

5.1 图生视频的运动幅度控制

分镜图生成好之后，下一步是让它们动起来。图生视频工具的核心参数是运动幅度，它决定了画面中元素移动的剧烈程度。

运动幅度设得太低，画面几乎静止，观众以为在看静态图；设得太高，角色会扭曲变形，背景会融化。我的经验值是：对话场景运动幅度设低档，只让嘴巴、眼睛、头发有轻微运动；动作场景设中档，让肢体有可见的位移；空镜和氛围镜头设中高档，让云、水、花瓣等元素充分运动。

另外，图生视频时要注意运动方向的一致性。如果分镜图里角色面朝右，视频里的运动方向也应该偏右，不要突然反向。

5.2 音画同步的实操技巧

配音和画面的同步是很多新手忽略的环节。画面动完了，配音一贴上去，发现口型对不上、节奏对不上，整个观感就垮了。

我的做法是先配音后做视频。具体流程是：分镜脚本确定后，先把对白和旁白录好（或用语音合成生成），得到每条音频的精确时长。然后根据音频时长来调整每个镜头的视频长度，确保画面切换和语音节奏匹配。

如果先做了视频再配音，就会出现“画面已经切走了，台词还没说完”或者“台词说完了，画面还在停”的情况。虽然可以后期拉伸或压缩视频，但会导致运动速度不自然。

提示：语音合成工具选择时，优先选支持语速调节和情感参数的。同一句话用不同语速和情感读出来，时长可能差百分之二三十，提前调好能省很多后期时间。

5.3 转场与节奏的打磨

最后一步是把所有镜头拼接起来，加上转场和字幕。转场不要滥用花哨的效果，漫剧最常用的转场是硬切和淡入淡出。硬切适合节奏快的场景切换，淡入淡出适合时间流逝或情绪转换。

节奏打磨的核心是卡点。背景音乐的节拍点、关键台词的重音点、重要画面的切换点，这三者尽量对齐。对齐之后，成片会有一种“顺滑感”，观众说不出为什么但就是觉得舒服。

我自己的检查方法是：关掉声音看一遍，再闭上眼睛听一遍。关掉声音看，检查画面叙事是否完整；闭上眼睛听，检查音频叙事是否完整。两者都过关，再合在一起看，基本就没问题了。

6. 新手常见问题速查与避坑经验

6.1 生成效率低、出图慢怎么办

这是新手问得最多的问题。出图慢通常有三个原因：分辨率设太高、采样步数设太多、批量生成数量设太大。

我的建议是：草稿阶段用低分辨率低步数快速出图，确定构图和角色没问题后，再用高分辨率高步数精修。草稿阶段分辨率设到最终输出的百分之五十到六十即可，采样步数设到二十到二十五步，批量生成四张选一张。精修阶段再拉满参数。

另外，把常用的提示词模板和参数配置保存成预设，每次新建项目直接调用，不要重复手填。这个习惯能省下大量时间。

6.2 画面风格漂移怎么排查

风格漂移的表现是：前几张图是日系动漫风，后面突然变成厚涂风或者3D风。排查思路如下：

• 检查提示词里的风格描述是否一致，有没有中途改了关键词
• 检查参考图的风格是否统一，有没有混用了不同风格的角色图
• 检查模型版本是否一致，有没有不小心切换了模型
• 检查负面提示词是否误删了风格约束项

如果以上都没问题，那可能是随机种子的影响。固定种子再试一次，如果还是漂移，就换一个种子。

6.3 角色表情僵硬、动作不自然的解决思路

表情僵硬通常是因为提示词里对表情的描述太笼统，比如只写了“开心”，模型不知道是微笑、大笑还是苦笑。把表情描述具体化，比如“嘴角微微上扬，眼睛弯成月牙形，脸颊有淡淡红晕”，效果会好很多。

动作不自然则往往是因为动作描述超出了模型的理解能力。比如“她一边跑一边回头一边挥手”，三个动作叠加，模型很难同时表现好。拆成多个镜头，一个镜头跑，一个镜头回头，一个镜头挥手，每个镜头只表现一个动作，效果反而更好。

6.4 成片节奏拖沓的调整方法

成片节奏拖沓，九成是因为镜头停留时间过长。新手总觉得自己辛苦生成的图要多展示一会儿，结果每个镜头停五六秒，三分钟的片子看了像十分钟。

调整方法很简单：把所有镜头的时长砍掉三分之一，再看一遍。如果砍完之后觉得太快，再往回加一点。反复调两三次，就能找到合适的节奏。

另一个原因是废镜头太多。有些镜头生成出来效果一般，但舍不得删，就硬塞进成片里。我的原则是：如果一个镜头不能推进剧情或传达情绪，就删掉。宁可片子短一点，也不要让观众觉得无聊。

6.5 新手最容易忽略的三个细节

最后分享三个我踩过坑之后才重视起来的细节。

第一，文件命名规范。分镜图、视频片段、音频文件，全部按“集数-场次-镜号”的格式命名，比如“EP01-S02-SH005”。不然后期剪辑时面对几百个文件，根本找不到谁是谁。

第二，定期备份工程文件。AI工具崩溃、电脑死机、软件更新导致工程打不开，这些情况我都遇到过。养成每完成一个阶段就导出备份的习惯，能救命。

第三，保留提示词和参数记录。每个镜头的提示词、种子、权重、参考图，全部记录在一个表格里。这样如果某个镜头需要重做，可以直接复现；如果某个镜头效果特别好，也可以分析原因，复制到其他项目里。

这三个细节看起来不起眼，但真正做起来，能帮你省下大量返工时间。我见过太多人因为没做记录，重做时完全想不起来当初是怎么生成的，只能从头试错。

AI漫剧这个赛道，工具在快速迭代，今天好用的方法明天可能就过时了。但底层的东西——角色一致性、提示词结构、分镜叙事、节奏控制——这些不会变。把基本功打扎实，工具换了也能快速上手。我自己的体会是，前三个项目是最痛苦的，各种问题层出不穷，但熬过这三个项目，后面就是流水线作业了。所以别急，一个坑一个坑地填，填完了就是你的经验壁垒。