AI漫剧制作全流程：角色一致性与工作流工程实战拆解

【全66集】绝对是B站最全的AI漫剧零基础全套教程（含剧本脚本+视频剪辑+角色一致性所有干货）七天逼自己学完，全程通俗易懂，小白从入门到精通看这一套就够了

如果你最近刷B站，大概率见过这样的标题：“零基础AI漫剧，三天涨粉十万”“用AI做短剧，一条视频赚XX”。点进去会发现，教程动辄几十集，从剧本、分镜、角色、画面、配音到剪辑，每块都拆开讲。很多新人跟着学了两天，工具装了一堆，最后连一个能看的成片都没做出来。

问题不在教程不够多，而在于大多数人只学到“某个工具怎么用”，没有理解AI漫剧本质上是一条工业化流水线。画图只是其中一环，真正决定产出效率的，是剧本结构化、角色一致性和剪辑模板化这三件事。

这篇文章不重复搬运教程内容，而是把B站那类“全66集”的课程重新拆成一条可以照做的技术路线。你会看到：AI漫剧的完整工作流长什么样、角色一致性到底怎么解决、从剧本到成片每一步该用什么格式、什么参数、什么验证标准。读完你就知道，这套东西七天能不能学会不好说，但至少你能判断自己卡在哪一步，并且照着做出一条完整成片。

1. AI漫剧为什么现在值得做

漫剧并不是新鲜事物。传统漫剧的制作链条很长：编剧写脚本，分镜师画分镜稿，主笔绘制线稿，后期上色、合成音效、剪辑包装。一个三分钟的单集，一支小团队也要做一周以上，而且每一集的角色都要完全一致——脸变了，观众立刻出戏。

AI 漫剧把这条链路的成本结构彻底改掉了。

以目前主流的方案为例：剧本交给大模型生成，角色在AI绘画工具中锁定风格，画面通过文生图、图生视频完成动态化，配音使用TTS语音合成，最后在剪辑软件中统一包装。单集制作时间可以压缩到几个小时，一个人就是一条完整的生产线。

这里真正值得关注的点，不是“AI能不能画漫画”，而是你有多少产能，决定你能不能在短剧赛道上稳定更新。漫剧的流量逻辑和连续剧一样：角色恒定、人设清晰、节奏稳定，才能留住观众。AI漫剧的意义在于，它把原本最耗人的“保证画面一致”这件事，变成了一个可以通过工作流标准化解决的工程问题。

当然，这也意味着竞争门槛变了。以前拼画功，现在拼的是：剧本眼光、工具组合效率、角色设定的审美、剪辑节奏感。这些能力，恰好是教程很难单集讲透的部分。

2. AI漫剧完整工作流拆解

一套可复用的AI漫剧流水线，通常由七个核心环节组成。每个环节都有明确的输入、输出和耗时占比。

不少人把注意力放在第五步“画面生成”，实际上最影响后期效率的是第二步和第三步。剧本如果没有按镜头切好，后面所有的画面生成都会变得混乱；分镜若不写明景别和动作，AI绘画时就要反复试错。

我建议你把这个流程看作一条指令管道：

剧本(结构化文本) -> 分镜表(镜头序列) -> 角色参考图(视觉锚点) -> 分镜图(静态视觉) -> 视频片段(动态视觉) -> 成片(配音+剪辑)

每两步之间，都应该有明确的交接物。交接物越标准化，整条流水线的返工率就越低。这也是“七天学会AI漫剧”里，真正值得花时间打磨的部分。

3. 角色一致性，AI漫剧最大的专业技术点

先说结论：AI漫剧和AI绘画单图最大的区别，就是角色一致性。你可以生成一百张好看的图，但如果你做不到让同一个角色在每一集里长得一模一样，漫剧就无从谈起。

3.1 什么叫角色一致性

角色一致性是指：同一个角色在不同分镜、不同集数中，五官、发型、服装、气质保持稳定。注意，不是“长得像”，而是要让观众明确认出这是同一个人。

在传统漫画制作中，这靠的是角色设定页（公式书）：正面、侧面、背面、三视图、表情集、服装设定。AI漫剧也遵循同样的逻辑，只是“设定页”变成了喂给模型的参考图。

3.2 为什么AI很难保持一致性

大模型生成图像本身具备随机性。同样的提示词，每次生成的结果在面部细节、颜色倾向、衣物质感上都会有细微差异。当你把这些画面剪到一起时，差异就会被放大——上一秒女主是瓜子脸，下一秒变成圆脸，观众直接出戏。

这个问题没有“一招解决”的银弹，而是组合策略：

从实际项目角度，我的建议是：单集测试用参考图，系列剧稳定后训练LoRA，局部瑕疵靠重绘修。新手第一套漫剧，没必要一上来就训练模型，先用参考图方案跑通全流程，再逐步优化。

3.3 角色设定卡怎么做

无论采用哪种技术方案，角色设定卡都是第一步。一套合格的AI漫剧角色设定卡，至少包含这些内容：

• 人物名称、性别、年龄、性格标签
• 口播或文字描述（发型、发色、眼睛形状、服装配色）
• 参考图：正脸、侧脸、全身、至少三组表情
• 禁止特征描述：例如“不能出现络腮胡子”“不戴耳环”

一个示例角色设定文案如下：

角色名：小林 性别：女 / 年龄：28 / 职业：程序员 外貌：黑色齐肩直发，齐刘海，深棕色瞳孔，圆脸，右眼下有一颗泪痣 服装：浅蓝色连帽卫衣，白色工牌挂在胸口 风格关键词：干净、元气、轻微动漫写实 禁止项：长发马尾、红色衣服、戴眼镜

把这段文字连同参考图一起放进生图工具的参考图参数中，就能大幅提高生成画面的稳定性。

4. 环境准备与工具选型

AI漫剧的工具链比较复杂，按照绘画、视频、配音、剪辑四类来选型，思路会清晰很多。

4.1 电脑配置与部署方式

AI生图对硬件有硬性需求。如果你本地用Stable Diffusion，NVIDIA显卡建议显存至少8GB，16GB会更从容。显存不足时有两个选择：用云GPU平台，或者直接用在线工具。

更稳妥的判断是：新手先用在线工具跑通流程，再考虑本地部署。在线工具的好处是不需要折腾底模和插件，坏处是角色一致性功能弱、可控性差。本地部署的好处是插件生态丰富，能精细控制角色一致性和画风，坏处是上手成本高。低成本实践，先从在线生图工具起步最合适。

4.2 工具组合清单参考

这个组合没有统一标准。工具门槛不是越高越好，关键是每个环节产出的交接物是否稳定。比如配音这个环节，选用哪个工具的产出只要清晰、情绪到位、导出格式统一即可。真正重要的，是把全部素材的命名规则统一起来，便于剪辑时批量导入。

5. 从零到一：AI漫剧核心实操流程

这一章给出可以直接复制的实操流程。不依赖任何特定工具，重点演示思路。所有提示词、表格、参数，你都可以根据自己选定的工具做微调。

5.1 第一步：剧本脚本的结构化

很多人用AI写剧本，得到的是一整段文字描述。这不能用于生产。剧本必须结构化为“场次 + 镜头”的二维结构。

先写一个单集大纲：

一集主题：主线剧情推进 + 角色关系亮点 + 结尾钩子 单集时长目标：3分钟（约30个分镜） 对白量：每镜头不超过3句 信息密度：前10秒必须有冲突或笑点

然后写分镜脚本表格。这是AI漫剧生产中最关键的中间格式，建议每集都维护一份这样的表。

| 镜头号 | 景别 | 画面描述 | 角色动作 | 对白 | 时长(s) | | --- | --- | --- | --- | --- | --- | | 01 | 全景 | 深夜办公室，人群已散去 | 小林独自坐在工位 | （旁白）今晚又是我加班 | 3 | | 02 | 中景 | 小林正脸，屏幕光映在脸上 | 抬头看时间 | 我该走了。 | 2 | | 03 | 特写 | 小林工牌，上面写着“加班侠” | 无 | （音效）滴答 | 2 |

分镜表是后续所有画面的唯一依据。AI绘画时，把“画面描述”和“角色动作”拼进提示词，把“角色描述”放进参考图参数，就能批量产出分镜图。

5.2 第二步：角色参考图生成提示词

选定一个角色后，先做角色立绘。以下是一组可直接修改的正向提示词模板：

a young female programmer, black short straight hair, blunt bangs, dark brown eyes, round face, teardrop mole below right eye, wearing light blue hoodie, office background, clean atmosphere, soft lighting, anime style, high detail, portrait view

反向提示词模板：

lowres, bad anatomy, bad hands, text error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, blurry, long hair, ponytail, glasses, red clothing

注意，反向提示词中的“long hair、ponytail、glasses、red clothing”对应的是角色设定中的禁止项。把禁止项写进反向提示词，是一致性控制中既简单又有效的手段。

生成角色图后，还要导出三个固定视图：正脸、三侧面、全身。这三个视图就是后续所有分镜的视觉锚点。

5.3 第三步：AI分镜画面生成

有了分镜表和角色图，开始批量生成分镜静帧。每个镜头要做的事情是：把分镜表中的“画面描述”扩展成详细的视觉提示词，再结合参考图。

以镜头02为例，提示词可以这样组织：

medium shot, young female programmer sitting at office desk, turning head to look at clock on wall, tired expression, screen light glowing on face, blue hoodie, black short hair, office background blurred, anime style, consistent character, reference: [role_character_image]

这里有两个关键技巧：

• 在提示词中加入consistent character这类一致性提示，部分模型会加强参考图的权重。
• 生成后立刻对比参考图，检查脸型、刘海、瞳孔颜色。差异过大就换种子重跑，不要开始就追求完美，先保证基础一致。

5.4 第四步：图生视频动态化

静态画面生成后，使用图生视频工具让画面动起来。这一步的核心是描述“动作”，不是描述“场景”。

动作描述建议用简短动词短语：

the girl slowly turns her head, sighs, then looks down at the keyboard and starts typing

动态化工具的提示词不适合过长，重点写清楚“谁在做什么动作”“镜头运动方式（推进/固定/平移）”“时长”。如果工具不支持复杂动作，就拆成两个小片段生成：转头一个片段，打字一个片段，后面剪辑时拼接。

5.5 第五步：配音与剪辑合成

剪辑阶段，建议按下面顺序操作：

1. 把所有视频片段按分镜表顺序导入剪辑软件。
2. 按分镜表调时长：中景3秒、特写2秒、全景4秒，先按表对齐。
3. 先铺配音轨，再根据配音剪画面，因为语音节奏是观众的注意力锚点。
4. 字幕统一字体样式，建议放在画面下方安全区内。
5. 加转场音效和背景音乐，音量压到对白音量的30%左右。
6. 导出时设置分辨率1920×1080、帧率30fps、码率根据平台建议选择。

剪辑阶段最容易出的问题是对白和画面不同步。解决方式很简单：优先保证对白完整，画面可以适当前后移动。观众对视觉误差的容忍度，比对声音断掉的容忍度高得多。做漫剧尤其如此，对白是剧情推进的核心载体。

6. 手把手案例：跑通一个三分钟单集

这一章用一个极简案例，串起整条流程。案例主题选职场搞笑设定，阳光、无争议、适合练手。

6.1 案例剧本设定

一集目标：2分30秒，约24个镜头。为简化演示，只列出前6个镜头。

单集名称：加班侠的深夜奇遇 角色：小林（程序员，28岁，设定见上文） 剧情：小林深夜加班，发现自动贩卖机上多了一罐“喝了就不用加班”的神秘饮料。她喝了之后，代码开始自己写起来。 结尾钩子：第二天，小林发现同事们人手一瓶饮料。

6.2 分镜表与素材命名规范

第1到第6镜头：

| 镜头号 | 景别 | 画面描述 | 动作 | 对白/音效 | 时长 | | --- | --- | --- | --- | --- | --- | | 01 | 全景 | 深夜办公区 | 小林独自加班 | 旁白：又是加班的一天 | 3 | | 02 | 中景 | 小林抬头看时间 | 打哈欠 | 小林：快一点了…… | 3 | | 03 | 特写 | 时钟指向凌晨1点 | 无 | 滴答滴答 | 2 | | 04 | 中景 | 小林走向自动贩卖机 | 疲惫地投硬币 | 哐当 | 3 | | 05 | 特写 | 贩卖机里的神秘饮料 | 饮料滚出 | 嗡鸣音 | 2 | | 06 | 中景 | 小林盯着饮料罐 | 惊讶表情 | 小林：这是什么？ | 3 |

素材命名规范很关键，否则24个镜头生成下来，剪辑时会彻底混乱。推荐规则：

{集数}_{镜头号}_{内容类型}_{版本}.{扩展名} 示例： S01E01_01_bg_v01.png S01E01_02_char_v01.png S01E01_02_char_v01.mp4 S01E01_02_audio_v01.wav

文件夹结构如下：

project/ ├── 01_script/ # 剧本和分镜表 ├── 02_character/ # 角色设定图、表情集 ├── 03_images/ # 分镜静帧 ├── 04_videos/ # 动态视频片段 ├── 05_audio/ # 配音、音乐、音效 └── 06_export/ # 合成剪辑输出

这套命名规则能让剪辑阶段全部素材按文件名自动排序，大大减少手动拖拽时间。

6.3 批量生成片段后如何验证

每条片段生成后，对照两个维度验收：

• 画面一致性：该角色和参考图对比，发色、脸型是否匹配。
• 动作完整性：动作描述是否完成，结尾是否保持画面合理。

如果动作只做到一半，不要尝试在视频工具中续接，直接在剪辑软件中截断该片段，用下一镜画面衔接。漫剧画面切换频繁，观众对镜头之间细微中断并不敏感，反而对一张画面里出现半张嘴的错误最敏感。

6.4 剪辑合成顺序参考

剪辑软件时间轴上按如下顺序铺轨：

视频轨：片段按镜头顺序排列，间隙可放大0.2秒覆盖 音频轨1：配音对白 音频轨2：背景音乐（音量-20dB左右） 音频轨3：音效（按键声、时钟声、罐头笑声） 字幕轨：对白同步字幕

按这套顺序做完，基本就是一条可发布成片。从生成到输出，一个新手工时约4到6小时，熟练后可以压到2小时以内。

7. 常见问题与排查思路

AI漫剧的坑很集中。下面这张表是跑流程过程中最常见的五类问题和排查顺序。

新手最容易忽略的是反向提示词。很多人只拼命加正向描述，结果发色、服装细节不断漂移。记住：把角色设定中的禁止项同步写进反向提示词，一致性立刻上一个大台阶。

8. 最佳实践与工程建议

AI漫剧不是纯创意工作，更接近内容工厂的流水线运营。以下是实际项目中建议沉淀下来的一些习惯。

8.1 建立角色素材库

每一部漫剧，都应该维护一个角色素材库：

• 角色设定图（立绘、三视图、表情集）
• 角色提示词文本（正、反向）
• 角色参考图（喂给绘画模型的锚点）
• 角色声音预设（TTS音色配置）

素材库建好后，新人接手也能在半小时内跑出风格一致的画面，而不是每次从头试。

8.2 提示词工程化

不要每次现写提示词。把提示词拆成固定模块：

[角色模块] + [场景模块] + [动作模块] + [情绪模块] + [风格模块] + [质量模块]

示例：

小林(角色对齐参考图) + 深夜办公室，工位亮着台灯 + 抬手看表 + 疲惫神情 + 动漫风格，柔和光影，高细节 + 8k，best quality

每个模块做成固定文案模板，批量填充变量，速度会成倍提升。这也是AI漫剧从“玩票”走向“产能稳定”的关键一步。

8.3 节奏设计与爽感管理

漫剧要留住观众，前10秒必须有强钩子。实操技巧包括：

• 第1镜用全景建立场景，第2镜立刻切到冲突。
• 对白尽量短，单句不超过15个字，便于快剪。
• 每隔3到4个镜头放一个特写或音效卡点，制造节奏感。
• 结尾留一个悬念镜头，为下一集引流。

这些节奏管理不依赖AI，是导演基本功。AI漫剧降低的是绘画门槛，并没有降低内容门槛。

8.4 合规与版权注意事项

AI漫剧中涉及版权的问题要格外留意：

• 不要直接生成真人明星、知名动画角色。部分平台对这类内容限流甚至封禁。
• 剧本如果完全由大模型生成，发布前要做原创性检查，避免故事与现有作品过度雷同。
• 生成图片如果基于特定模型底座，建议确认平台商业许可范围。
• 视频平台发布时，遵守平台关于AI生成内容的标识要求。

合规问题不是生产流程结束后的法务议题，而应该前置到选题环节。选题不做版权过滤，做到第20集再出事，成本会变得非常高。

9. 总结与后续学习方向

AI漫剧之所以看起来“全66集都学不完”，是因为它天然跨了四个领域：编剧、绘画、视频生成、剪辑。每个领域单独都有一大堆工具和技巧，但真正能让你出片的能力，是把这些领域串成一条稳定流水线的工程能力。

回到开头那个问题：这套教程七天能不能学会？我的判断是：流程可以七天跑通，角色一致性、节奏感这些只能靠项目数量喂出来。没有任何教程可以替代你从第一步做到第十步的完整经历。如果你今天就想开始，我建议你把目标定小一点：不追求出爆款，先跑出一条两分钟完整成片。把分镜表建起来，把角色参考图固定下来，把素材命名规范做好——当你带着这些工程习惯再看那些66集教程时，你会清楚地知道，每一集解决的是流水线上的哪个环节，哪些值得看，哪些可以跳过。