简介：漫剧大师极速版是一套面向AI漫剧与AI短剧创作者的Coze平台自动化工作流，解决从剧本创意到视频成片链路割裂、人工干预过多的问题。系统由13个精密节点构成，覆盖剧本语义解析、角色关系图谱、情绪节奏标记、分镜逻辑推导、镜头语言映射、AI生图参数优化及Seedance视频合成指令编排，并预置火山方舟适配器，实现变速、字幕渲染、音轨混合与画质增强。资源包共53个文件，以34个Python脚本为核心，配合6个JSON节点配置、5个Shell运行脚本及4份Markdown说明文档，整体约94KB，结构清晰便于二次开发与流程重组。已有57人学习下载。读者可获得完整的低代码工作流工程文件、各节点LLM提示词配置、分镜与生图编排逻辑、跨平台资产同步方案及标准化导出模板，适合希望快速搭建漫剧生产管线、研究多模态编排的中高级创作者参考。
1. 漫剧大师极速版拆解：13 节点工作流到底在跑什么
刷到「漫剧大师极速版」这个包名的时候，我第一反应不是点开，而是先看它挂在哪个平台上——Coze。Coze 工作流这两年成了短剧、漫剧、小说推文这条链路里最顺手的编排层，原因很直接：它把 LLM 调用、AI 生图、变量传递、条件分支这几件事塞进了一个可视化画布，不用自己写调度器。而 Seedance 作为视频生成模型，负责把静态分镜变成能动的画面。这两者拼在一起，就是「脚本 → 分镜 → 生图 → 视频」的完整链路。
这个 13 节点的包，本质是一套已经编排好的生产管线：输入一个故事梗概或小说片段，经过 LLM 拆解成角色设定、场景描述、分镜脚本，再调用 AI 生图产出每个分镜的关键帧，最后交给 Seedance 生成视频片段。适合谁？做短剧批量生产的团队、想跑通 AI 动画工作流但不想从零搭的个人创作者、以及需要快速验证「小说转漫剧」这个方向值不值得投入的产品经理。不适合谁？指望一键出成片、完全不调参数的人——13 个节点里至少有 4 个需要你根据题材改提示词。
2. 拆开 13 个节点：LLM 编排与 AI 生图的分工逻辑
2.1 节点分层的三个功能区
拿到一个工作流包，我习惯先按功能把它切成三段，而不是从头到尾顺着连线读。这套 13 节点的工作流，按职责可以分成三个功能区：
| 功能区 | 节点数（典型） | 核心职责 | 关键输出变量 |
|---|---|---|---|
| 输入解析与剧本编排 | 4-5 | 接收原始文本，LLM 拆角色/场景/分镜 | script_json、character_list |
| AI 生图与素材生成 | 4-5 | 逐分镜生成关键帧，统一画风 | image_urls、style_ref |
| Seedance 视频合成 | 3-4 | 图生视频、拼接、输出 | video_segments、final_url |
为什么这么分？因为 Coze 工作流的调试是按节点走的，如果你不先搞清楚哪段出问题，就会陷入「改了生图提示词结果发现是 LLM 分镜格式错了」的循环。我一般会先把中间的生图节点全部禁用，只跑前半段，确认 script_json 的结构稳定了，再往下接。
2.2 LLM 编排节点：提示词怎么写才不翻车
前半段的核心是让 LLM 输出结构化 JSON，而不是一段散文。很多人在这里翻车，是因为提示词里只写了「请拆解分镜」，没约束输出格式。Coze 的 LLM 节点支持在系统提示词里强制 JSON schema，下面是我常用的模板：
你是一个漫剧分镜师。根据用户提供的故事文本，输出严格的 JSON，不要任何解释文字。 JSON 结构： { "title": "剧集标题", "characters": [ {"name": "角色名", "appearance": "外貌描述，用于生图", "personality": "性格"} ], "scenes": [ { "scene_id": 1, "location": "场景地点", "time": "白天/夜晚", "shot_type": "远景/中景/特写", "description": "画面描述，包含角色动作和表情", "dialogue": "该分镜的台词，无则留空" } ] } 要求： 1. scenes 数量控制在 8-12 个，对应 60-90 秒视频。 2. 每个 description 必须包含角色名、动作、环境光线，方便生图模型理解。 3. 不要输出 markdown 代码块标记，直接输出 JSON。这段提示词的关键约束有三个：一是强制 JSON 无解释，二是 scenes 数量给了范围（8-12 对应 60-90 秒，这是 Seedance 单段视频的合理时长），三是 description 里要求包含光线信息，因为生图模型对「夜晚」「逆光」这类词敏感度很高。参数上，LLM 节点的 temperature 建议设 0.3-0.5，太低会导致分镜千篇一律，太高则 JSON 格式容易崩。max_tokens 给到 2000 以上，否则 12 个分镜的 JSON 会被截断。
2.3 AI 生图节点：画风一致性的三个锚点
生图节点是这套工作流里最吃参数的地方。Coze 平台上通常接的是 Seedance 自带的生图能力或第三方生图插件，不管接哪个，画风一致性都靠三个锚点：角色参考图、风格前缀、负面提示词。
角色参考图的做法是：在 LLM 输出 character_list 之后，先用第一个角色的 appearance 描述生成一张标准立绘，把这张图的 URL 存进变量，后续所有分镜的生图请求都带上这个 URL 作为 reference。风格前缀我一般固定成「anime style, clean lineart, consistent character design, cinematic lighting」，负面提示词写「blurry, extra fingers, deformed face, text watermark」。这三个锚点定死之后，同一集里角色的脸和服装基本不会跑偏。
# 生图节点的参数组装逻辑（伪代码，对应 Coze 代码节点） def build_image_prompt(scene, character_ref_url, style_prefix): # scene 来自 LLM 输出的 scenes 数组 base = f"{style_prefix}, {scene['description']}" # 如果是特写，加强面部描述 if scene['shot_type'] == '特写': base += ", close-up portrait, detailed eyes, emotional expression" # 夜景单独加光线词 if scene['time'] == '夜晚': base += ", night scene, moonlight, soft shadow" return { "prompt": base, "reference_image": character_ref_url, "negative_prompt": "blurry, extra fingers, deformed face, text watermark", "width": 1024, "height": 576 # 16:9，适配视频 }这段代码的逻辑是：把 LLM 输出的结构化分镜，翻译成生图模型能吃的提示词。参数上，width 和 height 设成 1024x576 是为了匹配 Seedance 的输入比例，如果你设成正方形，后面视频合成时会被裁切或加黑边。reference_image 这个字段不是所有生图插件都支持，如果你的插件不支持参考图，就得靠风格前缀硬扛，一致性会差一截，这是选型时要提前确认的。
3. 从零跑通：Coze 工作流搭建与 Seedance 对接步骤
3.1 导入工作流包后的第一轮检查
拿到 .zip 包之后，不要急着点运行。先在 Coze 的工作流编辑界面里做三件事：检查节点连线是否完整、检查每个 LLM 节点的模型选择、检查生图节点的插件授权。导入的包有时候会因为平台版本差异导致连线断裂，尤其是条件分支节点。我遇到过导入后「生图 → 视频」这条线断了，原因是 Seedance 节点的输入变量名和生图节点的输出变量名对不上，手动重新映射一下就好。
检查完连线，把 LLM 节点的模型换成你账号下有额度的模型。Coze 上不同模型的 JSON 输出稳定性差异很大，我一般优先选支持 function calling 或 JSON mode 的模型，这样格式崩的概率低。生图节点要确认插件已经授权，没授权的节点会显示灰色，点进去重新授权即可。
3.2 用一条测试文本跑通全链路
第一轮测试不要用完整小说，用一段 200 字左右的梗概就行。输入文本示例：
深夜的便利店，一个穿黑色风衣的男人走进来，买了一杯咖啡。店员是个扎马尾的女孩，她注意到男人的手在发抖。男人付钱时掉出一张照片，照片上是一个失踪的女孩。店员认出那是她姐姐。两人对视，男人转身跑出便利店。这段文本有场景、有角色、有冲突、有反转，足够 LLM 拆出 8-10 个分镜。跑的时候盯着三个地方：LLM 输出的 JSON 是否完整、生图是否每张都成功返回 URL、Seedance 是否接受了所有图片。如果生图有失败的，先看是不是提示词里出现了敏感词被拦截，再看是不是参考图 URL 过期了。
3.3 Seedance 视频合成的参数配置
Seedance 节点的核心参数是视频时长、运动幅度、镜头控制。时长建议按分镜数量算：8 个分镜做 60 秒，每个分镜 7-8 秒；12 个分镜做 90 秒，每个 7-8 秒。运动幅度这个参数很多人忽略，设太低画面像 PPT，设太高角色会变形。我一般设 0.4-0.6 之间，动作戏可以到 0.7，对话戏降到 0.3。
{ "model": "seedance", "duration_per_scene": 7, "motion_strength": 0.5, "camera_control": "auto", "transition": "cut", "resolution": "1080x1920", "fps": 24 }这段配置里，resolution 设成 1080x1920 是竖屏短剧的标准比例，如果你做横屏就改成 1920x1080。transition 用 cut 是硬切，适合快节奏；如果想做柔和过渡可以改成 fade，但会吃掉 0.5 秒左右的时长。fps 24 是动画的常规帧率，设 30 会显得太「电视感」，设 12 会有定格动画的味道，看你的题材选。
4. 避坑与排查：13 节点工作流最常见的 5 个翻车点
4.1 LLM 输出的 JSON 被 markdown 代码块包裹
现象：生图节点报错，提示无法解析 prompt 字段。原因：LLM 虽然被要求输出纯 JSON，但它习惯性地加了 ```json 标记。解决：在 LLM 节点后面加一个代码节点，用正则把代码块标记去掉。
import re def clean_json(raw): # 去掉 markdown 代码块标记 cleaned = re.sub(r'^```json\s*', '', raw.strip()) cleaned = re.sub(r'\s*```$', '', cleaned) return cleaned这个清洗步骤看起来多余，但能省掉后面 80% 的格式报错。参数上，正则里的\s*是为了兼容 LLM 在标记前后加的空格和换行。
4.2 生图角色脸不一致
现象：同一集里主角的脸每张图都不一样。原因：没有传参考图，或者参考图 URL 在后续节点里失效了。解决：把第一张角色立绘的 URL 存进工作流的全局变量，而不是节点间的临时变量。全局变量在 Coze 里不会因为节点执行完毕而释放，这是血泪经验。
4.3 Seedance 视频时长和分镜对不上
现象：8 个分镜生成了 8 段视频，但总时长只有 40 秒，台词还没说完画面就切了。原因：duration_per_scene 设太短，或者 LLM 输出的 dialogue 太长。解决：先统计每个分镜的台词字数，按每秒 4-5 个字估算所需时长，取最大值作为该分镜的 duration。这个计算可以放在代码节点里自动完成。
4.4 工作流跑一半卡住不动
现象：进度条停在某个节点，既不报错也不继续。原因：通常是生图插件或 Seedance 接口超时，Coze 默认超时时间可能不够。解决：在节点设置里把超时时间从默认的 30 秒改成 120 秒，生图节点尤其需要。如果还是卡，检查是不是并发数超了账号限制。
4.5 最终视频有画面没声音
现象：视频合成成功，但播放时没有台词配音。原因：这套工作流默认只做画面，配音需要额外接 TTS 节点。解决：在 Seedance 节点之后加一个 TTS 节点，把每个分镜的 dialogue 转成音频，再用视频拼接节点把音频和视频合在一起。TTS 的音色选择上，漫剧一般用青年女声或少年音，语速设 1.1-1.2 倍比较贴合短剧节奏。
5. 进阶技巧：用变量缓存把 13 节点压到 9 节点
跑通之后，你会发现有些节点是可以合并的。我自己的做法是把「角色立绘生成」和「分镜生图」合并成一个节点，用条件判断区分是首次生成还是后续生成，首次生成时把结果写进全局变量，后续直接读缓存。这样能省掉 2 个节点。另外，LLM 的剧本编排和分镜拆解可以合并成一次调用，只要提示词里把两个任务写清楚，输出一个包含 characters 和 scenes 的完整 JSON，又能省掉 1-2 个节点。
压缩到 9 节点之后，执行时间从平均 4 分钟降到 2 分半，生图 API 的调用次数也少了三分之一。但代价是调试难度上升，因为一个节点里塞了太多逻辑，出错时不好定位。我的习惯是：先用 13 节点的完整版跑通，确认每个环节的参数都调好了，再动手合并。不要一上来就追求精简，那是给自己找麻烦。
验证压缩后工作流是否正常，我一般跑三条不同题材的测试文本：一条都市悬疑、一条古风言情、一条科幻。三条都跑通且画风不崩，才算稳定。最后说一个我踩过的坑：全局变量在 Coze 的工作流里是有作用域限制的，如果你在子工作流里写入了变量，主工作流不一定读得到，这个要在变量面板里确认作用域设置。希望帮到你。
本文还有配套的精品资源，点击获取
