企业官网建设流程全解析

AI漫剧是最近在B站上涨得很快的内容品类，简单说就是用AI生成的漫画风格画面，加上配音、字幕和剪辑，做成几分钟一集、节奏紧凑、适合手机竖屏刷的剧情视频。豆包AI这类大模型工具，刚好能把脚本构思、分镜描述、配音文本这些前期环节串起来，让一个完全不会画画的零基础新手，也有机会独立完成一条完整成片。下面按实际操作顺序拆：脚本、分镜、配音、剪辑，每个环节需要准备什么、怎么验证、做坏了从哪里排查，都会写到。先说明一点：这套流程不依赖额外插件，主要用豆包AI的对话和生成能力，配合剪映这类常规剪辑软件。工具版本不同，具体入口会有差异，但整体链路是通用的。

1. 先搞清楚AI漫剧的完整链路，别一头扎进工具里

1.1 漫剧和短剧的差别在哪里

很多人第一次听到"AI漫剧"，会以为它和AI短剧是一回事。其实两者定位不太一样。

AI短剧更接近真人短剧的视频节奏，通常靠AI生成连续视频片段来拼故事，对画面连贯性要求很高。AI漫剧更像"会动的漫画"，本质是一张张静态分镜图，通过镜头推拉、转场、配音和字幕来制造叙事感，不依赖完整的运动画面。

这个差别直接决定了制作难度。漫剧不需要处理复杂的动作连贯性，只要把每一张图的质量稳住、把镜头运动和配音节奏对齐，成品观感就能达到及格线。这也是AI漫剧更适合零基础新手的原因。

• 漫剧制作核心：脚本、分镜图、配音、剪辑
• 不需要的能力：真人演员、实拍场地、复杂动画
• 主要成本：生图时间和剪辑时间

如果你完全没有视频制作经验，从AI漫剧入手，反馈周期比AI短剧短得多。做完一集你会很清楚每一步产出什么、失败在哪里。

1.2 豆包AI在这条链路里承担什么角色

豆包AI不是一条龙自动生成整集视频的工具。它的角色更准确的说法是"助手加流水线工具"：

• 脚本阶段：帮你把一句话梗概扩成分场脚本、写好台词
• 分镜阶段：根据文字描述生成漫画风格的分镜画面
• 配音阶段：生成配音文本，如果你的工具版本支持语音合成，还可以直接产出音频
• 剪辑阶段：帮你整理分镜表、生成字幕文本

每个环节它都能参与，但没有哪个环节是可以完全甩手不管的。尤其分镜图，大概率要多生成几次、挑一张能用的。这不是工具不行，而是内容创作本来就包含筛选和判断。

建议一开始就把预期放对：豆包AI负责把文字变成可用的素材，你负责把所有素材串成一条完整视频。

2. 开跑之前，先把三样基础工作准备好

2.1 账号和运行环境，新手怎么选

豆包AI有网页端和移动端。我的建议是：如果你要系统做漫剧，优先用网页端。

网页端的好处是方便复制粘贴脚本、提示词，可以同时开多个对话，不怕手机屏幕来回切换。你需要在生成分镜图时反复调整描述，网页端做这件事比手机上顺手得多。

移动端更适合零散的灵感记录，比如走在路上想到一个剧情，随手记下来。真正进入批量生成阶段，还是回到电脑前效率高。

设备方面，因为图片主要由平台侧生成，本地电脑配置要求不高。普通办公笔记本跑剪辑软件也没问题。如果电脑内存低于8G，剪辑时尽量关掉其他软件，可以减少卡顿。

2.2 先写角色设定和场景清单，再开始生成

这是新手最容易跳过的一步，也是后面画面"脸飘"的根源。

在你让AI生成任何一张分镜图之前，先写两份基础文档。

角色设定卡，内容至少包括：

• 角色名、性别、年龄段
• 发型、发色、眼睛颜色
• 服装特征和主色调
• 性格关键词和常用表情

场景清单，内容至少包括：

• 场景名称（如"咖啡店""老宅客厅"）
• 环境元素（桌椅、灯光、窗外天气）
• 时间氛围（白天、夜晚、阴天、暖光）

这两份文档的作用，是让你在写每一张分镜图提示词时，都能把同一个角色的外貌描述原样粘贴过去。角色一致性不是靠AI记住，而是靠你每次提示词里都带上一模一样的固定描述。

2.3 提示词模板，直接可以拿来改

以下是我整理的基础提示词结构，可以根据实际工具和画风需求调整：

一个人物，[固定角色外貌描述]，[当前动作]，[当前表情]，站在/坐在 [具体场景环境]， 镜头从 [角度/距离] 拍摄，[画风关键词，如：日系漫画、赛璐璐、厚涂]，竖屏 9:16

举个例子，如果角色设定是"红发双马尾少女，穿白色连帽卫衣，蓝色牛仔裤"，那么提示词可以写成：

一个18岁少女，红色双马尾，蓝眼睛，穿白色连帽卫衣和蓝色牛仔裤， 正站在深夜便利店门口，神情惊讶，手里拿着手机， 镜头中景平拍，日系漫画风格，竖屏 9:16

这串提示词里的角色描述部分，每一张分镜图都要尽量保持一致。场景和动作可以变，人物外貌描述不要随意改。

3. 脚本构思：从一句话，到一个能用的分镜表

3.1 先写一句话梗概，控制故事范围

漫剧单集时间通常控制在1到3分钟，剧情容量很小。很多人第一次做，总想塞进大量情节，结果每一段都很浅。

正确做法是先写一句话梗概。结构可以参考：

"主角在什么情境下，想完成什么目标，遇到了什么阻碍，最终如何解决。"

比如：

"一个社恐外卖员在送餐时被卷入一场误会，为了证明自己不是小偷，他必须在晚上12点前找到真正的失主。"

这句话确定之后，先别急着扩写。先判断这件事能不能在3分钟内讲完。讲不完就继续缩减，只保留一个矛盾。

3.2 让AI扩写时，分成几步走

不要在对话框里直接说"帮我写一集完整脚本"。那样生成的内容通常又长又散，后面删改成本极高。

我建议分四步让豆包AI帮你扩写。

第一步，把一句话梗概发过去，要求它生成"开场、冲突、解决"三个段落。

第二步，每个段落再拆成2到3个场景，标注场景位置。

第三步，每个场景写出角色台词和动作提示，注意台词要口语化，不要书面腔。

第四步，把所有内容整理成一张分镜草表：镜号、景别、对白、画面说明、预估秒数。

每次只让AI做一步，生成后人工检查一遍再进入下一步。虽然多花一点时间，但脚本质量会稳定很多。

下面是一个可以使用的提示词示例：

我准备做一个AI漫剧，单集时长2分钟左右。这是一个故事梗概：[粘贴你的梗概]。 请先帮我拆成3个段落：开场、冲突、解决。每个段落用2句话说明核心事件。 先不要写完整台词。

确认段落没问题后，再继续让它生成分场和台词。逐步展开，不要一次生成到底。

3.3 分镜表是整个项目的总纲

分镜表是脚本阶段最重要的产出。后续所有生图、配音、剪辑都以它为准。

分镜表不需要很复杂，一般包含这几列：

这张表写完后，建议保存成表格文件。后面每生成一张分镜图，就对应表里一个镜号。文件命名直接按"镜号+场景"来，比如"03_便利店对峙.png"，后期剪辑会省很多事。

4. 生成分镜：文字变画面时，最该盯住这三个问题

4.1 分镜提示词怎么写才不容易崩

有了分镜表，写提示词就不是从零开始，而是把表里的画面描述翻译成AI更容易理解的句子。

注意一个常见错误：画面描述写得太抽象。比如"气氛很紧张"，AI并不知道什么叫"气氛紧张"。你要写成具体可感知的元素："两人距离一臂，互相盯着对方，手都握成拳头，背景是灰暗的墙面，顶灯打在头顶。"

写分镜提示词时，这四类信息缺一不可：

• 角色是谁（固定外貌描述）
• 在做什么动作
• 在什么场景里
• 用什么景别和视角

画风关键词放在最后面，不影响主体信息。如果你想要不同集数的风格统一，画风关键词也要固定。

4.2 角色一致性，靠固定描述词和参考图

"同一张脸"是AI漫剧最容易翻车的地方，没有之一。

第一次做的人，经常发现上一张图的男主和下一张图的男主长得像两个不同的人。原因基本是三个：

第一，提示词里角色外貌描述每次都不一样，甚至漏写。 第二，生图工具对同一条描述也可能输出不同结果，因为你没有给它参考。 第三，AI模型对画风的随机性比较强，漫画风格尤其明显。

解决方案按优先级排序：

1. 固定角色描述词：每次写提示词都用一模一样的角色外貌描述，不省略不修改。
2. 使用参考图：如果工具支持图生图或者参考图功能，把上一张最像的图作为参考，再生成下一张。
3. 维护角色样图：每一集开头先生成一张最满意的角色形象图，之后尽量基于它来生成变体。

如果工具确实不支持参考图，那就要接受"多生成几次再挑"的现实。不要花时间去纠结为什么AI记不住角色，它的本质是概率生成，不是数据库。

4.3 画面质量怎么判断，要不要返工

一张分镜图能不能用，我一般按这个顺序检查：

• 面部是否正常，眼睛、嘴巴有没有明显畸形
• 手部、肢体是否自然，有没有多手指、断手问题
• 画面构图是不是人物居中、内容可读
• 角色外貌和设定卡是否一致
• 有没有奇怪的乱码文字（海报、招牌等位置容易出错）

只要出现上面任何一项，就重新生成，不要想着"先拿这张凑合"。一张出问题问题不大，三张连着出问题，观众立刻出戏。

单集2分钟的漫剧，分镜图大约需要20到40张。这个数量不是一次性生成的，建议按场景分组，一次生成3到5张，选完再继续下一组。这样方便控制质量，也方便定位问题。

5. 配音与背景音效：台词是第一优先级

5.1 先测音色，再调语速，不要直接开录

配音直接决定漫剧观感。很多新手觉得"有声音就行"，结果配上之后，画面很精致、声音很粗糙，整条视频瞬间掉价。

如果你的豆包AI版本支持语音合成，建议先做一次音色测试。测试时不要只测一两句话，要选一段带情绪的台词，比如惊讶、难过、冷漠各说一句。原因很简单：有些音色念中性句子还好，遇到情绪起伏就会显得很平。

选好音色后，语速也要单独确认。漫剧节奏通常偏快，但语速过快会让人听不清。我习惯把语速控制在每分钟240到280字左右。你可以先合成30秒音频，数一下字数，就知道当前语速合不合适。

如果当前工具不支持直接语音合成，也可以用系统自带的语音能力或其他合规语音工具导出音频。核心不是工具叫什么都行，而是输出格式要方便剪辑，一般MP3或WAV都够用。

5.2 多角色对话，按角色分别生成

漫剧里经常有两个人甚至三个人对话。新手最容易犯的错误，是把所有台词放进一段里让AI一口气读出来。

这样做的问题不只是音色混乱，更麻烦的是后期想单独调整某一句就非常困难。如果AI把整段合成到一段音频里，中间有一句读错了，你可能要整段重新合成。

正确做法是：一个角色，一个音色，一条音频。生成后用统一的命名规则保存，比如"05_男主_你误会了吧.mp3"。

到了剪辑阶段，把这些音频按时间线拖进去，每条都独立可控。哪条语速不对就重做哪条，不用动其他内容。

5.3 音效和背景音乐，优先级放在台词后面

AI配音只解决"人声"部分。环境音、脚步声、门铃声、背景音乐，这些建议用剪辑软件自带的素材库解决。

优先级排序是：台词 > 音效 > 背景音乐。

背景音乐不要选太抢戏的，音量建议压到人声的二分之一以下。音效不要每个动作都加，只在关键节点加，比如关门、电话铃、紧张时的低频音。

如果你发现整段视频听起来又吵又乱，几乎可以断定是背景音乐音量太高或者音效太密集。先把背景音乐静音听一遍台词，确认人声清楚，再逐步把音乐推回去。

6. 后期剪辑：把四路素材合成一条能看的片子

6.1 时间线的基本排法

打开剪辑软件之后，新建一个竖屏项目，分辨率设成1080乘1920，帧率30左右。

时间线从上到下建议这样排：

• 视频轨1：分镜图片，从左到右按镜号排好
• 音频轨1：台词，按分镜表预估时长摆好
• 音频轨2：音效
• 音频轨3：背景音乐
• 字幕轨：台词字幕

排完之后先不要急着加效果，先把每张图片的时长和对应台词对起来。

对时长的基本逻辑很简单：这一段台词需要5秒，那这张图至少要停留5秒，再多加0.3到0.5秒的余量，让观众不至于感觉画面突然被切走。如果某张图没有台词，停留2到3秒就够，太久会拖节奏。

6.2 让静态画面动起来，但不要炫技

静态画面如果直接静止着放，整条视频会显得很干。剪映里的关键帧可以给图片做缩放、平移，模拟推镜头和摇镜头的效果。

我习惯的做法是：

• 近景镜头：从1.0倍缓慢放大到1.1倍，制造"推进感"
• 远景镜头：从左向右缓慢平移，模拟摇镜头
• 人物对话镜头：轻微放大即可，不要来回晃

转场不要用太多花哨特效。淡入淡出、轻量叠化就够了。漫剧的核心是讲故事，不是展示转场素材库。

字幕方面，确保和台词逐句对应。导出前从头到尾看一遍，重点看字幕有没有漏字、错字、断句奇怪。字幕字号不要太小，手机上看不清楚等于白加。

6.3 导出前，先做一次完整播放检查

导出之前，把整条视频按正常速度播放一遍。下面这几类问题是我自己经常遇到的：

• 图片和台词不匹配：台词讲的是A画面，画面上却还是B场景
• 图片停留过短：观众看不清画面内容就被切走了
• 字幕越界：字幕被手机底部黑边或平台按钮挡住
• 背景音乐盖人声：对话都听不清
• 结尾突然断掉：没有结束感

这些问题不需要高级技巧，只要老老实实播一遍就能发现。不要跳过这一步直接导出。

导出参数方面，平台发布建议1080P、30帧，码率用默认即可。文件名、封面、标题这些发布信息，也建议在导出前想清楚，避免临时乱写。

7. 常见问题排查：翻车之后先看哪里

7.1 角色脸不一致，先查提示词和参考链

如果已经生成好几张图，发现角色长得不一样，不要急着重新生成。

排查顺序：

1. 对比这几张图的提示词，角色描述是不是有改动
2. 检查是否漏用了参考图
3. 检查画风关键词是否统一
4. 如果都没有问题，找一张脸部最接近的图，用它作为后续生成的参考

记住一个原则：角色一致性是"约束"出来的，不是"祈祷"出来的。你每次给AI的信息越一致，输出就越稳定。

7.2 配音和画面时长对不上，先改谁的

这个问题分两种情况。

如果是在剪辑前发现，优先修改分镜表的预估秒数，让画面数量和时间轴重新匹配。如果是在剪辑中，直接以音频长度为准，因为重录台词的成本通常比重排图片更高。

具体操作是：选中一条台词音频，看它的时长是多少，然后把对应图片的停留时间改成这个时长加一点余量。不要先摆图片再硬截台词。

7.3 生图太慢、卡住，或者生成内容不对

先按这个顺序排查：

1. 当前网络是否稳定
2. 单次请求的内容是不是太多，比如一次性让它生成很复杂的多人物场景
3. 工具平台是否有排队或临时限制
4. 提示词里有没有互相矛盾的信息

如果反复卡住，最简单的方法是清掉当前对话，重新发一条内容更短的提示词。长提示词不是问题，但信息太杂、互相冲突，会显著增加生成的随机性。

另外，重要文本一定要保存到本地。不要只依赖对话记录，万一记录被清掉或者版本更新，你的脚本和提示词就没有了。

7.4 导出后画质变糊，先看分辨率设置

有些人做了很久发现导出的视频在手机上一片糊。常见原因是图片本身分辨率太低，或者导出时选了低分辨率。

分镜图尽量用平台支持的最高比例生成，竖屏选择9比16。导出时选择1080P以上。如果图片本身模糊，后期怎么救都有限，所以在生图阶段就要把关。

8. 新手上路：先做一分钟样片，再想全集

8.1 一分钟样片的验收标准

第一次做漫剧，不要一上来就规划20集。先做一支1分钟左右的样片，把整条链路走通。

样片建议控制在：

• 场景2到3个
• 分镜图10到15张
• 角色1到2个
• 台词不超过10句

验收标准就三条：画面角色统一、台词听得清、剧情能看懂。只要这三条达标，你就可以开始尝试做完整的一集。

8.2 从样片到全集，要额外处理三件事

样片只是单条链路测试。真正做全集时，工作量会明显增加，至少要多处理三件事。

第一，角色存档。每个角色要维护一张样图和一份固定描述词，每一集生成时都复用。

第二，分镜素材管理。不同集数的图片文件建议按"集数+镜号"命名，单独建文件夹，避免后期找素材找到崩溃。

第三，批量效率。逐张生成很慢，建议按场景批量生成，生成一批、筛选一批、命名一批，不要等到全部生成完再整理。

8.3 内容合规和平台发布，别忽略

做内容时有一点要始终记住：不要生成涉及真实人物肖像、版权角色、违规内容的画面。AI漫剧虽然由AI生成，但发布到公开平台一样要遵守平台规则。

发布前检查封面、标题、简介有没有夸大误导，比如"全网最强""一键学会"这类词建议不要用。现在很多平台对AI生成内容有标注要求，发布时留意平台的相关设置即可。

整体来说，AI漫剧是一个门槛不高、但很吃流程管理的内容形式。豆包AI帮你解决了从零到有的素材生成问题，剩下的是你愿不愿意把脚本、生图、配音、剪辑每个环节都老老实实过一遍。先跑通一分钟样片，再考虑放大。这条路，零基础也能走完。