企业官网建设流程全解析

做AI漫剧做到第三个星期，我最大的感受是：这不是视频质量问题，是流程问题。

早先我们用各种视频生成模型做纳米漫剧，一集两分钟的片子，光画风漂移就能让人崩溃。角色上一秒还是黑发少年，下一秒刘海变成了空气刘海；上一秒背景是黄昏街道，下一秒直接切换成室内咖啡厅。生成100个镜头，能直接用的不到30个，剩下的全靠剪辑硬凑。说白了，视频生成本身已经够强了，但“能生成”和“能交付”之间隔着一整条工业化流水线。

这次我们把整套纳米漫剧流水线接入了满血版Seedance 2.0，才算第一次摸到了“确定性交付”的边。所谓纳米漫剧，就是单集1到3分钟、竖屏9:16、节奏密、爽点快的短剧内容，适合小程序、短视频平台分发。而Seedance 2.0这代模型，最大的变化不是画质提升了多少，而是它对提示词的理解、对镜头语言的控制、对角色一致性的保持，终于到了可以上生产线的程度。

这篇文章想聊的核心不是“Seedance 2.0有多强”，而是我们怎么把它嵌进一套可重复、可质检、可批量跑完的流水线里，实现工业级AI漫剧的确定性交付。内容会覆盖流水线架构、分镜脚本结构化、角色一致性库怎么搭、提示词怎么写才不漂移、生成结果怎么自动质检，以及我们踩过的坑。如果你也在拿AI做短剧、做漫剧、做动态漫画，这篇应该能帮你省下至少两个月的试错时间。

1. 项目概述：从“能生成”到“能交付”到底差在哪

1.1 纳米漫剧的工业级标准是什么

先定义清楚什么叫“工业级交付”。我们团队对纳米漫剧的交付物有五个硬指标：

• 单集时长控制在90秒到180秒之间，竖屏9:16，分辨率不低于1080乘1920。
• 全片角色必须保持视觉一致，正面、侧面、半身、全身、表情变化都不能“换头”。
• 场景风格统一，同一集中同一个地点的环境细节不得出现明显冲突。
• 镜头数量在25到40个之间，每个镜头3到8秒，节奏符合“每3秒一个小信息点，每10秒一个情绪钩子”的短剧规律。
• 交付文件包含视频成片、逐镜头的脚本卡、字幕文件、封面图、分镜头描述表。

以前我们用通用视频生成模型，能做到第一条和第五条，但第二、三条基本靠运气。角色一致性偶尔能保持五六个镜头，再往后就开始发挥。场景更是重灾区，同一个“废弃地铁站”，上午生成的镜头和下午生成的镜头完全是两个装修风格。这种质量根本没法批量上线，因为每次人工修图、重绘、合成的成本都快赶上一部实拍短剧了。

所以“工业级”这三个字，真正的含义是：同样的输入条件下，产出质量要稳定收敛在合格线以上，而不是偶尔爆出一个神镜头。神镜头无法复制，合格线才能规模化。

1.2 为什么选择满血版Seedance 2.0

选型阶段我们对比过好几个主流视频生成模型。Seedance 2.0满血版最终胜出，不是因为单项分数最高，而是因为它把“可控性”拉到了同类第一梯队。

具体来说，我关注的四个维度是：

第一，文本指令遵循能力。Seedance 2.0对复杂长句的理解明显更强，可以同时控制人物动作、机位、光线、情绪、运镜方式，而不只是生成一个“像那么回事”的画面。实测下来，一个包含六个以上约束条件的提示词，它的完成度能达到八成以上，这在我们之前的模型上只有不到五成。

第二，镜头运动可控性。它支持明确的镜头指令词汇，比如“推镜头”“拉镜头”“环绕”“低角度仰拍”“手持跟拍”等。这个能力非常关键，因为漫剧的叙事张力很大程度依赖于镜头变化。满血版可以做到运动幅度和方向基本符合预期，不会出现“要推进结果拉远”的尴尬情况。

第三，角色一致性。满血版对同一角色多视图参考图的支持比轻量版好很多。在固定角色设定图的基础上，连续生成同一个人物在不同场景下的镜头，五官畸变率大幅下降。我们做了测试，连续生成20个镜头，角色面部特征稳定的镜头有17个，这在以前是不敢想的。

第四，上下文容量。满血版支持更长的提示词和更丰富的参考信息，可以一次性输入分镜脚本中的连续多镜描述，模型会自己理解前后镜头的衔接关系。这直接影响了“确定性交付”的可行性。

当然，它不是没有缺点，后面我会专门讲踩坑。但作为流水线的“动力核心”，它目前是最适配的选项。

1.3 满血版和轻量版的真实差距

这里多说一句，为什么标题里强调“满血版”。很多平台都有轻量版和满血版的区分，表面上只是速度不同，实际上差距体现在三个地方：

• 推理质量：满血版在细节纹理、手部结构、文字渲染上的错误更少，尤其适合需要特写镜头的漫剧场景。
• 指令理解深度：轻量版对复杂提示词会做“语义简化”，导致约束条件丢失；满血版会尽量保留全部约束，生成结果更贴近分镜意图。
• 并发稳定性：在批量生成压力下，满血版的接口错误率更低，不需要频繁重试。这一点对流水线非常重要，毕竟我们要的是日更量产，不是一天生成一个精美短片。

如果只是做创意demo、发朋友圈，轻量版够了。但要上生产线，直接用满血版，哪怕成本高一些，也远低于因为失败镜头太多导致的人工返工成本。

2. 流水线整体架构：五个环节锁定确定性

我们现在的流水线可以概括为“文本进，成片出”，中间经过五个核心环节。每个环节都有一套规则，目的只有一个：让随机性尽可能被控制在可接受范围内。

2.1 剧本结构化与分镜拆解

剧本原本是自然语言，模型看不懂“情绪递进”“留白”，所以第一步必须把剧本变成机器可解析的结构化数据。

我们定义了一个剧本DTO结构，包含以下字段：

• 集数、场次号、场景名。
• 每个镜头的序号、时长（秒）。
• 景别：远景、全景、中景、近景、特写、大特写。
• 机位：正面、侧面、45度斜角、俯拍、仰拍、过肩等。
• 运动：固定、推、拉、摇、移、环绕、手持。
• 角色：在场角色ID，动作描述，情绪状态。
• 环境：光线氛围，天气，时间段。
• 对白：台词文本，情绪备注。

这一层结构化工作不能省。提示词写得再漂亮，如果分镜本身信息不完整，生成结果一定四处漏风。我们的做法是由编剧先写一版“文学剧本”，再用一个分镜拆分工具（自己写脚本或者人工按模板录入）生成分镜表。初期人工拆，后期可以半自动。

拿到结构化分镜之后，就能做“批量提示词组装”了，这也是后面所有环节的地基。

2.2 角色与场景一致性库建立

视频生成模型不是美术外包，不能每次都口头描述“主角是个帅气的男孩”，必须给它足够具体的视觉锚点。

一致性库分两层：

角色层：每个主要角色建立一张角色设定图，正面、侧面、四分之三侧、全身站姿、表情特写，最好五张以上。然后用Seedance 2.0支持的角色参考方式，把这些图作为输入条件。重点是要保证每张参考图里角色的发型、眼睛颜色、服装配色完全一致，否则模型会把参考图里的矛盾信息“平均”掉，产生一个四不像。

场景层：每个核心场景也要建立参考图。比如“主角的家”这个场景，需要提交客厅全景、厨房、卧室、走廊四张图。每张图的家具布局、主色调、光线风格要统一，最好能在传统图像工具里先做一张“场景概念拼图”，然后再交给模型去动态化。

这一步做得好，生成结果的画面一致性至少提升一半。我们第一次忽略场景库，直接用文字描述“主角的家”，结果同一个客厅硬生生生成了三种不同朝向的沙发。后来乖乖做了场景参考，问题才解决。

2.3 提示词模板与Seedance 2.0调用策略

有了结构化的分镜和一致性库，接下来就是写提示词。这里我直接给一套可复用的模板框架：

[场景与环境约束]：参考图场景ID为SCENE_03，废弃地铁站台，冷色调霓虹灯，地面积水反射。 [角色与表情动作约束]：参考图角色ID为ROLE_01，主角林澈，背对镜头站立，右手抓着背包带，转头看向画面右侧，眉头紧锁。 [镜头与构图约束]：中景，侧面45度，低角度仰拍，镜头从角色后方缓慢推近。 [时间与光线约束]：夜晚，主光源来自头顶白色日光灯，地面出现稀薄雾气。 [画幅与风格约束]：动漫风格，细线条，高饱和度，9:16竖屏。

看上去很长，但Seedance 2.0能消化。关键是把约束条件分块写，不要混成一坨。模块化提示词的好处是，中间任何一个模块出问题，可以直接定位并修改，不用整条重写。

调用策略上，我们坚持“一个镜头一次生成”。有些团队为了省时间，把两三个镜头拼成一个长提示词让模型一次生成，结果两个镜头之间经常出现内容粘连或过渡生硬。一个镜头用完，进行裁剪拼接，比让模型自己切分镜头可控得多。这一点在漫剧这种强节奏内容上尤其重要。

2.4 生成结果的自动质检与重绘闭环

这是整套流水线最核心的部分。生成完几十个镜头之后，不能直接进剪辑，需要先过一遍自动质检。我们写了一个质检脚本，用视觉模型对每个生成的镜头做几个判断：

• 是否出现明显的形状错误（手指数目异常、眼睛畸形、肢体扭曲）。
• 是否检测到多个角色脸部相似度异常（作为角色一致性的粗筛）。
• 是否与参考图的整体色调、构图有较大偏差。
• 是否满足时长和分辨率要求。
• 是否在画面中出现文字乱码（比如背景里的招牌、海报）。

质检脚本给每个镜头打一个质量分，低于阈值则进入“重绘通道”。重绘通道不是简单重新生成一遍，而是调整提示词的某些权重，比如把“侧面45度”改成“侧面30度”、把“中景”改成“中近景”，或者强刷角色参考图后再生成。我们统计过，重绘后能用率能从第一次的40%左右提升到75%以上。

这个环节的意义在于：把“质量判断”从人的主观感觉变成可量化的规则。规则能跑批，感觉不能。

2.5 后期合成与成片交付规范

最后一个环节是合成。我们先用剪辑工具把合格镜头按分镜顺序拼起来，再统一加转场、字幕、音效、音乐和动态漫剧配音。这里有一个经验：不要在每个镜头上加花哨转场，AI漫剧的镜头切换本身就够快，强行加闪白、模糊过渡会让观众头晕。我们用的是“硬切为主，叠化为辅”的策略。

交付文件夹的标准结构如下：

episode_01/ ├── video/ │ ├── episode_01_final.mp4 │ └── episode_01_vertical.mp4 ├── shots/ │ ├── shot_001.mp4 ... │ └── shot_info.json ├── scripts/ │ ├── shot_list.csv │ └── dialogue.srt ├── assets/ │ ├── character_sheet_ROLE_01.png │ └── scene_ref_SCENE_03.png └── qa_report/ └── episode_01_qa.json

这个结构能保证每一个成品都有完整的“可追溯性”。出了问题，可以直接回溯到某个镜头、某条提示词、某个参考图，而不是对着成片干瞪眼。

3. 实操过程：从样片到批量生产的完整记录

这一部分我会按我们实际制作第一集的过程来写，包含关键参数和现场调整，你可以直接照搬思路。

3.1 准备阶段：文本、图集、参数初始化

我们准备了一部虚构的都市奇幻漫剧《时钟巷14号》，第一集时长约130秒，共32个镜头。因为是用在生产线调试，不需要原创多顶尖，重点是验证流程。

角色准备了两个人：主角“林澈”，一个28岁的时钟修复师，深棕色短发，戴单边眼镜；女配“苏晚”，一个古灵精怪的古董商，黑色长发，左耳戴月牙耳环。每个角色各生成6张参考图。

场景准备了三个：老旧的钟表店铺内景、下雨的巷口、一个神秘阁楼。每个场景各生成3张参考图。

参数初始化时，我们固定了Model版本，关闭了随机种子（实际上每次调用传入固定seed），将分辨率固定为1080乘1920，帧率30，每个镜头生成时长设定为4到6秒。固定seed非常关键，同一段提示词配合相同seed，能复现出几乎相同的画面，这在批量补镜头时非常有用。

3.2 第一集生成本记录：镜头拆解与提示词示例

以第一组镜头为例：剧本开场是“林澈在店铺里修钟，听到敲门声，抬头，门口站着苏晚”。我们把它拆成四个镜头：

镜头1：全景，钟表店内部，林澈坐在工作台前低头修理怀表，台灯暖光。 镜头2：特写，林澈的手部动作，镊子夹起齿轮，表情专注。 镜头3：中景，林澈听到敲门声，抬头看向门口，脸部惊讶。 镜头4：中景，门口逆光站着一个黑发女生，雨衣滴水，看不清表情。

我们为镜头3写的提示词示例：

[场景ID: SCENE_01 钟表店铺内景，参考图已提供] [角色ID: ROLE_01 林澈，参考图已提供] 中景，正面偏45度，稳定镜头。 林澈坐在工作台前，手中拿着怀表，听到敲门声后迅速抬头，眼睛睁大，眉毛上扬，嘴巴微微张开。 光线从左侧台灯照过来，背景是模糊的工具墙。 动漫风格，线条干净，暖色调，电影感布光，9:16竖屏。

这里注意，不要写“点击”“周围人”这种模型无法理解的词，也不要写“仿佛”“好像”这类文学化描述。描述越物理化，模型执行越准。

这一组四个镜头生成后，镜头1和镜头3直接用，镜头2手部特写出现第六根手指，重新生成一次后通过，镜头4的雨衣细节和角色参考图有偏差，稍微下调“逆光”权重后重新生成通过。

整个第一集32个镜头，第一次生成通过20个，重绘12个，最终全部达到合格标准。

3.3 角色一致性问题的三种解法

即使有角色参考图，批量生成中还是会遇到角色漂移。我们整理了三种解法：

第一种：强化参考图。把参考图数量从3张增加到5张以上，并尽可能覆盖不同角度和表情。模型对参考图的聚合能力有限，角度越多，越能锁定五官特征。

第二种：启用同段连续生成。Seedance 2.0满血版支持在一个会话里连续生成多镜头，它会记住当前的角色设定。我们尽量把同一角色的镜头放在同一批次里生成，减少切换上下文带来的特征漂移。

第三种：后处理修复。如果某个镜头角色五官已经生成，但轻微偏差，我们用局部图像重绘模型对这个区域做修复，而不是整段重生成。这样成本最低，而且不会影响其他表现好的内容。

实际使用中，这三种方法组合使用后，角色一致性的通过率从68%提升到了86%。

3.4 确定性交付的指标设定

什么叫“确定性交付”？不是100%一次生成全部满意，而是：当问题发生时，你知道问题在哪、需要重跑哪个环节、损失多少成本、最后能否在限定时间内交付。

我们的指标设定如下：

• 首次通过率不低于45%，低于这个值说明分镜拆解或者提示词模板有问题，需要停线排查。
• 重绘两次后的通过率不低于85%，如果达不到，说明这个镜头或者场景的参考图不够，要回到一致性库补素材。
• 全片质检通过率不低于95%，允许5%的瑕疵通过人工微调解决，但不能有严重穿帮。
• 每集交付周期控制在4到6小时，包含生成、质检、后期、配音。

这些指标不是大概感觉，而是从流水线跑的数据里统计出来的。每次跑完一集，把通过率、重绘次数、耗时记录在案，持续迭代标准。

4. 常见问题与排查技巧实录

这套流水线跑下来，我们踩了不少坑。每次踩坑都记录一个问题卡片，现在整理成速查表，希望对你有用。

4.1 角色五官漂移的排查思路

症状：同一角色在不同镜头里脸型或者眼睛颜色变了。

排查顺序：

1. 检查参考图数量和质量。如果参考图只有一张正脸，侧面镜头漂移几乎是必然的。解决方案是补拍或者用图像模型生成角色不同角度的转面图。
2. 检查同一批次是否切换了角色。如果脚本里两个角色交叉出现，模型可能会把上一个角色的特征带到下一个。解决方案是同一角色镜头合并生成。
3. 检查参考图是否被压缩。有些接口会限制上传大小，参考图压缩太狠会丢失五官细节。建议参考图分辨率不低于1024，且不要带水印。
4. 检查提示词里是否写了不必要的属性形容词。比如“冷酷的眼神”这种文字会干扰模型对人脸的锚定，尽量只描述状态，不描述抽象气质。

4.2 镜头运动不符合预期如何处理

症状：想要“镜头推近”结果变成了“远景拉远”，或者想要“缓慢上摇”结果画面里人物直接飞了出去。

多数原因是提示词里使用了多义词。比如“推进”可能被理解为人物向前走，而不是镜头向前推。我们的做法是使用更明确的英文或复合指令，如“camera push in”“dolly in”配合中文注解。另外，把运动指令单独放到提示词末尾，并用感叹号或者强调词，如“重要：镜头缓慢推近”。Seedance 2.0对指令位置和强调词有较高敏感性。

如果调整后仍然错误，大概率是参考图的构图限制了运镜空间，比如参考图本身就是大远景，模型认为画面中没有可推进的主体。换一张景别更合适的参考图通常能解决。

4.3 批量任务并发失败与超时

我们的流水线会用脚本批量提交任务，一次并发10个镜头。满血版虽然稳定性高，但并发多了仍然会遇到限流和超时。

经验是：并发数控制在5到6个，每个任务之间加0.5到1秒的间隔。同时写一个重试策略：连接超时重试2次，返回错误码等待5秒后重试1次，连续失败3次则把该镜头标记为“需人工检查”。不要无限重试，否则会把接口打挂，还会卡住整个队列。

批量任务的数据记录也很重要。每次提交都记录请求ID、提示词、参数、返回结果、耗时，方便失败后回溯。

4.4 速度与成本的平衡建议

满血版贵，但也不能因此牺牲质量。我们算了一笔账：一集32个镜头，每个镜头大约生成2到3次，包括成功和重绘，加上配音和后期，素材成本在某个可接受的区间内（这里不展开具体价格，因为平台经常调整）。比起请原画师逐帧画、或者实拍外景，这个成本已经很低了。

省钱技巧有一个：重复出现的空镜（街景、天色变化、物品特写）可以用同一段提示词固定seed多生成几个备用，后续集数直接复用。因为空镜没有角色约束，复用风险很低，能节约不少生成费用。

5. 现实检验：这套流水线能扛住日更吗

目前我们团队用这套流水线，已经连续跑了三周，每周上线两集新内容。单集从剧本定稿到成片交付，平均耗时5小时左右。其中生成和质检占3小时，后期和配音占2小时。对照之前手工抽卡式的制作方式，效率提升了大概4倍，人力投入减少了三分之二。

但这套流程并不完美。它依然依赖人工审核最终成片，因为目前的自动质检只能查出“形状错误”“色差过大”这类硬伤，对于“这个镜头缺乏情绪张力”“节奏不够紧凑”这类主观问题，仍然需要人来判断。这也是AI漫剧现阶段无法完全脱离编导的原因。

好消息是，创作者可以把精力集中在故事和节奏上，而不是跟生成模型的随机性搏斗。我在实际操作中最明显的感受是：接入满血版Seedance 2.0之后，整个流水线终于从“开盲盒”变成了“工厂流水线”。每个环节都有明确的标准，出了问题也知道去哪里修。

最后分享一个小经验：不要一开始就追求“完美生成”。先把一集完整跑通，用最普通的分镜和最直白的提示词，熟悉每个环节的节奏，然后再逐步加入风格、运镜、光影这些高级约束。流水线不是一步到位的，它是像调音台一样，一边跑、一边调、一边稳定的过程。

如果你也在做类似的AI漫剧项目，建议先复制我们的五环节架构，再根据你自己的内容风格去调整参数和质检规则。工具会不断迭代，但“文本结构化、角色场景锚定、模块化提示词、自动质检、矛盾可追溯”这套确定性交付逻辑，在下一个模型版本出来的时候，依然会生效。