零基础AI漫剧创作全流程：从分镜设计到项目落地

1. AI漫剧创作到底在做什么：先把整条链路看明白

AI漫剧这个词，最近几个月热度涨得很快。简单说，就是用AI工具批量生成漫画风格的连续剧，每一集几十秒到两三分钟，形式介于动态漫画和短剧之间。它不需要真人演员，不需要实景拍摄，甚至不需要传统意义上的手绘团队，一个人或者两三个人，就能撑起一个持续更新的账号。

很多人一听“零基础也能做”，第一反应是怀疑。我当时也一样，直到自己完整跑通一遍才发现，AI漫剧真正降低的不是创作门槛，而是试错成本。传统漫画需要分镜师、线稿师、上色师、后期剪辑，一套班子下来，没几万块打不住。AI漫剧的链路是：剧本 → 分镜 → 单帧画面 → 动态视频 → 配音剪辑，每一步都有对应工具可以兜底，核心变成了“你有没有内容判断力”，而不是“你会不会画”。

拿我自己跑通的流程来看，整条链路其实就四段：

1. 剧本撰写。决定每一集讲什么、角色怎么说话、节奏怎么走。
2. 分镜拆分。把文字剧本拆成一个一个镜头，标注景别、人物状态、场景氛围。
3. 分镜转视频。用AI绘图工具生成单帧画面，再通过视频生成工具让画面动起来。
4. 后期合成。配音、字幕、背景音乐、节奏裁剪，产出成片。

这条链路里，最考验审美的不是画图，而是分镜。因为AI能按你的提示词输出画面，但画面里的人物是什么姿态、镜头是什么景别、情绪靠什么传递，这些信息必须你在分镜阶段就写清楚。所以我会说，AI漫剧的本质不是“AI代替你创作”，而是“AI帮你把脑中的画面实现出来”。

这个训练营之所以强调“零基础”，是因为它默认你不懂绘画、不懂剪辑、甚至不懂剧本格式，只要求你有表达欲和耐心。后面所有环节，都是靠一套固定工作流加上提示词模板来驱动的。接下来我按实操顺序，把每一环怎么拆、怎么做的细节都讲清楚。

2. 剧本撰写：漫剧剧本和小说、短视频都不一样

2.1 漫剧剧本的核心单位是“镜头”，不是“场”

写小说，核心单位是情节；写短视频，核心单位是“钩子”；写漫剧，核心单位是镜头。因为漫剧是靠连续的画面来讲故事的，你的剧本里必须能看出“每一句话对应什么画面”，否则后面分镜的时候会非常痛苦。

我见过很多新人上来就写一大段对白，比如“女主说：你为什么要骗我，我等了你三年”，然后没了。这种剧本放进AI漫剧流程里，做分镜时根本不知道怎么拆分：女主脸的特写？还是全景？情绪是哭还是怒？背景在室内还是室外？如果剧本阶段不明确，分镜阶段就要反复猜，最后做出来的画面和剧情完全是两张皮。

所以我的建议是，漫剧剧本至少在脑子里过一遍“镜头逻辑”：每一句台词，画面里是谁在说话、什么景别、大概什么环境。你不需要像分镜师那样画出来，但你得能感觉到画面存在。训练营里给了一个很实用的模板，我一直在用：

场景编号：S01 地点：仙侠宗门后山 时间：黄昏 镜头1（全景）：女主独自站在悬崖边，衣袂飘动。 对白（画外音）：三年了，师父留下的封印，还是没人能解。 镜头2（特写）：女主低头看掌心，浮现一道若隐若现的符文。 对白（女主）：除非……找到那个人。

这个写法，每个镜头包含“景别 + 画面内容 + 对白”，后面转到分镜工具里，基本不用再做二次翻译。训练营反复强调一句话：镜头清晰，画面才稳定；画面稳定，AI才能稳定。

2.2 对白节奏与信息密度：一集90秒怎么安排

漫剧单集时长通常在60秒到120秒之间，这个长度决定了剧本不能太“小说化”。你不能铺垫十分钟，因为观众没有耐心，平台算法也不会给低完播率的内容流量。我把训练营教的节奏模板简化成“三段递进式”：

• 开场3秒：一个明确的画面钩子，要么是反常场景，要么是强冲突对话。
• 中段50秒：推进一个核心事件，最多两个角色进行有效互动，对话要短、密、有目的。
• 结尾15秒：留一个悬念或反转，逼用户点进下一集。

一个容易踩的坑是，新人写对白时容易“长篇大论”。漫剧对白要像击剑，一来一回，要短。比如：

• 错误示范：“你知不知道我为了找你，翻遍了三界五岳，从一个无名小卒变成如今的剑尊，就是为了当面问你一句话——当年为什么走？”
• 正确示范：“我找了你三年。”“我知道。”“就这一句？”“我走的时候，就知道你会来。”

后者信息密度更高，情绪张力也更明显，而且每一句都能对应一个近景或特写镜头，AI出图时的角色表情也更好捕捉。

2.3 用AI辅助写剧本时，怎么提需求才不会跑偏

训练营里会教大家用AI大模型辅助写剧本，但很多人用AI写的剧本一看就是“AI味”。核心问题是提问太笼统，比如“帮我写一个仙侠爱情故事”，出来的东西大概率是套路堆砌。

我自己的做法是“角色卡 + 情节梗概 + 镜头要求”三段式提需求。先定义角色性格、说话习惯、目标，再给一个简要的剧情走向，最后要求AI按“场景→镜头→对白”的格式输出。这样AI生成的内容才能直接复用，而不是空有辞藻没有画面。

举个例子，我会这么写提示词：

你是一名漫剧编剧，请根据以下信息撰写第3集剧本： 角色：女主（冷静克制、少言、护短）、男主（话痨、嘴硬心软） 剧情：女主发现男主偷学禁术，二人在雨夜对峙。 要求： 1. 输出格式为：场景编号、地点、时间、镜头列表（景别+画面内容+对白） 2. 每集8-12个镜头，总时长约90秒 3. 对白要短促，每句不超过25个字 4. 结尾必须留悬念

这样跑出来的结果，即便不能直接用，修改成本也低很多。毕竟AI漫剧的落点是“项目落地”，剧本是地基，地基歪了，后面全歪。

3. 分镜设计：从文字到画面，这一步最考验“翻译”能力

3.1 分镜表长什么样：信息完整才能一次出图成功

分镜是从剧本到画面的桥梁。训练营里的分镜表，核心字段就几个：镜号、景别、运镜方式、画面内容、角色状态、环境氛围、参考提示词。每个字段都不是摆设。

• 景别：决定这个镜头里人物占画面多大比例，是全景、中景、近景还是特写。AI绘图对景别的感知非常敏感，你写“close-up”和“medium shot”，构图完全不一样。
• 运镜方式：漫剧画面虽然是静态生成的，但后期可以通过剪辑做推近、拉远、平移的模拟运镜效果，分镜阶段就要想好，否则素材没有预留空间，后期一推就糊。
• 画面内容：必须具体到“人物在做什么动作 + 环境里有什么物件 + 视觉焦点是谁”。描述越含糊，AI的自由发挥空间越大，越容易出现“图不对戏”的问题。
• 角色状态：表情、情绪、服装、是否有损伤，这些直接影响角色一致性。

我自己最常用的分镜表模板是这样的：

这张表填完之后，其实你已经完成了60%的分镜转视频工作，因为表格里的“提示词要点”那一栏，可以直接扩展成AI出图的完整提示词。

3.2 画幅、景别、运镜：这些基础概念必须一次搞懂

我看到很多零基础学员在分镜阶段纠结“什么是特写”，其实没有多高深。我提供一个最直觉的理解方式：

• 远景/全景：人物在画面里很小，主要交代环境。适合开场，告诉观众“故事发生在这里”。
• 中景：人物膝盖以上入画，既能看动作，也能看表情，是叙事最常用的景别。
• 近景：人物胸部以上，主推情绪，适合对白场景。
• 特写：只拍脸或局部，比如眼睛、手、信物，用来强调细节、制造悬念。

运镜这块，AI生成静态图之后，后期做动效可以模拟推（zoom in）、拉（zoom out）、横移（pan）、旋转（rotate）。分镜阶段你要做的，就是给后期留出可动空间。比如打算做推近效果的镜头，画面主体最好不要顶满画框，四周留一点余量，否则一推就出画。

训练营里还专门讲了“分镜的逻辑是连续性的问题”。简单说，相邻两个镜头的构图要有内在逻辑：上一个镜头是人物看到某物，下一个镜头就要给某物一个特写；上一个镜头是全景，下一个镜头原则上要有一个更近的景别来接，避免两个全景硬切，观感会很跳。

3.3 人物建模与提示词：仙侠3D风格怎么稳定输出

“人物建模提示词仙侠3d”是我看到训练营学员群里最常讨论的话题。原因是仙侠题材自带场景优势，御剑、修仙、宗门、秘境，视觉奇观很容易做出来，但“角色长相稳定”是真难点。

AI漫剧最怕的就是：第一集女主是瓜子脸，第二集变成圆脸，第三集连发色都换了。观众会瞬间出戏。解决这个问题有两个主流方向：

一是固定角色参考图，每次出图都垫同一张参考图，再配合提示词约束。这个方式适合精确控制，缺点是需要借助支持参考图输入的绘图工具，而且参考图和目标提示词的权重需要反复调。

二是用“角色特征描述词”锁定核心参数。比如一个仙侠女主，你在每次提示词里都固定写入：

女，二十岁左右，长发银白，紫色眼瞳，鹅蛋脸，眉心一点朱砂，白色仙侠长裙，冷冽气质

这套描述词在所有涉及该角色的镜头里尽量原样保留，不要每次换描述。很多新手喜欢“这句多写点、那句换个词”，结果就是AI以为你换了个人。训练营的做法是给每个主要角色建一张“角色特征卡”，像建档一样，之后所有提示词都从这张卡里复制粘贴。

仙侠3D风格本身，提示词里建议包含：3D render、Pixar style、cinematic lighting、volumetric fog、epic fantasy atmosphere这类关键词。场景部分也要带上“misty mountains”、“ancient temple”、“glowing sword”之类的元素词，不然AI很容易出成国画风或者2D日漫风。

4. 分镜转视频：工具选型、工作流配置和参数调优

4.1 工具选型：零基础怎么选第一套工具组合

训练营安排工具学习时，不是直接给你列一堆软件，而是让你先明白“每一个环节在解决什么问题”，再挑工具。《零基础AI漫剧创作训练营》里推崇的思路和我不谋而合：不要追求单工具全能，而是选一套“能衔接顺畅的最小组合”。

以“分镜转视频”为核心，至少需要三类工具：

• AI绘图工具：负责把分镜画面变成单帧图。零基础优先选能“垫图 + 输入提示词”的工具，实测下来可控性最好。提示词里写清楚画面主体、场景、风格、光影，然后配合参考图锁定角色特征。
• AI视频生成工具：负责把静态图变成动态镜头。核心操作是上传图片 + 输入运动描述。运动描述要具体，比如“衣角随风飘动，镜头缓缓拉近”，而不是“动起来”三个字。
• 剪辑工具：负责把多段动态视频串起来，加配音、字幕、BGM、转场。手机端用剪映就够，电脑端可以用Premiere或达芬奇，我建议新手先从剪映入手，因为自动字幕和音效库很全。

你不需要在第一步就买一堆付费软件。训练营的方法是用免费额度把完整流程跑通一遍，确定自己能产出成片，再根据瓶颈去加预算。

4.2 提示词工程：让AI听话的三个层次

提示词是AI漫剧工作流里最核心的“编程语言”。我按训练营教的经验加上自己的实操，把提示词分成三个层次：

第一层：画面主体。写清楚“谁 + 在哪 + 干什么”。例如“一个银发紫瞳的女剑客站在云海上的悬空石台上，手按剑柄”。

第二层：风格与质感。写清楚“用什么画风 + 什么光照 + 什么氛围”。例如“3D渲染，皮克斯风格，电影级布光，体积雾，梦幻仙侠氛围”。

第三层：画质与细节。写清楚“镜头、分辨率、细节补充”。例如“8K分辨率，超精细纹理，景深虚化，半身像构图”。

三个层次不是机械拼凑，而是有优先级。如果AI生成的画面主体错了，优先改第一层描述；如果角色脸崩了，优先检查是不是“角色特征卡”里的固定描述没写全；如果整体感觉不对但人物是对的，优先调整第二层。

一个比较容易出效果的小技巧是，在提示词最后统一加上“high details, sharp focus, best quality”，相当于给AI一个“输出高质量”的全局暗示。不过别指望所有工具都严格按这个优先级理解，实操中还是要靠生成多张图去筛选。

4.3 运动幅度控制：让AI视频“动得对”而不是“动得猛”

分镜转视频时，很多人一上来就让AI“把整个人动起来”，结果画面扭曲得一塌糊涂。原因很简单：AI视频模型对大幅度动作的还原能力还很有限，尤其是人物四肢运动，经常出现手指变形、身体扭曲。

我现在的策略是“小幅度运动优先”。同一个镜头，如果需要表现“女主拔剑”，我不会让AI直接生成一个完整的拔剑过程，而是拆成两步：

• 第一步：生成静态图，女主已经握住剑柄，剑出鞘三寸。
• 第二步：让AI在这个静态图基础上运动，提示词只写“剑缓缓出鞘，剑身寒光流转，女主发丝微微飘动，镜头轻微推近”。

运动幅度小，AI的出错率就低，画面稳定性高。这个思路用在漫剧制作上，带来的直接好处是出片效率大幅提升：不用反复重抽素材。

还有一点，AI视频工具的“motion strength”或“运动强度”参数，新手阶段建议先设为中低档，等手里的静态图质量稳定了再加。运动强度拉太高，很容易把一张构图很好的图搞成“融化效果”。

4.4 分镜转视频的标准化步骤：八步跑通一条流水线

我把训练营的实操流程整理成八步，每一步做完再进入下一步，不要跳：

1. 从分镜表里选一个镜头，复制“提示词要点”。
2. 扩展成完整AI绘图提示词，带上角色特征卡和风格描述。
3. 用AI绘图工具生成4到6张候选图，挑选一张最贴合的。
4. 对选中图做小幅修正（局部重绘/扩展），确保构图和角色脸部没问题。
5. 将修正后的图片导入AI视频生成工具。
6. 输入运动描述，设置运动强度为中低档，视频长度按目标时长来定。
7. 生成后逐帧预览，检查是否出现形变，不合格就打回重做。
8. 把合格素材导进剪辑软件，按分镜顺序排列，加配音和字幕。

这套流程，跑熟之后，一个镜头从创作到合格成片大概需要15到20分钟。一集90秒、约10个镜头的漫剧，纯制作时间大约3到4小时。加上剧本和分镜，大概一到两个晚上能完成一集。这个速度已经足够支撑日常更新了。

5. 从工具学习到项目落地：常见问题与排查实录

5.1 角色一致性怎么保：不是靠运气的，是靠流程

角色不一致是AI漫剧制作里出现频率最高的问题，几乎每个人都会遇到。我总结出一个排查顺序：

先看角色特征卡是否固定。如果你每一集用的角色描述词都不一样，AI当然会“重新理解”角色。再看是否每个镜头都垫了参考图。参考图是角色一致性的定海神针，不能省。最后看绘图工具的“重绘幅度”参数，数值太高也会导致角色细节漂移。

实操中我还有一个笨但有效的方法：一次角色定妆图生成后，优先多生成几个角度和表情的备用图，建立“角色素材库”。后续分镜需要什么表情，从素材库里找底图，而不是每次重新生成一个全新角色。这本质上是在给AI做“项目管理”。

5.2 台词和口型对不上：没必要死磕口型同步

漫剧不是真人短剧，观众对口型的敏感度其实不高，但很多新人会在“口型同步”上死磕，卡了很久。训练营学员也经常在群里问“有没有能自动对口型的工具”。

我的建议是：优先保证台词清楚，口型做到“隐约匹配”就行。因为漫剧通常是画外音或近景切换，观众更关注的是情绪和故事。与其花几小时对口型，不如把时间花在分镜节奏和画面转场上。

后期配音时，尽量让角色说话的节奏和镜头长度匹配：一句短对白给一个2到3秒的近景，长对白就切几个反应镜头，这样观众根本不会盯着口型看。如果非要做口型效果，可以试试单句短音频逐句配音，但会非常占时间，第一版没必要。

5.3 视频生成质量不稳定：记住“抽卡思维”

AI生成本身就带随机性，一次生成不满意太正常了。训练营里有个说法我很认同：把AI生成当成“抽卡”，不要对单次结果抱太高期望，而是靠数量换质量。

具体操作上，每个镜头不要只生成一张图，建议至少生成4到6张候选，挑一张构图、表情、氛围都对的。AI视频生成也一样，同一张图跑3到5次，选出运动幅度和形变程度最理想的那版。虽然看似重复劳动，但整体耗时反而比“一张图反复修”更快。

我个人的经验是，把“抽卡”也流程化：绘图阶段先批量垫图出十来张，统一预览后再挑；视频阶段一次提交多条生成任务，然后一起看结果。AI漫剧制作本质上是“用筛选代替精细控制”，筛选得快，出片就快。

5.4 项目落地的成本与更新频率：别一上来就搞大的

训练营最后一个阶段讲“项目落地”，很多人的误区是一上来就规划一个几十集的宏大世界观。我的建议是先做3到5集的短篇试水，验证完整个流程再考虑开长篇。

原因很现实：AI漫剧虽然降低了制作门槛，但依然有成本。AI绘画和AI视频工具普遍按生成次数或时长收费，一集10个镜头的素材成本大概在几块钱到十几块钱之间，如果反复重抽，成本就会上涨。用短篇跑通流程，可以摸清自己每集的真实成本，也能统计出每集需要多少工作量。

更新频率上，稳定比爆发更重要。哪怕每周只更一集，持续更新3个月，账号的算法推荐和粉丝积累都会比“爆更两周然后断更”强得多。平台看重的是稳定输出能力。

5.5 平台选择与发布心态：先做出来，再谈优化

关于发布平台，建议是“多平台分发”。不同平台的用户画像不一样，同一个仙侠漫剧，在主打下沉市场的平台和主打年轻用户的平台，反馈可能完全不同。你不需要在初期判断哪个平台最适合，先把作品铺出去，看数据说话。

但要注意，任何训练营或教程，如果暗示你“交了钱就能轻松月入过万”，都要格外冷静。AI漫剧本质还是一个内容创作赛道，能跑通的账号，背后都是稳定的内容质量和持续迭代。工具是放大器，不是印钞机。

我个人在实际操作中的体会是，AI漫剧真正考验的是“坚持做烂片”的能力。很多人卡住的地方不是工具不会用，而是第一集没做好就不想做了。但AI创作本身就是越做越顺，第一集的所有问题，到第三集自然就知道怎么避免。先把一集完整发出去，比什么都重要。