企业官网建设流程全解析

AI 漫剧这个词最近半年在圈子里出现的频率越来越高。所谓漫剧，简单说就是用漫画分镜加配音配乐，把一段故事做成动态视频，介于静态漫画和完整动画之间。它比纯动画门槛低得多，又比静态图文更有观赏性，所以很多个人创作者和小团队都想试水。但真上手就会发现，从一句故事梗概到一条能发出去的成片，中间横着剧本、分镜、绘图、配音、剪辑好几道坎，每一道都能劝退一批人。我自己从去年开始折腾这条链路，前后试了十几种工具，踩过的坑能写满一个笔记本。这篇就把我目前稳定在用的五个免费开源工具串起来讲清楚，从写剧本一路到出成片，每个环节为什么选它、怎么配、哪里容易翻车，都说明白。适合想入门 AI 漫剧但不知道从哪下手的新手，也适合已经在做但想优化流程的老手。

1. 先想清楚漫剧这条链路到底卡在哪

很多人一上来就问用什么工具画图，其实这是把顺序搞反了。漫剧的难点从来不是单点工具，而是环节之间的衔接。我见过太多人剧本写得挺好，分镜也画得不错，结果卡在配音和字幕对齐上，最后成片节奏稀碎。所以在选工具之前，得先把整条链路拆开看。

1.1 从故事到成片的五个必经环节

一条完整的漫剧，无论长短，都要经过这几个阶段：剧本创作、分镜设计、画面生成、配音配乐、剪辑合成。每个阶段的产出物是下一个阶段的输入，任何一个环节的格式不对，后面就得返工。比如剧本如果没标注清楚场景和角色对白，分镜阶段就得靠人脑补，效率直接砍半。

我自己的习惯是把这五个环节的产出物都标准化。剧本用带场景标记的纯文本，分镜用带时间轴的表格，画面按分镜编号命名，配音按句子切分并编号，最后剪辑时按编号对齐。这套规范听起来麻烦，但一旦跑顺，返工率能降一大半。

1.2 为什么免费开源工具反而更适合个人创作者

商业工具确实省事，但有两个问题绕不开：一是按量计费，做长片成本压不住；二是数据不在自己手里，改个参数都得看平台脸色。开源工具虽然配置麻烦点，但胜在可控。你可以本地跑，可以改源码，可以批量处理，做几十集连载也不会突然被涨价卡脖子。

更重要的是，开源工具的社区生态很活跃。你遇到的问题大概率别人也遇到过，翻翻 issue 和讨论区基本能找到答案。我用的这几个工具，每一个都是靠社区文档和别人的踩坑记录才跑通的。

1.3 这套工具组合的适用边界

需要说明的是，这套方案适合的是个人或小团队做中等长度的漫剧，大概单集三到十分钟那种。如果你要做电影级的长片，或者需要极其精细的作画，那还是得靠专业团队和商业软件。开源工具的优势在效率和成本，不在极致画质。

另外，这套流程对创作者的剧本能力要求不低。工具能帮你把文字变成画面，但故事本身好不好看，还是得靠人。我见过有人工具用得很溜，但剧本平淡如水，成片出来照样没人看。

2. 剧本环节：用结构化模板把故事钉死

剧本是一切的起点，也是最容易被轻视的环节。很多人觉得写剧本就是讲故事，随手写一段就丢给下一步，结果分镜阶段发现信息不全，来回沟通浪费大量时间。我的做法是用一套结构化模板，把剧本该有的信息一次性写全。

2.1 为什么不用现成的 AI 写作工具直接生成

市面上确实有不少 AI 写作工具能生成故事，但我实测下来，直接生成的结果很难直接用。问题在于这些工具默认输出的是小说体，大段描写和心理活动，而漫剧需要的是可视觉化的对白和动作。你得把小说体再翻译成剧本体，这一步反而更费劲。

所以我更推荐用通用大模型加自定义提示词的方式。你可以把剧本模板作为系统提示的一部分，让模型按格式输出。这样生成的内容直接就是可用的剧本结构，省去二次转换。

2.2 我用的剧本模板长什么样

模板的核心是把每一场戏拆成场景头、角色动作、对白三部分。场景头标注时间地点和氛围，角色动作描述画面里能看到的东西，对白就是角色说的话。关键是所有描写都必须是镜头能拍出来的，不能写"他心里很纠结"这种抽象内容，要写成"他攥紧拳头，指节发白"。

场景 1：深夜的便利店 时间：凌晨两点 氛围：冷清，荧光灯发白 动作：林晓推门进来，风铃响了一声。她走到货架前，拿起一盒泡面，又放下。 对白： 林晓：（自言自语）又是这个点。 店员：（抬头看了一眼）老样子？ 林晓：嗯。

这个模板的好处是，分镜阶段可以直接按场景和对白切分，每个对白对应一个镜头，动作描述直接变成画面提示词。

2.3 用大模型批量生成剧本的提示词技巧

我常用的提示词结构是这样的：先给角色设定和世界观，再给这一集的剧情大纲，最后附上模板格式要求。关键是要求模型输出时严格遵守模板，不要自由发挥。如果模型输出的格式不对，就在提示词里加一句"只输出模板内容，不要任何额外说明"。

还有一个技巧是分场景生成。不要一次性让模型写完整集，而是一场戏一场戏地生成。这样每场戏的质量更可控，出问题也容易定位。我一般会先生成前三场，检查格式和内容，确认没问题再继续。

提示：生成剧本时把温度参数调低一些，大概 0.7 左右，这样输出更稳定，不会突然跑偏。

2.4 剧本阶段的常见坑与检查清单

最常见的坑是场景描述太文学化。比如写"夕阳西下，她的心情如同这暮色一般沉重"，这种句子分镜阶段根本没法处理。正确写法是"夕阳照在她脸上，她低着头，影子拉得很长"。所有描写都要能被镜头捕捉。

第二个坑是对白太长。漫剧的节奏比电视剧快，一句对白超过二十个字，观众就会觉得拖。我一般会把长对白拆成几句短的，配合角色动作交替出现。

第三个坑是场景切换太频繁。每换一个场景，分镜和画面都要重新做，成本很高。能在一个场景里讲完的戏，尽量不要拆成两个场景。

3. 分镜环节：把文字翻译成镜头语言

分镜是漫剧的骨架。剧本是文字，分镜是画面，中间这一步就是把文字翻译成镜头。很多人跳过这一步直接画图，结果画面和剧情对不上，剪辑时才发现缺镜头。我的做法是用表格把每个镜头的信息固定下来，作为后续绘图的依据。

3.1 分镜表应该包含哪些字段

我的分镜表有这几个字段：镜头编号、对应场景、景别、画面描述、对白、时长。景别分远景、中景、近景、特写，这个决定了画面里角色占多大比例。画面描述要具体到角色的姿势、表情、背景元素。时长是预估的，后面剪辑时再微调。

这张表就是后续所有工作的总纲。绘图按镜头编号来，配音按对白来，剪辑按编号和时长来。

3.2 用 AI 辅助拆分镜的实操方法

分镜可以手工拆，也可以用 AI 辅助。我的做法是把剧本按场景切分，每个场景单独丢给大模型，让它按分镜表格式输出。提示词里要明确景别的定义和画面描述的要求，否则模型会输出很笼统的内容。

一个实用的技巧是要求模型为每个对白至少配一个镜头，动作复杂的地方可以拆成多个镜头。比如"她拿起泡面又放下"这个动作，可以拆成"手伸向货架"和"手缩回来"两个镜头，画面更有节奏感。

3.3 景别和节奏的搭配经验

景别不是随便选的，它直接影响观众的情绪。远景用来交代环境和氛围，中景用来展示角色动作，近景用来表现情绪，特写用来强调细节。一场戏里景别要有变化，一直用同一种景别会显得很平。

我的经验是，对话戏多用近景和特写交替，动作戏多用中景和远景交替。开场用远景建立环境，结尾用近景或特写收情绪。每场戏的第一个镜头和最后一个镜头要特别设计，因为它们决定了这场戏的进入和退出感。

3.4 分镜阶段的返工预防

分镜阶段最大的返工来源是画面描述不够具体。比如写"林晓很伤心"，绘图阶段就不知道画什么表情。要写成"林晓低着头，眼眶发红，嘴角向下"。所有情绪都要翻译成可见的视觉元素。

另一个返工来源是镜头之间的连贯性没考虑。比如上一个镜头角色在左边，下一个镜头突然跑到右边，观众会懵。分镜时要标注角色的位置和朝向，保证镜头切换时空间关系是连贯的。

4. 画面生成：开源绘图工具的选择与调参

画面是漫剧最耗时的环节。一集三分钟的漫剧，大概需要五十到八十个镜头，每个镜头都要出图。如果用商业工具按张计费，成本很快就上去了。开源绘图工具本地部署，一次配置好可以无限出图，这是它最大的优势。

4.1 本地部署绘图工具的环境要求

本地跑绘图模型，显卡是关键。我的经验是显存至少 8G 起步，12G 以上会比较舒服。低于 8G 也能跑，但分辨率上不去，出图速度也慢。内存建议 16G 以上，硬盘留出 50G 空间放模型文件。

软件环境方面，需要装好显卡驱动和对应的计算框架。具体版本要根据你的显卡型号来定，装之前先查一下社区推荐的组合，版本不匹配是最常见的报错来源。我踩过好几次坑，都是驱动和框架版本对不上导致的。

4.2 模型选择：写实风还是二次元风

漫剧的画面风格主要分两类：写实风和二次元风。写实风适合都市、悬疑这类题材，二次元风适合校园、奇幻这类题材。对应的模型也不一样，写实风用写实向的基础模型，二次元风用动漫向的基础模型。

我的建议是先用基础模型出几张测试图，看看风格是否符合预期，再决定要不要换模型。不要一上来就下载一堆模型，硬盘吃不消，选择困难也会拖慢进度。

4.3 提示词的结构化写法

绘图提示词和剧本一样，也需要结构化。我的写法是分四段：主体描述、风格描述、构图描述、质量描述。主体描述说清楚画面里有什么，风格描述定调子，构图描述定景别和角度，质量描述加一些通用的质量词。

主体：一个年轻女性站在便利店货架前，手里拿着一盒泡面，表情疲惫 风格：日式动漫风格，柔和光线，冷色调 构图：近景，略微俯视角度，角色在画面左侧 质量：高细节，清晰线条，专业插画

这个结构的好处是每一部分职责明确，调整时知道该改哪里。比如觉得风格不对就改风格段，觉得构图不好就改构图段。

4.4 角色一致性：漫剧绘图的头号难题

漫剧和单张插画最大的区别是角色要反复出现。同一个角色在不同镜头里长得不一样，观众立刻出戏。解决角色一致性有几个思路：一是用角色参考图功能，把角色的标准形象作为参考；二是固定角色的提示词描述，每次生成都带上；三是用专门的角色一致性插件。

我目前用的是参考图加固定提示词的组合。先出一张角色标准图，确认满意后保存，后续每个镜头都把这张图作为参考。提示词里角色的外貌描述要一字不差地复制，不要每次重新写。

注意：角色一致性没有百分之百完美的方案，总会有几张图需要重出。我的做法是每个镜头出四张，挑最像的，实在不行就手动修。

4.5 批量出图的工作流优化

五十到八十个镜头，如果一张一张手动出，效率太低。我的做法是把分镜表整理成批量任务，每个镜头对应一组提示词，用脚本批量提交。出图后按镜头编号自动命名，方便后续查找。

批量出图时要注意显存占用，一次提交太多任务容易爆显存。我一般设置成队列模式，一张出完再出下一张，虽然慢一点但稳定。如果显卡够好，可以开两到三个并行任务。

5. 配音配乐：让画面活起来的声音层

画面出来之后还是哑剧，配音配乐才是让漫剧活起来的关键。这一步很多人随便找个工具就上了，结果声音和画面对不上，或者音质太差，整体质感直接掉档。

5.1 开源语音合成工具的选型

开源语音合成工具这几年进步很大，自然度已经接近商业产品。选型时主要看三点：是否支持中文、是否支持情感控制、是否支持批量合成。中文支持是硬指标，情感控制决定了配音的表现力，批量合成决定了效率。

我试过好几个工具，最后稳定在用的这个支持多角色音色切换，可以给不同角色分配不同音色。它还支持语速和语调的微调，这对匹配画面节奏很重要。

5.2 配音与画面的对齐方法

配音和画面对齐是剪辑阶段最费时间的活。我的做法是在分镜阶段就把每句对白的时长估出来，配音时按这个时长生成。如果实际配音和预估差太多，就调整语速或者微调画面时长。

具体操作是先把所有对白按镜头编号导出成单独音频文件，命名和镜头编号对应。剪辑时按编号拖入时间轴，和画面对齐。这样即使某句需要重配，也只影响那一个镜头。

5.3 背景音乐和音效的获取渠道

背景音乐我一般用开源音乐库，注意看授权协议，有些要求署名，有些禁止商用。音效可以用开源音效库，环境音、动作音、转场音都有。选音乐时要考虑情绪和节奏，紧张的场景用快节奏，温情的场景用舒缓的。

音量平衡是个细节活。对白要清晰，背景音乐不能盖过对白，音效要恰到好处不能太突兀。我的经验是对白音量拉满，背景音乐压到对白的百分之三十左右，音效根据情况在百分之四十到六十之间。

5.4 配音阶段的常见问题排查

最常见的问题是合成出来的音频有杂音或者断句不对。杂音通常是采样率设置问题，断句不对是文本切分问题。我的做法是每句对白单独合成，不要一次性合成整段，这样出问题容易定位。

另一个问题是多角色音色区分度不够。如果两个角色音色太像，观众分不清谁在说话。选音色时要拉开差异，比如一个低沉一个清亮，一个快一个慢。

6. 剪辑合成：把所有素材拼成成片

剪辑是最后一步，也是把所有环节串起来的一步。这一步的工具选择相对自由，开源剪辑软件功能已经很完善，做漫剧完全够用。

6.1 开源剪辑软件的基本配置

开源剪辑软件我推荐用主流的那个，跨平台，功能全，社区教程多。配置上主要注意两点：一是项目帧率要和素材帧率一致，二是缓存盘要留足空间。漫剧素材多，缓存不够会卡顿。

导入素材时按镜头编号排序，这样时间轴上顺序不会乱。我习惯先铺画面，再铺配音，最后加音乐和音效。分层处理，每层职责清晰，改起来方便。

6.2 时间轴对齐的实操技巧

时间轴对齐的核心是让配音和画面对上。我的做法是先按分镜表的预估时长铺画面，然后把配音拖进来，看哪里对不上就微调画面时长。对白开始的时候画面要正好切到对应镜头，对白结束的时候画面可以多留一两秒再切。

转场效果不要滥用。漫剧的节奏靠镜头切换本身来带，加太多花哨转场反而显得业余。我一般只在场景切换时用简单的淡入淡出，镜头之间直接硬切。

6.3 字幕添加与样式统一

字幕是漫剧的标配，尤其是对白字幕。开源剪辑软件一般都有字幕功能，可以导入字幕文件批量添加。字幕样式要统一，字体、大小、颜色、位置全片一致。我一般用白色字体加黑色描边，保证在任何背景上都看得清。

字幕出现的时间要和对白同步，不要提前也不要滞后。我的做法是先把对白音频的时间点标出来，再按这个时间点生成字幕文件。

6.4 导出参数与平台适配

导出参数要根据发布平台来定。横屏平台用 1920x1080，竖屏平台用 1080x1920。帧率一般 30 帧够用，追求流畅可以上 60 帧。码率根据平台推荐值来，太高会被二次压缩，太低画质差。

导出前一定要完整预览一遍，检查有没有音画不同步、字幕错位、黑帧这些问题。我踩过好几次坑，都是导出后才发现问题，只能重新导。

7. 整条链路的串联与效率提升

单个环节讲完了，但真正的难点在于把它们串起来。我一开始是每个环节单独做，做完一个再做下一个，结果发现来回切换很费精力，而且前面环节的问题到后面才暴露，返工成本很高。

7.1 用文件夹结构管理项目素材

我的做法是给每个项目建一套标准文件夹结构：剧本、分镜、画面、配音、音乐、成片，每个文件夹里再按集数或场景分子文件夹。所有文件按统一规则命名，比如画面文件用"集数-镜头编号"命名。这样找素材的时候不用翻，直接按编号定位。

这套结构看起来简单，但坚持用下来效率提升很明显。尤其是做连载的时候，几十集的素材堆在一起，没有规范命名根本找不到东西。

7.2 哪些环节可以并行推进

整条链路不是严格串行的。剧本和分镜可以并行，分镜做到一半就可以开始出图，出图的同时可以准备配音。我的做法是先把整集的剧本和分镜做完，然后画面、配音、音乐三条线并行推进，最后统一剪辑。

并行推进的关键是接口要定死。分镜表就是画面和配音的共同接口，只要分镜表不变，两条线可以独立推进。所以分镜阶段一定要做扎实，后面才不会乱。

7.3 从单集到连载的流程固化

做第一集的时候可以慢慢摸索，但从第二集开始就要固化流程。我的做法是把每个环节的操作步骤写成清单，每次做新一集就照着清单走。清单里包括环境检查、素材命名规范、导出参数这些容易忘的细节。

流程固化之后，做一集的时间能从最初的两三天压缩到一天以内。省下来的时间可以花在剧本打磨上，这才是真正决定成片质量的地方。

7.4 我踩过的几个典型坑

第一个坑是模型版本混乱。有次更新了绘图模型，结果之前调好的提示词全部失效，角色风格大变。后来我养成了习惯，项目进行中不更新任何工具版本，等一集做完再统一更新。

第二个坑是素材没备份。有次硬盘出问题，一整集的画面全没了，只能重出。现在我每个环节做完都会备份到另一个盘，重要项目还会传一份到云端。

第三个坑是配音和画面时长不匹配。有次配音生成完才发现比预估长了快一倍，画面全得重新调。后来我在分镜阶段就把时长估得保守一些，配音时严格控制语速。

7.5 给新手的起步建议

如果你刚开始做漫剧，我的建议是先做一个一分钟的短片练手，把整条链路跑通一遍。不要一上来就做长片，环节太多容易崩。跑通之后再逐步加长，同时优化每个环节的效率。

工具不要贪多，每个环节选一个用熟就行。我见过有人装了十几个绘图工具，结果每个都只用过一两次，反而浪费时间。选定一套组合，把它用透，比什么都强。

最后说个我自己的体会：AI 漫剧这个事，工具只是放大器，真正决定上限的还是故事和审美。工具能帮你把想法快速变成画面，但想法本身好不好，工具帮不了你。所以别把时间全花在折腾工具上，留一半时间打磨剧本，成片质量会有质的区别。