AI 漫剧：从剧本到成片的完整流程，附少量代码

一、先纠正一个误区：AI 漫剧不是“一键成片”

一次性让 AI“生成一整集漫剧”，常见结果是：

• 主角第 1 镜是黑发，第 12 镜变成棕发，第 30 镜直接换了张脸；
• 画风在日系、美漫、厚涂之间随机跳；
• 镜头时长和台词对不上，配音赶不上画面；
• 转场生硬，情绪没有铺垫；
• 素材命名混乱，重做一镜要找半天。

所以正确姿势不是“生成整集”，而是把制作拆成资产先行、分镜驱动、批量生成、后期缝合的流水线：

1. 剧本：一集一个核心冲突，控制时长；
2. 设定：角色、场景、画风的参考图与提示词模板；
3. 分镜：一镜一行，写清画面、台词、时长、景别；
4. 出图：按分镜批量生成首帧，人工筛选；
5. 动态化：首帧图生视频，控制运动幅度；
6. 配音：按台词生成，对齐时长；
7. 剪辑：拼接、字幕、音效、标识；
8. 归档：资产库和分镜表同步更新。

二、第一步：剧本要按“分钟”写，不按“集”写

AI 漫剧单集通常 1—3 分钟，信息密度极高。剧本阶段就要卡死时长，否则后面全是删减。

一个实用的任务卡：

项目：短篇漫剧《最后一班地铁》第1集
时长：90 秒
镜头数：约 40—50 镜
核心冲突：主角发现末班车上多了一个不该存在的乘客
角色：林夏（女主，短发，深蓝外套）、乘务员（中年，制服）
画风：日系赛璐璐，冷色调，电影感构图
禁忌：不出现真实品牌、不出现真实地铁线路标识

“禁忌”一栏必须写。AI 会自作主张加logo、加文字，后期返工很贵。

三、第二步：角色一致性，靠资产库而不是靠运气

这是 AI 漫剧最大的技术门槛。可靠的做法是三件套固定：

1. 角色参考图：每个角色 3—5 张标准图（正面、侧面、半身、表情）；
2. 提示词模板：外貌描述写成固定段落，逐字复用，不要每次改写；
3. 生成参数：同一定模型、同一采样参数、固定种子作为起点。

更稳的是用“角色 LoRA 或参考图注入”的方式锁定形象。如果没有条件训练，就用“参考图 + 固定描述 + 首帧图生视频”组合，把一致性压在首帧上。

一个提示词模板示例：

[角色] 林夏：20岁女性，黑色齐耳短发，深蓝色短外套，白色内搭，冷白皮肤，清冷表情。 [画风] 日系赛璐璐动画风格，冷色调，电影感构图，中景。 [约束] 不出现文字、logo、水印；人物比例正常。

模板里不要出现变量。变量放在分镜表里，模板本身要保持一字不改。

四、第三步：分镜表是整条流水线的中枢

分镜表写不好，后面所有环节都会失控。建议用结构化数据管理，一镜一行，字段固定

from dataclasses import dataclass
from typing import Literal

@dataclass
class Shot:
    shot_id: str                      # 如 S012
    scene: str                        # 场景
    shot_type: Literal["特写","近景","中景","全景"]
    visual: str                       # 画面描述
    line: str                         # 台词，可空
    duration: float                   # 秒
    character: str                    # 出场角色

def check_shots(shots: list[Shot], target: float = 90.0) -> list[str]:
    errs = []
    if sum(s.duration for s in shots) > target + 3:
        errs.append(f"总时长超限：{sum(s.duration for s in shots):.1f}s")
    ids = [s.shot_id for s in shots]
    if len(ids) != len(set(ids)):
        errs.append("镜头编号重复")
    for s in shots:
        if s.duration <= 0 or s.duration > 8:
            errs.append(f"{s.shot_id} 时长异常：{s.duration}s")
        if not s.visual.strip():
            errs.append(f"{s.shot_id} 缺少画面描述")
    return errs

这段代码的价值不在复杂，而在把“审片标准”前置成校验规则。总时长超限、编号重复、单镜过长，这些在生成前就能拦住，比成片后返工便宜一百倍。

五、第四步：批量生成要带重试和规范命名

一集几十上百张图，手工点不现实。批量脚本必须解决三件事：失败重试、文件命名、生成记录。

import os, time, hashlib

OUT = "assets/shots"

def task_name(shot_id: str, prompt: str) -> str:
    h = hashlib.md5(prompt.encode()).hexdigest()[:8]
    return os.path.join(OUT, f"{shot_id}_{h}.png")

def gen_with_retry(shot_id: str, prompt: str, gen_fn, retries=2):
    path = task_name(shot_id, prompt)
    if os.path.exists(path):
        return path                      # 已生成则跳过，支持断点续跑
    for i in range(retries + 1):
        try:
            img = gen_fn(prompt)         # 你的出图函数
            img.save(path)
            return path
        except Exception as e:
            if i == retries:
                raise RuntimeError(f"{shot_id} 生成失败: {e}") from e
            time.sleep(2 ** i)

文件名里带提示词哈希，好处很直接：改了提示词就会生成新文件，旧的不会被覆盖，方便对比筛选。 这是 AI 内容生产里非常实用的小习惯。

六、第五步：动态化，动得少才稳

图生视频的通病是：动作一大就崩脸、崩手、崩背景。经验规则是：

• 优先做轻微运动：呼吸、眨眼、镜头推拉、发丝飘动；
• 避免大幅肢体动作和复杂交互；
• 单镜时长控制在 2—5 秒，长镜头拆成多个短镜；
• 需要人物说话时，用“口型特写 + 轻微头部动作”，比全身说话稳定得多。

不要指望 AI 一镜完成复杂表演。漫剧的优势恰恰是可以用分镜、特写、空镜和音效来讲故事，把难点绕过去。

七、第六步：配音与节奏对齐

配音决定成片质感。要点：

1. 每个角色固定一个音色，并记录音色参数，避免下一集换声；
2. 台词先生成，量出每句实际时长，再回填分镜表的 duration；
3. 语速、停顿、情绪标签写进配音提示；
4. 旁白和角色对话分开处理，音色不要混。

节奏判断有个简单标准：如果一句台词说完，画面还空了 2 秒没事发生，这一镜就该剪短或加动作。

八、第七步：剪辑与发布规格

最后一步是缝合。建议固定一套模板：

• 分辨率与帧率统一，全片不要混用；
• 转场克制，多用硬切和音效过渡；
• 字幕统一字体、字号、位置；
• 片头 3 秒内出现核心冲突，别做长片头；
• 按平台要求添加 AI 生成内容标识；
• 导出前检查音画同步和响度。

发布规格提前定好，能避免“剪完了发现比例不对”这种低级返工。

九、AI 在流程里的正确角色

• 剧本：帮你想分支和冲突，但主线和人物动机要人定；
• 设定：帮你扩写外貌描述，但角色辨识度要人把关；
• 分镜：帮你把文字拆成镜头，但节奏和情绪要人判断；
• 出图：批量执行，人负责筛选；
• 配音：生成候选，人负责定音色；
• 剪辑：可辅助，但成片节奏必须人看。

一句话：AI 负责产能，你负责审美和一致性。

十、常见坑

1. 不建资产库就开画：角色越画越不像，全片报废。
2. 提示词每次重写：一致性直接崩，且无法复现。
3. 分镜表不结构化：时长、编号、台词全靠记，后期必乱。
4. 一镜塞太多动作：图生视频崩脸崩手。
5. 配音最后才做：时长对不上，只能反复剪画面。
6. 忽略平台标识要求：可能被限流或下架。
7. 不做归档：第二集想复用第一集设定，发现找不到了。

结论

AI 漫剧的正确姿势，不是“一键生成一部剧”，而是资产先行、分镜驱动、批量生成、后期缝合：角色参考图锁一致性，固定提示词模板保可复现，结构化分镜表控节奏，批量脚本带重试和规范命名，配音回填时长，剪辑统一规格。

代码可以很少，但资产库不能乱，模板不能改，合规标识不能省。记住一句话：AI 漫剧拼的不是生成能力，是资产管理和节奏控制；一致性做不住，画得再好看也成不了剧。