AI漫剧制作全流程：从分镜到成片的六道工序实战指南

1. 先搞清楚AI漫剧到底在做什么

1.1 从一条弹幕说起：为什么突然都在聊AI漫剧

去年年底我在一个创作者群里潜水，有人甩了一条两分钟的短片出来，画面是漫画分镜的质感，人物会动、嘴型对得上、打斗有残影，配乐卡点精准。群里第一反应是“这得画多久”，结果作者说从写脚本到导出成片，一个人、一个下午、一台笔记本。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，本质上是把传统漫画的动态分镜语言，用AI生成的方式重新走一遍：剧本拆成分镜，分镜转成画面，画面再驱动成视频，最后配音配乐剪辑成片。它介于静态漫画和全流程动画之间，既保留了漫画的构图张力和镜头感，又具备短视频的节奏和传播力。对新手来说，它最大的吸引力在于——你不需要会画画，不需要会建模，甚至不需要会剪辑软件的高级操作，只要能把“一场戏”拆解清楚，就能走完整个流程。

这篇文章我打算拿“一场戏”作为最小单位来拆。为什么是一场戏而不是一整集？因为新手最容易犯的错就是一上来就想做三分钟完整剧集，结果卡在第三個镜头就崩了。一场戏通常包含起承转合，有对话、有动作、有情绪转折，足够把六道工序全部跑通。你把这六道工序跑顺了，后面无非是复制粘贴加量。

适合谁看？如果你是零基础但想入局AI漫剧的创作者，或者你已经会用即梦、Seedance这类工具生成单张图、单条视频，但不知道怎么把它们串成一部“剧”，那这篇就是写给你的。我会把每一步的参数、提示词结构、踩过的坑都摊开讲，你照着抄作业就能跑通第一场戏。

1.2 六道工序的全景图：一场戏是怎么被拆开的

在正式动手之前，你得先在心里建一个流水线的模型。我把一场AI漫剧的制作拆成六道工序，顺序不能乱，乱了就会返工。

第一道是剧本与分镜拆解。这场戏要讲什么、有几个人物、几个镜头、每个镜头几秒、台词怎么分配，全部在这一步定死。很多人跳过这步直接去生成画面，结果做到一半发现镜头接不上，只能重来。

第二道是主体图库搭建。AI生成最怕角色“换脸”，同一场戏里主角的脸型、发型、服装颜色必须保持一致。所以你要先给每个角色生成一组标准参考图，后面所有镜头都基于这组图去延展。

第三道是分镜画面生成。把每个镜头的构图、景别、人物姿态、背景用提示词描述出来，生成静态画面。这一步决定了整场戏的视觉基调。

第四道是图生视频与动作驱动。静态画面有了，接下来要让画面动起来。对话镜头做口型，动作镜头做位移和残影，情绪镜头做微表情和镜头推拉。

第五道是配音配乐与音效。台词配音、环境音、打斗音效、背景音乐，这一步决定成片的“完成度”。很多新手画面做得不错，但声音一塌糊涂，观众三秒就划走。

第六道是剪辑合成与导出。把视频片段、音频、字幕按时间线拼起来，调整节奏，加转场，导出成片。

这六道工序里，第一道和第二道是地基，第三道和第四道是核心产能，第五道和第六道是成品包装。下面我按顺序拆开讲，每一道都会给到具体的参数和提示词模板。

2. 剧本拆解与分镜设计：别急着打开生成工具

2.1 一场戏的最小结构：三个镜头就能成立

我见过太多新手一上来就写“主角在森林里遇到敌人然后打起来”，这种描述丢给AI，生成出来的东西一定是散的。一场戏要成立，至少要有三个功能不同的镜头：建立镜头、动作镜头、反应镜头。

建立镜头负责交代环境和人物关系。比如“黄昏的废弃工厂，主角站在铁架桥上，远处有黑影逼近”。这个镜头通常用全景或中景，时长三到四秒，目的是让观众知道“这是哪、谁在哪”。

动作镜头负责推进事件。比如“黑影跃起扑向主角，主角侧身闪避，拳头擦过脸颊”。这个镜头用中近景或特写，时长两到三秒，节奏要快。

反应镜头负责传递情绪和结果。比如“主角落地后瞳孔收缩，嘴角渗血，眼神变狠”。这个镜头用面部特写，时长一到两秒，作用是让观众感受到“这一击有多重”。

三个镜头加起来六到九秒，就是一场最小可用的戏。你先把这三个镜头的文字描述写清楚，每个镜头标注景别、时长、人物动作、台词（如果有）、情绪关键词。这一步用表格来管理最清晰。

这张表就是你后面所有工序的“施工图”。没有这张表，你生成到一半一定会乱。

2.2 分镜提示词的结构：把画面翻译成AI能听懂的话

分镜画面生成的质量，八成取决于提示词的结构。我试过很多种写法，最后固定下来一个五段式模板：主体描述 + 动作状态 + 环境氛围 + 镜头语言 + 风格锚点。

主体描述要具体到“谁、穿什么、什么表情”。比如“黑发少年，黑色短夹克，左眉有疤，表情冷峻”。不要写“一个帅气的男孩”，AI会给你随机发挥。

动作状态要写“正在做什么”，而不是“做了什么”。比如“侧身闪避，右拳收在腰间，身体重心向左倾斜”。动态描述能让AI理解这是一个瞬间，而不是摆拍。

环境氛围要写光线、天气、时间、空间质感。比如“黄昏逆光，空气中漂浮灰尘颗粒，废弃工厂铁架生锈”。这些细节决定了画面的电影感。

镜头语言要写景别和机位。比如“中近景，低角度仰拍，浅景深”。AI对镜头术语的理解越来越准，写清楚能省很多抽卡次数。

风格锚点要写你想要的画风。比如“漫画分镜风格，粗线条，高对比度，赛博朋克色调”。如果你有参考图，可以把参考图的风格关键词提取出来放进去。

把这五段拼起来，就是一条完整的分镜提示词。我拿S02举例：

黑发少年，黑色短夹克，左眉有疤，表情冷峻，侧身闪避姿态，右拳收在腰间，身体重心向左倾斜，黄昏逆光，废弃工厂铁架背景，空气中漂浮灰尘颗粒，中近景，低角度仰拍，浅景深，漫画分镜风格，粗线条，高对比度，动态模糊

这条提示词丢进即梦或Seedance，基本三到五次就能出一张能用的图。如果你发现人物脸崩了，优先检查主体描述是不是不够具体；如果构图不对，检查镜头语言是不是写得太模糊。

2.3 分镜表的隐藏字段：新手最容易漏掉的三列

上面那张分镜表是最简版，实际做的时候我还会加三列隐藏字段，这三列决定了后面工序顺不顺。

第一列是角色出场标记。每个镜头里出现了哪些角色，用代号标出来。比如S01是“主角A”，S02是“主角A+敌人B”，S03是“主角A”。这列的作用是提醒你，这个镜头需要调用哪些角色的主体图库。

第二列是首尾帧描述。图生视频的时候，如果你能提供首帧和尾帧两张图，生成的动作会稳定很多。所以分镜阶段就要想好：这个镜头开始时画面是什么样，结束时画面是什么样。比如S02的首帧是“黑影在空中扑向主角”，尾帧是“主角侧身完成闪避，拳头擦过脸颊”。

第三列是音频标记。这个镜头有没有台词、有没有音效、有没有音乐卡点。提前标好，后面配音配乐的时候直接按表走，不用再回头翻剧本。

这三列加上去，你的分镜表就从“草图”变成了“施工蓝图”。我个人的习惯是用在线表格管理，每个镜头一行，生成完一个镜头就在后面打勾，进度一目了然。

3. 主体图库搭建：让角色在同一场戏里不换脸

3.1 角色标准图的生成参数与筛选标准

主体图库的核心目标只有一个：让AI在生成不同镜头时，能“记住”这个角色长什么样。做法是先给每个角色生成一组标准参考图，通常包括正面、侧面、半身、全身、表情特写五张。

生成标准图的时候，提示词要尽量“干净”。什么叫干净？就是去掉复杂背景、去掉戏剧化光影、去掉夸张动作，只保留角色本身。比如：

黑发少年，黑色短夹克，左眉有疤，面无表情，正面站立，双手自然下垂，纯灰色背景，均匀柔光，全身像，漫画风格，粗线条，高对比度

这条提示词生成出来的图，背景是纯灰的，光线是平的，人物是站直的。这样的图作为参考图最稳定，因为变量最少。

生成参数方面，我一般把画面比例设成3:4或9:16，取决于你最终成片的画幅。分辨率拉到工具支持的最高档，因为参考图会被反复调用，清晰度不够后面会糊。生成数量一次出四张，从中选一张脸型最正、五官最清晰的。

筛选标准有三条：五官对称、发型清晰、服装颜色准确。如果这三条有任何一条不满足，重新生成。不要将就，因为这张图会被引用几十次，将就一次后面全崩。

五个角度都生成完之后，建一个文件夹，按“角色代号_角度”命名，比如“A_正面”“A_侧面”“A_半身”“A_全身”“A_表情”。这个文件夹就是你这场戏的“演员库”。

3.2 用参考图锁定角色的实操方法

有了标准图，下一步是让生成工具在生成新画面时“参考”这张图。不同工具的叫法不一样，有的叫“参考图”，有的叫“角色一致性”，有的叫“图生图”。核心逻辑是一样的：你上传标准图，设置一个参考强度，然后写新画面的提示词。

参考强度这个参数很关键。设得太低，角色会跑偏；设得太高，画面会僵化，动作做不出来。我实测下来，0.6到0.75之间是比较舒服的区间。对话镜头可以设到0.75，保证脸不变；动作镜头降到0.6，给AI一点发挥空间。

具体操作上，我习惯把标准图和分镜提示词一起丢进去，然后在提示词开头加一句“参考图中的人物，保持面部特征和服装一致”。这句话不是玄学，它确实能引导AI把注意力放在参考图上。

还有一个技巧：如果某个镜头角色是侧脸，你就用侧面的标准图去参考；如果是半身，就用半身标准图。用对应角度的参考图，一致性会明显更好。我试过用正面图去生成侧脸镜头，十次有六次脸会变形。

3.3 主体图库的版本管理：别把鸡蛋放一个篮子

主体图库不是生成一次就完事的。随着你做的镜头越来越多，你会发现某些角度、某些表情的标准图不够用。比如你突然需要一个“愤怒特写”，但之前只生成了“面无表情特写”，这时候就得补。

我的做法是给每个角色建一个版本号。初始版本叫v1，包含五个基础角度。每补一张新图，版本号加0.1。比如补了愤怒特写，就叫v1.1。每次生成新镜头时，记录用了哪个版本的标准图。如果后面发现某个镜头角色崩了，可以回溯到当时用的版本，看看是不是那张参考图本身有问题。

另外，标准图不要只存一份。我吃过亏，有一次清理硬盘把某个角色的标准图删了，结果那场戏做到一半，后面所有镜头角色都换脸了，只能全部重做。现在我至少存三个地方：本地文件夹、云盘、还有一个专门的素材管理工具。

提示：主体图库建好之后，先别急着做正片。拿三个不同景别的镜头试生成一下，确认角色一致性没问题，再批量开工。这三张试生成图就是你的“校准样本”。

4. 分镜画面生成：从文字到画面的关键参数

4.1 即梦与Seedance的选型对比

分镜画面生成这一步，我用得最多的是即梦和Seedance。两个工具各有侧重，我按实际使用体验做个对比。

我的实际工作流是：对话和情绪镜头用即梦，动作和全景镜头用Seedance。两边生成完统一放到一个文件夹里，按镜头编号命名。这样既保证了效率，又保证了关键镜头的质量。

如果你只能选一个，我建议新手先从即梦入手，因为它的参考图功能对角色一致性的帮助太大了，能帮你省掉很多返工。等你对提示词结构熟悉了，再切到Seedance做动作镜头。

4.2 提示词里的“上策下策”：什么时候写细节，什么时候留白

热词里有个“ai提示词上策下策的用法与示例”，我觉得这个说法很形象。所谓上策，就是你把所有细节都写死，AI只负责执行；所谓下策，就是你只给一个方向，让AI自由发挥。

什么时候用上策？角色面部、服装细节、关键道具必须用上策。比如“左眉有疤”这种特征，你不写死，AI十次有八次会漏掉。再比如“黑色短夹克”，你不写，它可能给你生成皮衣或卫衣。

什么时候用下策？背景纹理、次要人物、环境光影可以用下策。比如“废弃工厂”这四个字，AI会自己补充铁架、锈迹、灰尘这些细节，你不需要一一列举。再比如“远处有黑影”，你不需要描述黑影穿什么，因为它在画面里本来就不清晰。

我个人的比例是：主体描述用上策，占提示词的三成；动作和环境用中策，占四成；风格和氛围用下策，占三成。这个比例不是固定的，动作镜头可以多给一点下策空间，让AI生成更自然的动态；对话镜头要多用上策，保证脸和服装不跑偏。

4.3 批量生成与筛选：一天出三十张可用图的节奏

分镜画面生成最耗时的不是写提示词，而是筛选。你生成十张，可能只有三张能用。所以节奏很重要。

我的做法是分批生成、集中筛选。比如今天要搞定S01到S05五个镜头，每个镜头生成八张，一共四十张。生成的时候不筛选，全部丢进一个临时文件夹。全部生成完之后，再统一过一遍，每个镜头挑一张最好的，重命名成“S01_可用”“S02_可用”。

筛选的时候看三个点：角色脸有没有崩、构图对不对、情绪对不对。三个都满足的，直接过。有两个满足的，标记为“备选”，如果后面实在没有更好的，可以拿来用。只有一个满足的，直接删。

按这个节奏，一天出三十张可用图是可行的。前提是你的提示词模板已经固定下来，不需要每张都重新想。我通常会把一场戏所有镜头的提示词提前写好，放在一个文档里，生成的时候直接复制粘贴，效率能翻倍。

注意：不要在一个镜头上死磕超过十五张。如果十五张都挑不出一张能用的，说明你的提示词结构有问题，回去改提示词，而不是继续抽卡。

5. 图生视频与动作驱动：让画面真正“动”起来

5.1 对话镜头的口型驱动：参数与对齐技巧

对话镜头是漫剧里最常见的镜头类型。它的核心难点是口型对齐——台词说到哪个字，嘴型要大致对上。

目前主流的做法是：先有静态画面，再用音频驱动口型。具体操作上，我一般把台词音频切成单句，每句对应一个镜头。然后把静态图和音频一起丢进图生视频工具，选择“口型驱动”模式。

参数方面，口型强度设到0.7左右比较自然。设太低嘴不动，设太高嘴会变形。头部微动设到0.3，让角色说话时头有轻微晃动，不然像木偶。眨眼频率设到每三到四秒一次，太频繁显得紧张，太少了显得呆。

对齐技巧上，我习惯在音频开头留0.3秒的空白，让画面先稳定一下再开始说话。结尾也留0.2秒，避免话说完画面立刻切走。这个留白在剪辑的时候可以裁掉，但生成的时候留着，口型会更准。

如果工具支持“音素对齐”功能，一定要打开。它会把音频里的每个音素和嘴型对应起来，比单纯靠音量驱动准得多。我实测下来，开了音素对齐之后，口型准确率能从六成提到八成以上。

5.2 动作镜头的首尾帧控制：打斗场面的稳定生成法

动作镜头最容易崩。你让AI生成“一个人跳起来踢腿”，它可能给你生成一个扭曲的人形。解决办法是用首尾帧控制。

具体做法是：先分别生成这个动作的起始画面和结束画面。比如S02的首帧是“黑影在空中扑向主角”，尾帧是“主角侧身完成闪避，拳头擦过脸颊”。两张图都确认没问题之后，把它们作为首帧和尾帧丢进图生视频工具，让AI去补中间的过程。

参数方面，运动强度设到0.5到0.6。设太低动作软绵绵，设太高画面会撕裂。运动模糊设到0.4，给动作加一点残影，更有冲击力。帧率设到24帧，这是动画的标准帧率，看起来最顺。

如果工具支持“运动笔刷”或“区域控制”，把运动区域框在人物身上，背景保持静止。这样能避免背景跟着一起扭曲。我试过不框区域，结果整个画面像在水里泡着，完全不能用。

打斗镜头还有一个技巧：拆成多个短镜头。不要试图用一个三秒镜头完成“跃起、出拳、落地”三个动作。拆成三个一秒镜头，每个镜头只做一个动作，生成成功率会高很多。剪辑的时候拼起来，节奏反而更紧凑。

5.3 情绪镜头的微表情与镜头运动

情绪镜头看起来简单，其实最难。因为它没有大动作，全靠微表情和镜头运动传递信息。

微表情方面，我一般会写“瞳孔收缩”“嘴角微颤”“眉头紧锁”这类具体描述。但图生视频工具对微表情的控制有限，所以我会配合镜头运动来强化情绪。比如S03是主角落地后眼神变狠，我会让镜头做一个缓慢的推近，从半身推到面部特写，同时画面轻微抖动，模拟手持感。

参数上，推近速度设到每秒5%到8%，太快会晕，太慢没感觉。抖动幅度设到0.1到0.2，轻微即可。焦点锁定在眼睛上，确保推近过程中眼睛始终清晰。

如果工具支持“表情迁移”，可以找一段参考视频，把里面的微表情迁移到你的角色脸上。这个功能对情绪镜头帮助很大，但要注意参考视频的表演风格要和你的漫剧调性一致，不然会很违和。

6. 配音配乐与音效：成片完成度的一半

6.1 台词配音的三种方案与选择逻辑

台词配音有三种常见方案：AI语音合成、真人配音、自己上。

AI语音合成最省事，适合批量生产。现在的AI语音已经能做出不错的情绪起伏，但缺点是“播音腔”重，缺乏个性。我一般用它来做旁白和次要角色，主角还是尽量用真人。

真人配音质量最高，但成本也最高。如果你是自己做，可以找配音爱好者合作，或者用配音平台按句付费。我个人的经验是，一场戏如果台词超过十句，找真人配音的性价比就出来了，因为AI语音听多了会腻。

自己上是最直接的办法。如果你声音条件还行，用手机录就行。关键是离麦克风一拳距离、环境安静、每句录三遍选最好的一条。录完之后用音频软件做降噪和压缩，听起来不会比AI差。

选择逻辑很简单：主角用真人或自己上，旁白和群杂用AI，情绪爆发句必须真人。AI目前还处理不好“嘶吼”“哽咽”这类极端情绪，强行用会出戏。

6.2 音效库的搭建与打斗音效的叠加技巧

音效是漫剧的“隐形加分项”。观众不会注意到音效做得好，但音效一差，立刻出戏。

我建议新手先建一个基础音效库，包含这几类：环境音（风声、雨声、城市底噪）、动作音（脚步、衣物摩擦、拳风）、打击音（闷响、脆响、金属碰撞）、情绪音（心跳、耳鸣、低频轰鸣）。每类存五到十个文件，够用很久。

打斗音效的叠加有个技巧：三层叠加。第一层是“拳风”，用高频的呼啸声；第二层是“接触”，用中频的闷响；第三层是“余韵”，用低频的震动。三层叠在一起，打击感就出来了。单用一层，怎么调都单薄。

叠加的时候注意音量平衡。拳风占三成，接触占五成，余韵占两成。接触音要稍微提前一帧，因为视觉上的“击中”和听觉上的“响声”有微小的时间差，提前一帧听起来更同步。

6.3 背景音乐的卡点与情绪铺垫

背景音乐不用多，一场戏一到两段就够了。关键是卡点和情绪铺垫。

卡点方面，我习惯把音乐波形图打开，找到鼓点位置，然后把镜头切换点对齐到鼓点上。动作镜头的切换对齐重鼓，情绪镜头的切换对齐轻鼓或旋律转折。对齐之后，整场戏的节奏感会强很多。

情绪铺垫方面，音乐不要从头到尾一个音量。建立镜头用低音量铺底，动作镜头拉高，反应镜头降下来留白。我通常会在剪辑软件里给音乐做关键帧，手动调整每个镜头的音量。这个操作花不了几分钟，但效果提升很明显。

提示：背景音乐的音量不要超过台词的六成。观众听不清台词，再好的画面也白搭。

7. 剪辑合成与导出：最后一道工序的细节

7.1 时间线编排：镜头顺序与节奏控制

剪辑这一步，我用的工具比较随意，剪映、Premiere、达芬奇都行。核心不是工具，是时间线的编排逻辑。

一场戏的镜头顺序，我一般按“建立、动作、反应”来排。但有时候会把反应镜头提前半秒，做成“预判”效果。比如S02动作镜头还没结束，S03的反应镜头已经切进来了，观众会感觉“这一拳打中的瞬间，主角的表情已经变了”。这种微调能让节奏更紧凑。

节奏控制上，建立镜头给足四秒，动作镜头压到两秒，反应镜头一秒半。总时长控制在八秒左右。如果超过十秒，观众会开始走神。如果少于六秒，情绪还没起来就结束了。

转场方面，漫剧不适合花哨的转场。硬切为主，偶尔用叠化。动作镜头之间用硬切，情绪镜头之间用短叠化。叠化时长设到0.3秒，太长会拖节奏。

7.2 字幕与特效的克制使用

字幕方面，台词字幕必须有，音效字幕可选。台词字幕放在画面下方居中，字号不要太大，颜色用白色加黑色描边，保证在任何背景上都看得清。音效字幕比如“砰”“嗖”可以放在画面角落，字号小一点，不要抢戏。

特效方面，我建议新手能不用就不用。漫剧的质感来自画面本身和节奏，不是来自特效。我见过太多新手加一堆光效、粒子、震动，结果画面像劣质页游。如果一定要加，只加两种：速度线和冲击帧。速度线用在动作镜头，冲击帧用在打击瞬间，各加一两帧即可。

7.3 导出参数与多平台适配

导出参数取决于你发哪个平台。我一般导出两个版本：横版16:9和竖版9:16。横版用于视频平台，竖版用于短视频平台。

参数方面，分辨率1080P，帧率24帧，码率10到15Mbps。这个配置在画质和文件大小之间比较平衡。如果平台压缩厉害，可以把码率提到20Mbps，但文件会大很多。

音频导出立体声，采样率48kHz，比特率320kbps。不要用单声道，听起来会扁。如果平台支持，导出的时候把响度标准化到-14 LUFS，这是大多数平台的推荐值。

注意：导出之前一定要完整看一遍。我吃过亏，有一次导出之后发现某个镜头的音频没对上，重新导出花了半小时。现在我的习惯是导出前用播放器全屏看一遍，确认没问题再导出。

8. 常见问题与排查技巧实录

8.1 角色换脸、画面崩坏、动作扭曲的排查顺序

做AI漫剧遇到问题，排查要有顺序，不然会浪费时间。

角色换脸：先检查参考图是不是用对了角度，再检查参考强度是不是太低，最后检查提示词里有没有写清楚角色特征。三步走完，九成问题能解决。

画面崩坏：先看提示词是不是太长太杂，再看生成参数里的“创意度”是不是设太高。创意度超过0.8，AI会开始自由发挥，崩坏率飙升。我一般把创意度压在0.5到0.6。

动作扭曲：先检查首尾帧是不是清晰，再检查运动强度是不是太高，最后检查有没有框定运动区域。如果三步都没问题，把这个镜头拆成两个更短的镜头。

8.2 生成速度慢、排队久的应对策略

生成速度慢是常态，尤其是高峰期。我的应对策略是错峰生成。早上八点前和晚上十一点后，生成速度明显快很多。如果必须白天做，就提前把提示词写好，一次性提交多个任务，然后去干别的，过半小时回来收图。

另一个策略是降低预览质量。很多工具支持“快速预览”模式，生成速度快但画质低。我一般用快速预览来抽卡，选中之后再生成高质量版本。这样能省一半以上的时间。

8.3 音频视频不同步的三种修复方法

音视频不同步是剪辑阶段最常见的问题。三种修复方法，按优先级排：

第一种，重新生成视频片段。如果不同步是因为口型驱动没对齐，重新生成是最彻底的解决办法。

第二种，在剪辑软件里手动偏移。把音频往前或往后拖几帧，直到对上。这个方法适合微小偏移，超过五帧就不建议了，因为会影响到前后镜头。

第三种，用音频软件拉伸波形。如果音频比视频长，可以把音频稍微压缩一点。但这个方法会改变音调，慎用。

我个人的习惯是，生成阶段就把音频和视频对齐好，剪辑阶段只做微调。这样最省事，也最不容易出错。

8.4 新手最容易踩的五个坑

第一个坑：跳过分镜直接生成。结果做到一半发现镜头接不上，全部重来。

第二个坑：主体图库只生成一张。结果角色在不同镜头里脸型忽胖忽瘦，观众一眼看出是AI。

第三个坑：提示词写得太文学。比如“他心中涌起无尽的悲伤”，AI理解不了。要写“眉头紧锁，嘴角下压，眼神失焦”。

第四个坑：动作镜头不拆。一个镜头想做三个动作，结果生成出来像一团橡皮泥。

第五个坑：音效堆太多。每个动作都加音效，听起来像菜市场。音效要克制，只在关键帧加。

9. 参数速查表与提示词模板

9.1 全流程关键参数汇总

9.2 分镜提示词五段式模板

[主体描述] + [动作状态] + [环境氛围] + [镜头语言] + [风格锚点]

示例：

黑发少年，黑色短夹克，左眉有疤，表情冷峻，侧身闪避姿态，右拳收在腰间，身体重心向左倾斜，黄昏逆光，废弃工厂铁架背景，空气中漂浮灰尘颗粒，中近景，低角度仰拍，浅景深，漫画分镜风格，粗线条，高对比度，动态模糊

9.3 打斗动作提示词专用模板

[角色A] + [起始姿态] + [攻击动作] + [角色B] + [受击反应] + [镜头运动] + [特效关键词]

示例：

黑发少年，站立姿态，右拳直冲向前，黑衣敌人，头部后仰，身体向后飞出，镜头快速横移跟随，速度线，冲击帧，动态模糊，高对比度

这个模板我用了很多次，生成打斗镜头的成功率比自由发挥高不少。关键是“起始姿态”和“受击反应”要写清楚，AI才知道动作的起点和终点。

9.4 情绪镜头提示词专用模板

[角色] + [面部微表情] + [眼神方向] + [镜头运动] + [光影氛围] + [风格锚点]

示例：

黑发少年，瞳孔收缩，嘴角微颤，眼神向下偏左，镜头缓慢推近至面部特写，侧逆光，面部半明半暗，漫画风格，粗线条，高对比度

情绪镜头的提示词要短，越短AI越容易聚焦在面部。我试过写很长的情绪提示词，结果AI把注意力分散到背景上，脸反而没做好。

10. 我个人的实操体会

这套流程我跑了大概三个月，从最开始一场戏做三天，到现在一场戏一个下午能搞定。最大的体会是：AI漫剧的瓶颈不在生成工具，而在分镜设计和主体图库。这两个地基打好了，后面就是流水线作业；地基没打好，后面每一步都在返工。

另一个体会是不要追求一次完美。我见过很多新手，一个镜头生成二十张还不满意，结果一天下来只做了两个镜头。我的做法是，一个镜头最多生成八张，挑一张能用的就走，后面剪辑的时候如果觉得不行，再回来补。先跑通全流程，再回头优化细节，这个顺序不能反。

最后分享一个小技巧：建一个“废片库”。那些生成出来但没用的图，不要删，按镜头编号存起来。有时候你做另一场戏，突然需要一个背景或一个路人，废片库里翻一翻，可能直接就能用。我现在的废片库里有上千张图，利用率大概在一成左右，但这一成省了我不少时间。

这个内容后续还可以这样扩展：把一场戏扩展到一集，加入多线叙事和转场设计；或者把主体图库升级成“角色宇宙”，让不同剧集之间的角色可以互相客串。等你把一场戏跑顺了，这些扩展都是水到渠成的事。