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：为什么我突然开始研究AI漫剧

去年年底我在一个动画交流群里看到有人发了一段四十多秒的短片，画面是漫画分镜的质感，但人物会动、镜头会推拉、打斗时有速度线和冲击帧，配音配乐齐全，结尾还带了个下集预告。底下有人问“这是哪个工作室做的”，作者回了一句“一个人，三天，AI”。当时我第一反应是不信，第二反应是去翻他的制作记录。翻完之后我沉默了大概十分钟，然后打开电脑开始自己试。

这就是我接触AI漫剧的起点。所谓AI漫剧，说白了就是用AI工具把漫画或图文脚本变成有动态、有配音、有节奏的短剧集。它介于传统动画和动态漫画之间，但制作成本和时间完全不在一个量级。传统二维动画一集二十分钟，团队做几个月是常态；AI漫剧一集一到三分钟，一个人熟练之后一天能出好几集。这个效率差距，是我认为它值得所有内容创作者认真对待的原因。

这篇文章我打算把一整场戏从零到成片的完整流程拆开讲，一共六道工序。我会把每一步用什么工具、参数怎么设、提示词怎么写、哪里容易翻车，全部摊开来说。不管你是完全没碰过AI绘画的新手，还是已经在用即梦、Seedance这类工具做单张图的老手，应该都能从里面找到能直接抄作业的东西。

1.2 六道工序的全景图：一场戏是怎么被拆解的

在动手之前，你得先接受一个观念：AI漫剧不是“输入一句话，出来一集剧”。它是流水线作业，每一道工序解决一个具体问题，工序之间有严格的先后依赖。我把它拆成六步：

1. 剧本与分镜拆解：把一场戏拆成若干个镜头，每个镜头写清楚画面内容、景别、时长、台词。
2. 主体图库搭建：为每个角色、每个关键场景生成标准参考图，保证后续所有镜头里的人物长得一样。
3. 分镜图生成：用文生图或图生图，把每个镜头的关键帧画面做出来。
4. 图生视频：把静态分镜图变成动态片段，处理动作、运镜、转场。
5. 配音与音效：生成台词配音，配上环境音和打击音效。
6. 剪辑合成与导出：把所有素材按时间线拼起来，调节奏、加字幕、导出成片。

这六步里，第三步和第四步是耗时最多的，也是决定成片质量的关键。第一步和第二步看起来简单，但如果你在这里偷懒，后面会加倍还回来。我见过太多人跳过主体图库直接生成分镜，结果第三集里主角换了张脸，观众直接出戏。

提示：不要试图用一个大模型一次性完成所有工序。每个环节用专门的工具，效果和可控性都远好于“全能型”方案。

1.3 适合谁看：从零基础到进阶的路线图

如果你是纯新手，建议先按顺序把六道工序各跑通一遍，哪怕每个环节只做一个镜头。跑通之后再回头优化质量。如果你已经有AI绘画基础，可以直接从第二步主体图库开始看，那里是区分“能看”和“好看”的分水岭。如果你已经在做AI视频但总觉得人物不稳定、动作不自然，重点看第四步图生视频的参数部分，我会把Seedance和即梦的实际参数配置写清楚。

我自己的设备是一台带独立显卡的台式机，但整个流程里真正吃本地算力的只有剪辑环节。生成部分全部在云端完成，所以一台普通笔记本加稳定网络就能开工。这一点对预算有限的创作者来说很友好。

2. 剧本拆解与分镜设计：别急着打开AI工具

2.1 一场戏拆成镜头：颗粒度决定后续效率

很多人拿到一个剧本，第一反应是打开即梦开始生成画面。我劝你先忍住。AI漫剧的剧本和传统剧本最大的区别在于，它必须提前拆到“镜头级”。一个镜头就是一次生成任务，对应一张分镜图加一段视频。你拆得越细，后面生成时越不容易乱。

我通常按这样的颗粒度来拆：一场两分钟的戏，大概拆成18到25个镜头。每个镜头平均4到6秒。对话密集的地方镜头短一些，2到3秒一个；动作场面可以到5到8秒。拆的时候用表格记录，字段包括：镜头编号、景别（远/全/中/近/特）、画面描述、台词、时长、备注。

举个例子，一场“主角在雨夜巷子里被追”的戏，我会这样拆：

这样拆完之后，每个镜头要生成什么画面、多长、有没有台词，一目了然。后面不管是用Seedance还是即梦，都是按这个表逐个执行。

2.2 分镜脚本的写法：给AI看的和给人看的要分开

这里有个坑我踩过：分镜脚本里写“主角很愤怒地转身”，这是给人看的，AI理解不了“愤怒”具体是什么表情、什么姿态。你需要把它翻译成AI能执行的描述：“主角猛地转身，眉头紧锁，眼睛睁大，嘴角向下，双手握拳，身体前倾”。

所以我习惯写两套描述。一套是给人看的分镜说明，一套是直接复制到AI工具里的提示词。提示词那套要包含：主体描述、动作、表情、服装、环境、光线、镜头角度、画风。比如上面那个转身镜头，我的提示词大概是：

一个黑发少年，穿着深蓝色连帽外套，猛地转身，眉头紧锁，眼睛睁大，嘴角向下，双手握拳，身体前倾，雨夜巷子背景，霓虹灯反射在湿滑地面，侧逆光，中景，漫画风格，高对比度，动态构图

这套提示词可以直接喂给即梦或Seedance的文生图模块。注意我没有写“愤怒”这个词，而是把愤怒拆成了可视觉化的元素。这是提示词设计里最基础也最重要的一条原则：描述你能看到的东西，而不是你感受到的东西。

2.3 节奏控制：为什么你的漫剧看起来像PPT

新手做出来的AI漫剧最常见的问题就是“像PPT”——每个镜头都是静态图加轻微缩放，镜头之间硬切，没有节奏变化。根源在于分镜阶段没有设计节奏。

节奏控制有三个抓手。第一是镜头时长要有变化，不能全是4秒。紧张的地方用1到2秒的短镜头快速切换，抒情的地方用6到8秒的长镜头让观众沉浸。第二是景别要有跳跃，不能一直是中景。远景接特写，视觉冲击力远大于中景接中景。第三是转场要有设计，硬切、叠化、黑场、闪白，不同转场传递不同情绪。

我在分镜表里会额外加一列“转场方式”，提前想好这个镜头怎么进入下一个镜头。比如追逐戏里，镜头03水花溅起之后，直接硬切到镜头04黑影出现，这种突兀感正好制造紧张。而抒情戏里，镜头之间用叠化，情绪是连贯的。

注意：分镜阶段多花一小时，生成阶段能省三小时。不要跳过这一步。

3. 主体图库搭建：让人物在每一集里长得一样

3.1 为什么必须建主体图库

AI生成有个随机性，同一个提示词跑两次，人物脸型、发型、服装细节都可能不一样。如果你每一集都重新生成主角，观众会发现主角在第三集突然换了张脸。解决这个问题的唯一办法，就是提前建一个“主体图库”——把每个角色的标准形象固定下来，后续所有镜头都以这个标准图为参考。

主体图库至少包含三类图：角色正面半身图、角色全身图、角色表情集（喜、怒、哀、惊、平静）。如果角色有特殊服装或武器，也要单独出图。场景方面，主要场景各出一张全景参考图。

我一般用即梦的“角色一致性”功能来生成主体图。先写一段详细的人物描述，生成一张满意的正面图，然后以这张图为参考，生成其他角度和表情。即梦的角色参考强度我通常设在0.7到0.8之间，太低会跑偏，太高会僵硬。

3.2 角色提示词的写法：从“好看”到“稳定”

角色提示词和分镜提示词不一样，它追求的不是单张惊艳，而是多张稳定。所以描述要具体、可复现，避免模糊的形容词。

一个可复用的角色提示词模板：

[性别] [年龄] [发型发色] [脸型特征] [眼睛特征] [服装描述] [配饰] [体型] [画风] [光线] [背景]

具体例子：

男性，十七岁，黑色短发略微凌乱，瓜子脸，剑眉，深棕色眼睛，穿深蓝色连帽外套内搭白色T恤，黑色长裤，运动鞋，偏瘦但结实，漫画风格，干净线条，平光，纯白背景

这段提示词里每个元素都是可视觉化的，没有“帅气”“冷酷”这类主观词。生成出来的角色图，我再挑一张最符合设定的，存为“角色标准图”。后续所有分镜生成时，都把这张图作为角色参考图传进去。

3.3 图库管理：文件命名和版本控制

主体图库建起来之后，管理是个问题。我见过有人把图全堆在一个文件夹里，用的时候靠翻，效率极低。我的做法是按项目建文件夹，里面再按角色和场景分子文件夹。文件命名规则是：角色名_角度_表情_版本号.png，比如林夜_正面_平静_v2.png。

版本号很重要。角色设定可能会调整，比如你觉得外套颜色太深，改成浅灰。这时候不要覆盖旧图，而是存为新版本。因为已经生成的分镜可能用的是旧版本，如果你覆盖了，后面想回溯就找不到了。

提示：主体图库建好之后，先别急着做分镜。用同一个角色提示词跑十张图，看看稳定性如何。如果十张里有三张以上脸型明显不同，说明提示词还不够具体，需要继续细化。

4. 分镜图生成：把文字变成画面的关键一步

4.1 文生图还是图生图：不同场景的选择逻辑

分镜图生成有两条路：文生图和图生图。文生图适合没有参考、需要从零创造画面的镜头，比如全景环境、群众场面。图生图适合有明确角色和场景参考的镜头，比如主角特写、对话场景。

我的习惯是：第一个镜头用文生图确定整体氛围和构图，后续同场景的镜头用图生图，以第一个镜头的图为参考，保持场景一致性。角色出场的镜头，一律用图生图，把主体图库里的角色标准图作为参考。

即梦的图生图里有个“参考图强度”参数，我一般设在0.6到0.75。这个区间既能保持角色特征，又给构图留出变化空间。如果设到0.9以上，生成出来的图会几乎和参考图一样，失去了分镜的意义。

4.2 提示词结构：主体、动作、环境、镜头、风格五段式

分镜提示词我固定用五段式结构，这样不容易漏元素：

1. 主体：谁，长什么样，穿什么
2. 动作与表情：在做什么，什么表情
3. 环境：在哪里，天气，时间，周围有什么
4. 镜头：景别，角度，焦段感
5. 风格：画风，光线，色调，质感

一个完整的例子：

黑发少年林夜，深蓝色连帽外套，白色T恤，从画面左侧奔跑进入，表情紧张，回头张望，雨夜巷子，地面湿滑反射霓虹灯光，两侧墙壁有涂鸦，中景，略微仰拍，漫画风格，高对比度，冷色调，电影感构图

这五段里，镜头和风格是最容易被忽略的。但恰恰是这两个决定了画面的“漫剧感”。如果你不写镜头，AI默认给你一个平视中景，所有镜头都一样，剪出来就是PPT。如果你不写风格，AI可能给你写实风，和漫画风混在一起会很割裂。

4.3 参数表：即梦与Seedance的实际配置

下面这张表是我自己跑了几百张图之后总结的参数配置，针对AI漫剧场景。不同工具的参数名称可能略有差异，但逻辑相通。

关于随机种子，补充一句：同一个场景的多个镜头，我会用同一个种子值。这样生成出来的图在色调、光线质感上会非常接近，剪在一起不会有跳变感。换场景时才换种子。

4.4 常见翻车与修正：手崩了、脸歪了、背景串了

分镜图生成阶段最常见的三个问题：

手部崩坏。AI画手一直是老大难。如果镜头里手不是重点，我直接在提示词里写“双手插兜”或“手在画面外”，绕开这个问题。如果手是重点，比如握剑、结印，那就多跑几张，挑一张能用的，或者后期用局部重绘修。

脸部变形。通常是因为参考图强度太低，或者提示词里脸部描述不够具体。解决办法是提高参考图强度到0.8，同时在提示词里把脸型、眼睛、发型再描述一遍。

背景串场。比如雨夜巷子的镜头里突然出现了白天的天空。这是因为提示词里环境描述不够强，被主体描述压过去了。解决办法是把环境描述提前，或者单独用图生图，以场景参考图为主。

注意：不要在一张图上反复重绘太多次。每重绘一次，画质就损失一点。如果一张图跑了五次还不满意，不如重新写提示词从头生成。

5. 图生视频：让静态画面动起来

5.1 动作设计：哪些动作AI擅长，哪些容易翻车

图生视频是把分镜图变成动态片段。这里要认清一个现实：AI视频模型不是万能的，有些动作它做得好，有些一做就崩。

AI擅长的动作：轻微转头、眨眼、头发飘动、衣角摆动、镜头推拉、雨雪粒子、光影变化。这些动作幅度小、规律性强，模型训练数据里多，生成稳定。

AI容易翻车的动作：复杂打斗、多人交互、快速奔跑、手部精细操作、大幅度转身。这些动作涉及大量遮挡和形变，模型容易糊。

所以我在分镜阶段就会规避：打斗场面不追求连贯动作，而是用“冲击帧”来表现。比如一拳打出去，我不生成完整的出拳过程，而是生成一张拳头接近目标的特写，加一张目标被击飞的全景，中间用闪白转场。观众的大脑会自动补全中间过程，效果反而比强行生成连贯动作好。

5.2 Seedance与即梦的视频参数配置

视频生成这块，我主要用Seedance和即梦两个工具。Seedance在动作连贯性上表现更好，即梦在画面质感和风格保持上更稳。实际工作中我会混用：对话和静态场景用即梦，动作和运镜用Seedance。

视频参数配置表：

关于运动强度，我踩过一个坑：为了让画面“动起来”，把运动强度拉满，结果人物脸都扭曲了。后来发现中等强度加镜头运动，比高强度加固定镜头效果好得多。镜头在动，人物轻微动，观众就觉得画面是活的。

5.3 转场与运镜：用镜头语言代替复杂动作

前面说了，复杂动作容易翻车。那怎么让漫剧看起来不呆板？答案是靠镜头语言。

同样一个“主角发现敌人”的情节，固定镜头拍主角表情，就是一张图加眨眼。但如果用镜头运动：从主角背后慢慢推近到过肩视角，同时主角头部微微转动，紧张感立刻就出来了。这个推近动作AI做得很稳，因为它是整体画面的缩放，不涉及人物形变。

我常用的几个安全运镜：

• 缓慢推近：制造紧张、聚焦情绪
• 缓慢拉远：制造孤独、揭示环境
• 横向摇移：展示场景、连接两个主体
• 轻微手持晃动：增加临场感，适合追逐戏

这些运镜在Seedance里都有对应的预设，选好之后调一下强度就行。不要自己写复杂的运镜描述，模型理解不了。

5.4 视频片段的质量检查清单

每个视频片段生成后，我会快速过一遍检查清单：

• 人物脸部是否变形
• 手部是否崩坏
• 画面是否与分镜图一致
• 动作是否自然，有没有跳帧
• 时长是否够用
• 首尾帧是否能和相邻镜头衔接

任何一项不过关，就重新生成。不要想着“后期能修”，视频片段后期修起来成本极高。宁可多跑几次，也不要留问题到剪辑阶段。

6. 配音、音效与剪辑合成

6.1 配音生成：语气比音色更重要

配音我用的是AI语音合成工具。选音色的时候，很多人只看“好不好听”，但我更看重“对不对味”。一个十七岁少年角色，你用浑厚大叔音，再好听也出戏。

我的做法是先确定角色的声音画像：年龄感、音调高低、语速快慢、性格特征。然后在这些维度上找最接近的音色。生成台词时，我会在文本里加语气标记，比如“（急促）该死，甩不掉！”或者“（低声）别出声。”这些标记会影响合成时的语调。

如果工具支持情绪参数，紧张场景把情绪调到“紧张”或“急促”，抒情场景调到“平静”或“温柔”。不要所有台词都用默认情绪，那样听起来像新闻播报。

6.2 音效与配乐：氛围的隐形推手

音效是很多新手忽略的部分，但它对成片质感的影响巨大。雨夜戏没有雨声，打斗戏没有打击音，画面再好看也像默片。

我的音效来源分三类：环境音（雨声、风声、城市底噪）、动作音（脚步、打击、衣物摩擦）、情绪音（心跳、耳鸣、低频轰鸣）。环境音铺底，动作音对点，情绪音在关键情节点缀。

配乐我一般用无版权音乐库，按场景情绪选。追逐戏用快节奏鼓点，抒情戏用钢琴或弦乐。音量控制在人声的30%到40%，不要盖过台词。

6.3 剪辑节奏：卡点、留白与情绪曲线

剪辑是把所有素材拼起来的过程。我用的是常规剪辑软件，操作不复杂，关键是节奏。

卡点：动作音效要和画面动作对齐。拳头击中目标的瞬间，打击音必须同步，差一帧都能感觉出来。

留白：不是每个镜头都要填满声音。关键台词之前留半秒静音，观众注意力会瞬间集中。

情绪曲线：一场戏有起承转合。开头铺垫用长镜头慢节奏，冲突升级加快剪辑频率，高潮用短镜头快切，结尾放缓留余韵。这条曲线在分镜阶段就要设计好，剪辑时执行。

6.4 导出参数与发布注意事项

导出设置：

发布前检查：字幕有没有错别字，音量是否统一，片头片尾是否完整，封面图是否吸引人。这些细节决定完播率。

7. 常见问题与排查技巧实录

7.1 人物一致性问题的系统排查

人物不一致是最高频的问题。排查顺序：先看主体图库是否足够详细，再看参考图强度是否够高，最后看提示词里角色描述是否每次都有。三个环节任何一个偷懒，都会导致跑偏。

我的经验是，主体图库建得越细，后面越省心。一个角色至少要有正面、侧面、背面、三个表情，共六张标准图。特殊服装再加一套。

7.2 视频生成失败的典型原因

视频生成失败通常表现为：画面静止不动、人物扭曲、时长不足、首尾帧跳变。对应原因和解决：

7.3 提示词失效的底层逻辑

提示词写了一大堆，AI就是不听话，为什么？因为提示词有优先级。模型对前面的词更敏感，对具体名词更敏感，对抽象形容词不敏感。所以把最重要的信息放最前面，用具体名词代替形容词，是提示词设计的基本功。

另外，不同模型对提示词的理解能力不同。即梦对中文提示词理解较好，Seedance对结构化提示词响应更准。同一个提示词换工具，效果可能差很多。多试，找到每个工具的最佳表达方式。

7.4 效率提升：批量生成与模板复用

熟练之后，我会把常用提示词存成模板，换角色名和场景词就能复用。分镜表也做成模板，新项目直接填。主体图库建一次，同系列作品可以一直用。

批量生成时，我会一次性提交多个镜头，让工具排队跑，自己去处理其他工序。这样并行作业，整体效率能提升一倍以上。

8. 我个人的实操体会

这套流程我跑了大概半年，做了十几集短剧。最大的体会是：AI漫剧的门槛不在工具，在流程管理。工具每天都在更新，今天好用的明天可能就换了，但“拆镜头、建图库、控节奏、查质量”这套方法论是不变的。

另一个体会是，不要追求单镜头完美。一个镜头跑五次还不行，就换个思路，用剪辑和音效去弥补。观众看的是整体节奏，不是某一帧的细节。把精力花在分镜设计和剪辑节奏上，回报率远高于死磕一张图。

最后分享一个小技巧：每做完一集，把这一集里所有用到的提示词、参数、种子值整理成一个文档存档。下一集做同系列的时候，直接调用，一致性有保障，效率也高。这个习惯看起来麻烦，但长期来看省的时间远超整理的时间。