企业官网建设流程全解析

1. 先搞清楚AI漫剧到底在做什么

1.1 从一条弹幕说起：漫剧和传统动画的分水岭

去年年底我在一个创作者群里看到有人发了一段四十秒的短片，画面是漫画分镜的质感，但人物会动、镜头会推拉、打斗有残影，配音和音效全齐。底下有人问"这得画多久"，作者回了句"三个小时，一个人"。那一刻我意识到，AI漫剧这条赛道已经不是"能不能做"的问题，而是"谁做得更快更稳"的问题。

所谓AI漫剧，本质上是把传统动画的生产链条拆开，用生成式模型去接管其中大部分环节。传统二维动画一集二十分钟，需要原画、中间画、上色、背景、摄影、剪辑、配音等十几个工种配合，周期以月计。而AI漫剧走的是另一条路：先用文本模型把剧本拆成"场—镜—帧"三级结构，再用图像模型生成角色和场景的定妆图，接着用视频模型把静帧变成动态镜头，最后统一配音、配乐、字幕、转场。整条链路里，人负责的是"决策"和"审美把关"，机器负责的是"执行"和"填充"。

这个转变带来的最大变化是：门槛从"会画画"变成了"会拆解"。你不需要会画人体结构，但你得知道一场戏该怎么切镜头；你不需要会调色，但你得知道什么样的画面风格适合这个故事。这也是为什么我把这篇内容定位成"新手教程"——它不要求你有美术基础，但要求你有基本的叙事 sense 和耐心。

1.2 一场戏六道工序的全局地图

标题里说的"一场戏走完6道工序"，这六道工序是我自己跑了几十个项目之后固定下来的流程，顺序不能乱，乱了就会返工。它们分别是：

1. 剧本拆解与分镜设计：把一段文字剧本拆成可执行的镜头列表，每个镜头标注景别、时长、情绪、台词。
2. 角色与场景定妆：用图像模型生成主要角色和关键场景的参考图，建立"主体图库"，保证后续镜头里人物长相一致。
3. 关键帧生成：为每个镜头生成起始帧和结束帧，这是视频生成的基础素材。
4. 视频片段生成：用视频模型把关键帧之间的动作补全，输出3到10秒的短片段。
5. 配音配乐与音效：给每个镜头配上台词、环境音、BGM，这一步决定了成片的"完成度"。
6. 剪辑合成与输出：把所有片段按时间线拼起来，加转场、字幕、调色，导出成片。

这六道工序里，前三道决定了成片的下限，后三道决定了成片的上限。新手最容易犯的错是把精力全砸在第四步"视频生成"上，结果发现人物每镜都长得不一样，或者动作和台词对不上。真正的高手会把70%的时间花在第一步和第二步，因为这两步做扎实了，后面四步就是流水线作业。

1.3 这套流程适合谁，不适合谁

先说适合的：独立创作者、小团队、想试水短视频内容的自媒体人、做品牌短剧的运营、以及想给孩子做定制动画的家长。只要你愿意花两三个小时学工具，再花几个小时跑通一条完整链路，就能产出可发布的内容。

不适合的：想靠纯AI一键生成直接变现的人。目前没有任何一个工具能做到"输入剧本输出成片"，所有号称一键成片的，要么是模板套壳，要么是牺牲了叙事连贯性。AI漫剧的核心竞争力在于"你讲了一个什么故事"，工具只是放大器。

另外要提醒一句，涉及版权素材、真人肖像、特定品牌标识的内容，生成时一定要谨慎，尽量用原创设定或已授权素材，避免后续麻烦。

2. 六道工序的逐层拆解与参数逻辑

2.1 工序一：剧本拆解与分镜设计

这一步是整个流程的地基。我见过太多人拿到剧本直接开生成，结果做到一半发现镜头接不上，只能推倒重来。正确的做法是先把剧本"翻译"成一张分镜表。

分镜表的核心字段包括：镜号、景别、画面描述、台词、时长、情绪、转场方式。景别我一般用五档：远景、全景、中景、近景、特写。一场两分钟的戏，通常需要15到25个镜头，平均每个镜头4到6秒。这个节奏是经过验证的——太短观众来不及看清，太长会拖沓。

拆解的时候有个技巧叫"三镜一冲突"：每三个镜头里至少要有一个情绪转折或信息增量，否则观众会走神。比如一场"两人对峙"的戏，可以拆成：远景交代环境 → 中景两人对视 → 特写手部握拳 → 近景一方开口 → 特写另一方眼神变化。这样五个镜头下来，张力就出来了。

注意：分镜表不要写得太文学化。"他愤怒地转身"这种描述对生成模型没用，要写成"中景，男性角色背对镜头，肩膀紧绷，右手握拳，背景是雨夜街道"。模型需要的是可视化的指令。

2.2 工序二：角色与场景定妆，建立主体图库

这是保证"同一部剧里人物不换脸"的关键。我的做法是：每个主要角色生成3到5张不同角度的定妆图（正面、侧面、半身、全身、表情特写），存成一个文件夹，这就是"主体图库"。

生成定妆图时，提示词要固定几个核心要素：发型、发色、瞳色、服装主色、体型特征、年龄段。比如一个角色设定是"银发、红瞳、黑色风衣、瘦高、二十岁上下"，那么所有定妆图的提示词里这几个词必须一字不差地出现。任何一次改动都可能导致后续镜头里人物"变脸"。

场景定妆同理。一场戏如果发生在"废弃医院走廊"，那就要先生成一张走廊的参考图，后续所有该场景的镜头都以这张图为风格基准。我习惯把场景图也编号存档，比如"SC01_医院走廊_夜"。

这里有个经验：定妆图的分辨率尽量拉高，因为后续关键帧生成时可能需要局部放大或裁切，低分辨率图会糊。一般建议至少1024×1024，有条件上2048。

2.3 工序三：关键帧生成，把静帧变成"可动"的起点

关键帧就是每个镜头的"起始画面"和"结束画面"。视频模型的工作本质是"补间"——你给它首尾两帧，它生成中间的运动过程。所以关键帧的质量直接决定视频片段的质量。

生成关键帧时，我会把定妆图作为参考图喂给模型，同时用提示词描述这个镜头里的具体动作和构图。比如"中景，银发角色站在走廊尽头，侧身，右手抬起，背景有闪烁的日光灯"。这里的关键是构图描述要具体到机位：是平视、俯视还是仰视？人物在画面左侧还是右侧？这些细节决定了后续视频的运镜方向。

参数方面，我一般把生成步数设在30到40之间，CFG值（提示词引导强度）设在7到9之间。步数太低画面会糊，太高会过拟合出现噪点；CFG太低模型不听话，太高画面会僵硬。这两个参数是新手最容易忽略的，但影响很大。

2.4 工序四：视频片段生成，动作与运镜的核心

这一步是很多人以为的"重头戏"，但实际上它是最"标准化"的一步。只要关键帧和提示词到位，视频生成就是套参数的事。

我常用的视频模型支持首尾帧输入，生成时长一般选4到6秒。提示词里要写清楚三件事：动作、运镜、氛围。动作比如"角色缓缓转头"；运镜比如"镜头缓慢推近"；氛围比如"冷色调，雨夜，霓虹反光"。

这里有个坑：动作幅度不要写太大。新手喜欢写"角色激烈打斗、连续出拳"，结果生成出来人物会扭曲变形。正确做法是把大动作拆成多个小镜头，每个镜头只做一件事。比如打斗戏可以拆成"出拳 → 对方格挡 → 特写拳头碰撞 → 两人分开"，每个镜头2到3秒，拼起来反而更有节奏感。

2.5 工序五：配音配乐与音效，完成度的分水岭

画面做完只是"半成品"，加上声音才算"成片"。配音我一般用两种方式：一是文本转语音工具生成台词，二是找真人配音（预算够的话）。文本转语音要注意选对音色，年轻角色别用大叔音，反派别用播音腔。

配乐和音效是提升质感的关键。一场紧张的戏，加一段低频鼓点，紧张感立刻翻倍；一个开门动作，加一声"吱呀"，画面就活了。我习惯在剪辑软件里建三条音轨：台词轨、音效轨、BGM轨，分开调整音量，避免互相盖住。

提示：BGM音量一般压到台词音量的30%到40%，音效在关键动作点可以短暂拉高到80%，但不要持续太久，否则观众会疲劳。

2.6 工序六：剪辑合成与输出，最后10%决定观感

剪辑这一步，工具选择很关键。轻量级用剪映这类工具就够，专业一点用PR或达芬奇。核心操作包括：按分镜表顺序排列片段、加转场（淡入淡出、叠化、硬切）、加字幕、统一调色、导出。

转场不要滥用。我见过新手每个镜头之间都加花哨转场，结果像PPT。正确做法是：同一场景内的镜头用硬切，场景切换用叠化或淡入淡出，情绪转折点可以用黑场停顿半秒。

调色方面，整场戏要保持色调统一。如果前面是冷色调，后面突然变暖，观众会出戏。我一般会先调一个"基准镜头"，然后把参数套用到整场戏的所有片段上，再微调个别镜头。

3. 完整实操：一场两分钟对峙戏的全流程复现

3.1 剧本与分镜表落地

假设我们要做一场"雨夜天台对峙"的戏，剧本大意是：主角发现好友背叛，两人在天台对峙，最后主角转身离开。

分镜表我拆成18个镜头，这里列前6个作为示例：

这张表就是后续所有工序的"施工图"。每个镜头的画面描述要具体到能直接当提示词用。

3.2 定妆图生成与图库管理

主角设定：黑发、黑瞳、白色衬衫、瘦高、二十五岁。好友设定：棕发、金瞳、灰色夹克、中等身材、二十五岁。

我分别给两人各生成4张定妆图，提示词模板如下：

正面半身，[角色特征描述]，白色背景，柔和顶光，写实漫画风格，高清，细节丰富

生成后按"角色名_角度_序号"命名，比如"主角_正面_01"。场景图生成"天台_雨夜_全景"和"天台_雨夜_近景"两张，作为后续关键帧的风格参考。

实操心得：定妆图生成时，同一角色的多张图最好用同一个随机种子，这样人物特征更稳定。如果换了种子导致脸变了，就固定种子重新生成。

3.3 关键帧与视频片段的批量生成

以镜号02为例，关键帧提示词：

中景，黑发白衬衫年轻男性站在雨夜天台，正面，雨水打湿头发，表情质问，背景是模糊的城市灯光，冷色调，电影感构图

生成起始帧后，再生成结束帧（人物微微前倾，嘴部张开，准备说话）。然后把首尾帧喂给视频模型，提示词写"人物缓缓前倾，镜头轻微推近，雨滴落下，冷色调"。

参数设置：时长5秒，运动强度中等，保持人物一致性开启。生成后检查人物脸有没有崩，崩了就重新生成，不要将就。

3.4 声音与剪辑的收尾

台词用文本转语音生成，主角选偏冷的青年音，好友选偏哑的中音。BGM选一段低频钢琴加雨声环境音。音效包括雨声、远处雷声、脚步踩水声。

剪辑时按分镜表顺序排列，场景内硬切，最后主角离开的镜头用淡出。字幕用简洁无衬线字体，放在画面下方安全区内。导出分辨率1080P，帧率24或30都行，码率拉到10Mbps以上保证清晰度。

4. 常见问题与排查技巧实录

4.1 人物一致性崩了怎么办

这是最高频的问题。排查顺序：第一，检查定妆图是否固定了核心特征词；第二，检查关键帧生成时是否引用了定妆图作为参考；第三，检查视频生成时是否开启了人物一致性选项。如果三步都做了还是崩，那就降低动作幅度，把大动作拆成小镜头。

4.2 视频片段动作僵硬或扭曲

原因通常是提示词里动作描述太复杂，或者首尾帧差异太大。解决办法：首尾帧的人物位置差异不要超过画面宽度的三分之一；动作描述只写一个动词，比如"转头"而不是"转头并抬手"。

4.3 成片节奏拖沓或跳跃

节奏问题出在分镜阶段。如果拖沓，说明单镜头时长太长，把6秒的镜头拆成两个3秒；如果跳跃，说明镜头之间缺少过渡信息，加一个空镜或特写作为缓冲。

4.4 常见问题速查表

4.5 几个压箱底的小技巧

第一，建立自己的提示词模板库。把常用的景别、光线、风格、情绪描述整理成表格，生成时直接拼装，效率能提升一倍。

第二，善用"反向提示词"。把"模糊、多余手指、变形、低质量"这些词固定加到反向提示里，能过滤掉大量废片。

第三，批量生成时保留随机性。同一个镜头生成3到5个版本，挑最好的用，不要一次就定稿。

第四，音效比配乐更重要。很多新手只加BGM不加音效，成片会显得"空"。脚步声、开门声、雨声这些细节，才是让画面"落地"的关键。

这套流程我跑了大概半年，从最初一条两分钟片子要折腾两天，到现在三四个小时能出成片。工具在迭代，但"拆解—定妆—关键帧—视频—声音—剪辑"这个骨架不会变。你把这条链路跑顺了，换任何新模型都只是换工具的事。