以前提到漫剧制作大家第一反应是那得有一个团队吧——编剧写本子、画师画分镜、动画师做动效、配音配乐、剪辑成片一个人根本忙不过来。但现在全民AI做漫剧这件事真的落地了豆包负责写剧本和分镜脚本即梦负责出画面素材剪映负责把素材剪成完整成片扣子负责把中间的重复劳动自动化。我用这套组合拳跑通了好几个短漫剧项目从写一句话创意到发布一支1分钟左右的分集成片一个人坐在电脑前就能全部完成。这篇文章把我踩过的坑和验证过的流程完整复盘一遍想上手的朋友可以直接照着抄。1. 一人漫剧工作室本质是把团队分工换成流程先想清楚一个逻辑传统漫剧制作团队之所以需要那么多人不是因为每件事都难到只有专家能做而是分工链条太长——编剧、分镜、原画、动画、配音、剪辑、后期每个环节都要有专人维护质量。AI能不能替代他们能但前提是你要把团队分工改造成流程衔接。1.1 传统团队里哪些角色最先被AI替代我把漫剧生产的链路拆开看按被AI替代的难度排了个序编剧和文案豆包这类大模型天然擅长生成故事框架、对白、旁白哪怕你只有一句我想做个都市奇幻漫剧它也能给你铺出分集大纲。这是目前替代程度最高的环节。分镜师分镜的本质是把文字故事转成镜头语言描述这恰恰是即梦这类文生图/图生视频工具最需要的东西。你给它一段精准的镜头描述它就能返回一个可供剪辑的画面片段替代程度非常高。原画与动画师即梦承担了绝大部分从无到有画出画面并让画面动起来的工作。虽说质量上限和技术美术没法比但对短视频漫剧来说风格化、氛围感足够撑住完播率替代程度中高。配音演员剪映自带的声音素材库和AI配音已经能做到听着不尴尬的水平配合BGM和对白节奏调整普通人完全没有必要去约录音棚。替代程度高。剪辑师剪映的自动字幕、自动踩点、模板化转场把剪辑压缩成了选素材-排顺序-调节奏三步。替代程度中高。后期特效漫剧需要的特效大多是光影、闪白、故障感这类简单效果剪映完全够用不用上AE。替代程度中等。1.2 四个工具的分工逻辑一家虚拟小公司把这四个工具理解成一家虚拟公司会更清晰工具职位核心产出豆包编剧/策划故事大纲、单集剧本、分镜脚本、台词旁白即梦画师/动画师人物定妆图、场景图、动态视频素材剪映剪辑/配音/后期粗剪、精剪、字幕、配音、音效、导出扣子项目经理/流程自动化串联前段创意与中段产出批量生成文案与提示词这里有一个容易理解错的地方不是每集都要把四个工具全过一遍。当你跑通一次流程之后真正需要人介入的只有创意决策——比如脚本哪里要反转、画面哪条最好、哪句台词要改口语。重复的案头工作比如把剧本拆成分镜描述完全可以由扣子工作流自动生成。这也是一人成团的核心逻辑人只做判断AI做执行。我刚开始做的时候犯过一个错误就是试图让一个工具包揽所有事。结果要么是剧本还行但画面拉胯要么是画面精美但叙事稀碎。后来我把流程分成创意层-执行层-后期层三段每个工具只做自己最擅长的那一段整体效率立刻上来了。这套分工方式是所有操作步骤能够成立的前提。2. 豆包写剧本先把写个漫剧拆成写分集、写分镜、写台词豆包写漫剧剧本是完全没有问题的但它默认给的产出太AI腔——四平八稳、没有钩子、对话像说明书。要让豆包写出真正能吸引人追下去的漫剧剧本核心不在模型选得多高端而在于你怎么问它。2.1 一段能直接用的剧本提示词模板我的经验是给豆包的指令必须包含六个要素题材、风格、目标平台、单集时长、人物设定、剧集钩子设计。每次都用同一套结构化模板产出质量会稳定很多。下面是我经常用的提示词模板你可以直接复制我想做一部[都市奇幻]题材的短漫剧目标平台是短视频单集目标时长1分钟左右。 请帮我完成以下工作 1. 先用一段话写出这部漫剧的核心世界观控制在100字以内。 2. 设计主要角色不超过3人。每个角色给出姓名、年龄、一句话人设、口头禅、隐藏秘密。 3. 产出前8集的分集标题和每集的一句话梗概。 4. 把第1集扩写成分镜脚本分镜数量控制在10个左右。 5. 分镜脚本的每个分镜必须包含景别、画面内容、人物动作/表情、台词、旁白、音效建议。 风格要求轻松幽默中带一点悬疑对话要口语化尤其注意人物说话要有潜台词不要直白陈述内心。 每集结尾必须留一个钩子让观众有强烈欲望点开下一集。这条指令之所以有效是因为它把你的真实需求拆成了豆包最容易执行的子任务先定世界观再定人设然后定分集最后细化到单集分镜。很多人问豆包帮我写个漫剧得到一堆空泛套话本质就是因为需求拆得不够细。2.2 从剧本到画面描述AI能看懂的分镜提示词长什么样分镜脚本和普通剧本最大的区别在于普通剧本写的是发生了什么分镜脚本写的是镜头里能看到什么。豆包生成的分镜脚本能不能被即梦直接用取决于画面描述是否足够具体。我一般要求豆包在每个分镜里补充以下信息景别特写、近景、中景、全景必须写明。主体动作角色正在做什么动作终点是什么状态。表情情绪角色当下的表情和情绪关键词。环境光影场景是什么环境光线是暖是冷是否有霓虹、月光、阴影等氛围元素。画面风格每一条都固定加上统一风格词比如日系赛璐璐动画风格高饱和电影感光影。举个例子主角看到手机消息后震惊这种描述即梦是画不出理想画面的。但改成近景22岁的林澈站在便利店门口霓虹灯光在她脸上投射出蓝色和粉色的混合光晕她低头盯着手机屏幕瞳孔微微放大嘴唇张开表情由困惑转为震惊背景是虚化的夜晚街道日系赛璐璐动画风格电影感光影——即梦就能给出非常接近的成片。后面我会专门讲为什么动作描述要有终点。2.3 台词和旁白拒绝AI腔的实操方法AI生成的台词里最致命的问题就是字正腔圆。角色说话像新闻播报毫无生活感。我的解决办法是给豆包加两条硬约束所有台词不得超过25个字且必须包含口语停顿词或语气词不是吧完了完了你听我说……。禁止用书面语和总结性表达。如果台词里出现事实上总而言之我们必须一律改成碎片化口语。另外旁白在漫剧里承担的是节奏推进器的作用不是剧情解说员。好的旁白应该补足画面以外的信息比如角色没说出口的心理、时间跳跃的交代、埋设伏笔。我会专门在提示词里跟豆包说旁白只能写画面里看不到的信息画面已经表达的情绪不要在旁白里重复一遍。用这套方法和豆包配合产出质量已经非常接近专职编剧的初稿了。当然AI的初稿通常还是有20%-30%需要你手动改但你已经站在巨人的肩膀上改而不是从零开始写效率完全是两个量级。3. 即梦出画面人物一致性是这个环节的全部难点剧本和分镜脚本到手后最核心的事情就变成了让画面看起来像同一个故事。即梦这类AI工具单张出图的惊艳程度很高但一旦你想让它隔10个分镜后再次生成同一个主角很容易得到一张长得好像又完全不一样的脸。人物一致性是我在即梦上花时间最多的地方。3.1 先锁人物才动笔角色定妆图必须前置我强烈建议不要上来就生成分镜素材先花半小时把主要角色的人物特征定死。具体流程是第一步在豆包里把每个角色的外观设定成一段固定的角色特征描述符包含性别、年龄、发型、发色、眼睛颜色、五官特征、体型、标志性服装、配饰。例如林澈女22岁黑色齐肩短发浅棕色眼睛左眼角下方有一颗小泪痣常穿墨绿色工装夹克和白色T恤脖子上戴一条银色吊坠身形清瘦表情偏冷淡日系赛璐璐动画风格。第二步把这段描述符贴到即梦的文生图里生成10张左右的半身像和全身像挑一张最接近你脑补的角色形象固定为角色定妆图。第三步后续每一个分镜的画面生成都把这段描述符原封不动放进提示词并同时上传角色定妆图作为参考图。实测下来人物五官重合度能稳定在80%以上同一套服装下的画面衔接也不会显得跳戏。这里有个反直觉的经验角色描述符越短越有效。我之前试图添加她的气质中带着一种疏离感和疲惫感这类情绪描述结果即梦每次都在表情上自由发挥反而让脸型不稳定。控制描述符在50个字以内只锁定硬特征把情绪交给具体分镜的画面描述去表达一致性会好很多。3.2 文生图-图生视频比直接文生视频更可控即梦支持文生视频也支持图生视频。做漫剧我强烈建议走先文生图再图生视频这条路。原因很简单文生视频要同时控制构图、角色、动态稍不注意就崩而图生视频是给定一张图你只需要控制怎么动可控性高出一个台阶。实际操作分三步在即梦里用文生图能力按分镜描述生成关键帧画面分辨率尽量选高的方便后期裁剪。把选中的关键帧图导入图生视频运动幅度建议选择中低档。漫剧对动态的需求和普通AI短视频不一样不需要大风大场景人物微表情、头发飘动、光影流动这种小幅动态反而更有质感。每个分镜生成2-3条动态视频从中挑一条动作最自然、结尾帧最好接的。注意AI视频生成是随机的同一个提示词出不同结果很正常多抽卡是常态。在这个阶段动作描述要有终点这条经验特别重要。如果提示词写一个女孩走在街上AI视频往往会让镜头无意义地游走但如果写女孩站在原地头发被风吹起她抬手拢了拢头发然后抬头看向镜头画面就有了明确的动态终点成片节奏也更适合剪辑。即梦对带动作终点的描述理解能力明显更好这部分也是我反复测试后得出的结论。3.3 分镜之间如何保持色调统一人物统一只是第一步如果每个分镜的色调、光影差异过大观众依然会觉得拼接感很强。我的处理方式是在每条提示词的末尾固定追加统一的风格描述词。比如前面提到的日系赛璐璐动画风格高饱和电影感光影背景虚化我会在一条漫剧项目里从头到尾保持完全一致一条都不改。风格词一旦中途换AI就会把画面理解成另一种渲染方式肤色、环境光全部跑偏。我也对比过libtv这类视频生成工具它的大场景长镜头能力确实不错运动镜头比即梦平滑一些但漫剧这种需要在人物、分镜、情绪之间高频切换的场景即梦在出图稳定性和单镜头可控性上更贴合需求。如果你主做的是自然风光、建筑漫游类的旁白视频libtv可以纳入备选但做剧情向漫剧即梦的思路更顺畅。4. 剪映成片配音、字幕、卡点一桶搞定素材全部生成后剪映是决定能不能看的那最后一步。很多人觉得剪辑不就是把视频按顺序排好但实际上漫剧的节奏感、氛围感和观众留存率全靠这一步调出来。4.1 粗剪思路按分镜顺序排完先删掉废镜头把即梦生成的所有动态素材导入剪映后我从来不会边导边剪而是先把全部素材按分镜顺序拖到时间线上整体看一遍。这个过程中要果断删掉三类镜头动作变形明显的人物手指数量不对、脸部扭曲、衣服穿模动态幅度过小导致像PPT切图的和前后镜头色调差异过大、统一不回来的。删完后如果分镜不够再回即梦补生成定向补戏。不要试图用剪映的滤镜强行拉平画面尤其是人物的肤色一动滤镜就容易塑料感。前期在即梦统一风格远远好过后期补救。4.2 自动字幕和AI配音把听感做干净剪映的自动字幕识别对AI配音的识别率很高基本不用大改只需要注意三个细节台词断句。剪映会自动按稿件断句生成字幕但经常会把一句话拆成两句观众读起来很累。我习惯在识别完成后手动过一遍断句保证每屏字幕不超过10个字。敏感词和错别字。AI生成的台词里偶尔会出现同音字错误比如明天识别成名天必须在导出前逐条检查。字幕样式统一。漫剧的字幕我一般选白色字体黑色描边局中偏下位置既不遮挡人物表情又保证可读性。避开花哨的动态字幕模板会让成片更有剧集感而不是PPT感。AI配音方面剪映的声音素材库和AI朗读已经够用。旁白我建议选沉稳厚一点的男声或温柔女声语速调到0.9-1.0倍角色对白如果用AI配音一定要给不同角色选不同的音色这是提升剧感最廉价的方式。我的习惯是每个角色挑好音色后在剪映里新建一个角色音色草稿页复用词库保证整季配音不串线。4.3 卡点和转场漫剧节奏是短平快还是慢氛围漫剧的节奏取决于你的受众和题材。悬疑、爽文类短剧我建议镜头切换间隔控制在2-3秒重音乐鼓点上切镜观众根本来不及点走治愈系、情感系漫剧则可以放慢到4-6秒让观众情绪沉淀。剪映的自动踩点功能可以快速生成音乐节拍标记但我建议不要完全依赖它。AI剪辑的踩点逻辑偏机械每一下都踩在正拍上反而显得单调。漫剧是叙事内容不是卡点混剪我会手动调整部分切镜点在人物说完某句关键台词后停顿0.2-0.3秒再切或者在情绪转折时提前半拍切入下一个镜头这种不准才是节奏感的来源。转场特效不要滥用。我用得最多的是叠化和闪白两个。叠化用于时间正常推进的地方闪白用于回忆、幻想、梦境、冲击性反转。花哨的3D转场、翻页转场在漫剧里非常出戏建议直接避开。4.4 导出参数和画幅比例做短视频平台漫剧我推荐竖屏9:16分辨率1080x1920帧率30fps。导出前检查两个容易被忽略的点一是视频安全区域字幕和关键信息必须落在屏幕中间90%区域内避免被平台UI遮挡二是音量标准化剪映导出时把响度统一到-14 LUFS左右避免一集响一集轻。如果你打算同时在B站、YouTube这类横屏平台发布再导一版16:9的横屏版本也很方便。关键是在前期生成画面时构图主体尽量居中这样横竖版本都能保留下核心信息。我在即梦生成图片时就会特意把角色主体放在画面中心区域这部分工作前置到素材生成阶段会给后期省很多事。5. 扣子进阶把重复的案头工作交给工作流做漫剧做到第三四集的时候你会明显感觉有一件事特别烦每次都要重复写帮我生成分镜脚本帮我写画面提示词这些指令。这就是扣子Coze该介入的地方了。5.1 扣子能自动化的边界在哪里先泼一盆冷水扣子目前不能直接生成视频也不能直接操作剪映的工程文件。它擅长的是把文本层面的流程串起来——比如根据一句话创意生成完整的分集大纲、批量产出分镜描述、生成即梦画面提示词、检查台词里有没有书面语、把对白整理成剪映字幕格式。换句话说扣子替代的是你反复复制粘贴、来回切换窗口的案头操作而不是最终的画面合成和剪辑。把期待值放在这个位置扣子就是提高效率的利器如果你指望扣子一键出片那现阶段必然会失望。5.2 搭一个漫剧策划助手工作流我实际在用的扣子工作流叫漫剧策划助手核心逻辑是串起四个节点用户输入接收你的一句话创意比如一个外卖员发现每单客户都会提前死亡。大模型节点A根据创意生成8集分集大纲每集一句梗概钩子。大模型节点B选择其中某一集细化为10个分镜的分镜脚本。输出节点把分镜脚本里的画面描述统一格式化为即梦画面提示词分镜编号台词旁白音效建议清单。实际搭建时最关键的并不是节点多复杂而是每个大模型节点里的提示词是否足够稳定。我会把豆包那套剧本提示词模板拆成多个子提示词分别放到节点A和节点B里。扣子的工作流在编排上的优势是一旦脚本写好了完全不用每次重新告诉模型你要做什么它每次都按固定路径输出一致性比手动复制粘贴还要高。5.3 扣子豆包即梦剪映的衔接节奏我的完整工作节奏是第一阶段策划打开扣子工作流输入一句话创意拿到分集大纲和分镜清单。如果某集不满意只改提示词里的风格约束或核心冲突再跑一轮。这个阶段完全不需要打开即梦和剪映。第二阶段画面把工作流输出的即梦画面提示词逐条粘贴到即梦生成素材。每集10个分镜大概需要30-40分钟的抽卡时间。如果即梦支持批量生成效率还会更高但目前在画面描述微调上仍然需要人工介入。第三阶段成片把选中的视频素材导入剪映按照上一章的方法配音、字幕、卡点、导出。整个流程过一遍之后你会发现人的精力主要花在判断和选择上——选哪个分镜大纲更吸引人、选哪条动作视频更自然、选哪句配音语调更贴合人物。而工具和流程把那些从零到一的重复劳动全部吃掉了。这也是漫剧从团队工作变成一个人也能跑的根本原因。6. 实测踩过的坑穿帮、乱码、同质化、节奏拖沓任何工具组合都有它的问题这套流程跑了十几集之后我总结出几个高频坑提前知道能省很多时间。6.1 人物穿帮和脸崩常见场景前两集角色还是黑衣黑发第三集突然变成棕色头发了或者某个特写镜头里手指数不对。原因多半是角色描述词在不同分镜里被改动了几个字或者即梦在渲染特写镜头时自由度太高。我的解决方案一是角色描述符永远复制粘贴不手工重新打字二是对于手部特写、脸部特写这类高风险镜头多生成几条备选不要心疼抽卡次数三是在图生视频时使用角色定妆图垫图能显著降低脸崩率。6.2 画面里的文字全部乱码AI生成图片时画面里任何文字——店铺招牌、手机屏幕上的消息、海报——都是乱码重灾区。我第一次做的时候没经验让手机屏幕上显示快递已送达直接出图出来的全是鬼画符。现在我坚决不在画面里生成文字内容。凡是涉及文字信息一律理解为手机屏幕上有消息内容不详然后后期在剪映里用贴纸或字幕补上。这样既避免了乱码还能在需要时随时更换文字内容反而更灵活。6.3 内容同质化严重如果你在即梦和豆包里只写动漫风格漫画风格这样的泛化词生成出来的东西会和平台上90%的AI漫剧撞车。破局的关键在于风格化定位。我在每一条提示词末尾都会加上模拟80年代香港电影的氛围光或赛博朋克与日式浮世绘混搭风这类更具体的风格方向。豆包的剧本也同理给它设定一个具体的风格化命题比如所有都市异能都以食物命名世界观立刻新鲜起来。同质化的本质不是AI能力不行而是你的风格约束不够具体。AI批量生产的是平均水平内容你要做的是把一个足够独特的风格选项塞给它让它在这个方向里发挥。6.4 成片节奏拖沓新手最容易犯的错是把AI生成的每一个镜头都完整保留结果一条1分钟的成片光主角走路的镜头就有10秒观众早跑了。AI生成的视频素材通常4-6秒一条但剪辑时不需要把每条都用满。我一般会把包含核心动作的镜头留到3-5秒纯氛围过渡镜头压到1-2秒配合旁白和BGM的鼓点切走。节奏的核心是信息密度——观众的注意力是按秒计算的如果连续两个镜头都没提供新信息他们就会划走。6.5 平台标识和作品管理现在各个内容平台对AI生成内容普遍有标识惯例做漫剧量产时最好养成主动标注和保存工程文件的习惯。我会按项目名/集数/分镜序号建文件夹即梦生成的原始素材、剪映草稿、成片全部归档。这个习惯不带任何商业性和风险性纯粹是管理上的自我要求。因为它足够简单所以坚持下来也不难但对后续复用和复盘帮助特别大。这套流程我已经跑了十几集说点真实感受一个人做漫剧能不能长久做下去拼的不只是技能更是流程的稳定性和自己的审美判断力。豆包、即梦、剪映、扣子这四件套解决的是有人帮你干活的问题但活干得好不好看还是取决于你有没有持续做出好的创意决策。我的经验是别追求一次性产出完美成片先用这套流程快速做出第一集发出去看数据再根据观众反馈去调题材、调节奏、调风格。AI工具给了普通人试错的机会真正留不留得住观众看的还是你有没有持续讲好故事的能力。