AI漫剧是最近在B站上涨得很快的内容品类简单说就是用AI生成的漫画风格画面加上配音、字幕和剪辑做成几分钟一集、节奏紧凑、适合手机竖屏刷的剧情视频。豆包AI这类大模型工具刚好能把脚本构思、分镜描述、配音文本这些前期环节串起来让一个完全不会画画的零基础新手也有机会独立完成一条完整成片。下面按实际操作顺序拆脚本、分镜、配音、剪辑每个环节需要准备什么、怎么验证、做坏了从哪里排查都会写到。先说明一点这套流程不依赖额外插件主要用豆包AI的对话和生成能力配合剪映这类常规剪辑软件。工具版本不同具体入口会有差异但整体链路是通用的。1. 先搞清楚AI漫剧的完整链路别一头扎进工具里1.1 漫剧和短剧的差别在哪里很多人第一次听到AI漫剧会以为它和AI短剧是一回事。其实两者定位不太一样。AI短剧更接近真人短剧的视频节奏通常靠AI生成连续视频片段来拼故事对画面连贯性要求很高。AI漫剧更像会动的漫画本质是一张张静态分镜图通过镜头推拉、转场、配音和字幕来制造叙事感不依赖完整的运动画面。这个差别直接决定了制作难度。漫剧不需要处理复杂的动作连贯性只要把每一张图的质量稳住、把镜头运动和配音节奏对齐成品观感就能达到及格线。这也是AI漫剧更适合零基础新手的原因。漫剧制作核心脚本、分镜图、配音、剪辑不需要的能力真人演员、实拍场地、复杂动画主要成本生图时间和剪辑时间如果你完全没有视频制作经验从AI漫剧入手反馈周期比AI短剧短得多。做完一集你会很清楚每一步产出什么、失败在哪里。1.2 豆包AI在这条链路里承担什么角色豆包AI不是一条龙自动生成整集视频的工具。它的角色更准确的说法是助手加流水线工具脚本阶段帮你把一句话梗概扩成分场脚本、写好台词分镜阶段根据文字描述生成漫画风格的分镜画面配音阶段生成配音文本如果你的工具版本支持语音合成还可以直接产出音频剪辑阶段帮你整理分镜表、生成字幕文本每个环节它都能参与但没有哪个环节是可以完全甩手不管的。尤其分镜图大概率要多生成几次、挑一张能用的。这不是工具不行而是内容创作本来就包含筛选和判断。建议一开始就把预期放对豆包AI负责把文字变成可用的素材你负责把所有素材串成一条完整视频。2. 开跑之前先把三样基础工作准备好2.1 账号和运行环境新手怎么选豆包AI有网页端和移动端。我的建议是如果你要系统做漫剧优先用网页端。网页端的好处是方便复制粘贴脚本、提示词可以同时开多个对话不怕手机屏幕来回切换。你需要在生成分镜图时反复调整描述网页端做这件事比手机上顺手得多。移动端更适合零散的灵感记录比如走在路上想到一个剧情随手记下来。真正进入批量生成阶段还是回到电脑前效率高。设备方面因为图片主要由平台侧生成本地电脑配置要求不高。普通办公笔记本跑剪辑软件也没问题。如果电脑内存低于8G剪辑时尽量关掉其他软件可以减少卡顿。2.2 先写角色设定和场景清单再开始生成这是新手最容易跳过的一步也是后面画面脸飘的根源。在你让AI生成任何一张分镜图之前先写两份基础文档。角色设定卡内容至少包括角色名、性别、年龄段发型、发色、眼睛颜色服装特征和主色调性格关键词和常用表情场景清单内容至少包括场景名称如咖啡店老宅客厅环境元素桌椅、灯光、窗外天气时间氛围白天、夜晚、阴天、暖光这两份文档的作用是让你在写每一张分镜图提示词时都能把同一个角色的外貌描述原样粘贴过去。角色一致性不是靠AI记住而是靠你每次提示词里都带上一模一样的固定描述。2.3 提示词模板直接可以拿来改以下是我整理的基础提示词结构可以根据实际工具和画风需求调整一个人物[固定角色外貌描述][当前动作][当前表情]站在/坐在 [具体场景环境] 镜头从 [角度/距离] 拍摄[画风关键词如日系漫画、赛璐璐、厚涂]竖屏 9:16举个例子如果角色设定是红发双马尾少女穿白色连帽卫衣蓝色牛仔裤那么提示词可以写成一个18岁少女红色双马尾蓝眼睛穿白色连帽卫衣和蓝色牛仔裤 正站在深夜便利店门口神情惊讶手里拿着手机 镜头中景平拍日系漫画风格竖屏 9:16这串提示词里的角色描述部分每一张分镜图都要尽量保持一致。场景和动作可以变人物外貌描述不要随意改。3. 脚本构思从一句话到一个能用的分镜表3.1 先写一句话梗概控制故事范围漫剧单集时间通常控制在1到3分钟剧情容量很小。很多人第一次做总想塞进大量情节结果每一段都很浅。正确做法是先写一句话梗概。结构可以参考主角在什么情境下想完成什么目标遇到了什么阻碍最终如何解决。比如一个社恐外卖员在送餐时被卷入一场误会为了证明自己不是小偷他必须在晚上12点前找到真正的失主。这句话确定之后先别急着扩写。先判断这件事能不能在3分钟内讲完。讲不完就继续缩减只保留一个矛盾。3.2 让AI扩写时分成几步走不要在对话框里直接说帮我写一集完整脚本。那样生成的内容通常又长又散后面删改成本极高。我建议分四步让豆包AI帮你扩写。第一步把一句话梗概发过去要求它生成开场、冲突、解决三个段落。第二步每个段落再拆成2到3个场景标注场景位置。第三步每个场景写出角色台词和动作提示注意台词要口语化不要书面腔。第四步把所有内容整理成一张分镜草表镜号、景别、对白、画面说明、预估秒数。每次只让AI做一步生成后人工检查一遍再进入下一步。虽然多花一点时间但脚本质量会稳定很多。下面是一个可以使用的提示词示例我准备做一个AI漫剧单集时长2分钟左右。这是一个故事梗概[粘贴你的梗概]。 请先帮我拆成3个段落开场、冲突、解决。每个段落用2句话说明核心事件。 先不要写完整台词。确认段落没问题后再继续让它生成分场和台词。逐步展开不要一次生成到底。3.3 分镜表是整个项目的总纲分镜表是脚本阶段最重要的产出。后续所有生图、配音、剪辑都以它为准。分镜表不需要很复杂一般包含这几列镜号景别画面描述台词字幕预估秒数1中景外卖员站在便利店门口神情犹豫今天一定要还上这笔钱我不能再拖了42近景便利店老板从柜台后探出头皱眉你就是那个偷东西的你误会了吧53全景两人对峙店内灯光闪烁我没偷不是我3这张表写完后建议保存成表格文件。后面每生成一张分镜图就对应表里一个镜号。文件命名直接按镜号场景来比如03_便利店对峙.png后期剪辑会省很多事。4. 生成分镜文字变画面时最该盯住这三个问题4.1 分镜提示词怎么写才不容易崩有了分镜表写提示词就不是从零开始而是把表里的画面描述翻译成AI更容易理解的句子。注意一个常见错误画面描述写得太抽象。比如气氛很紧张AI并不知道什么叫气氛紧张。你要写成具体可感知的元素两人距离一臂互相盯着对方手都握成拳头背景是灰暗的墙面顶灯打在头顶。写分镜提示词时这四类信息缺一不可角色是谁固定外貌描述在做什么动作在什么场景里用什么景别和视角画风关键词放在最后面不影响主体信息。如果你想要不同集数的风格统一画风关键词也要固定。4.2 角色一致性靠固定描述词和参考图同一张脸是AI漫剧最容易翻车的地方没有之一。第一次做的人经常发现上一张图的男主和下一张图的男主长得像两个不同的人。原因基本是三个第一提示词里角色外貌描述每次都不一样甚至漏写。 第二生图工具对同一条描述也可能输出不同结果因为你没有给它参考。 第三AI模型对画风的随机性比较强漫画风格尤其明显。解决方案按优先级排序固定角色描述词每次写提示词都用一模一样的角色外貌描述不省略不修改。使用参考图如果工具支持图生图或者参考图功能把上一张最像的图作为参考再生成下一张。维护角色样图每一集开头先生成一张最满意的角色形象图之后尽量基于它来生成变体。如果工具确实不支持参考图那就要接受多生成几次再挑的现实。不要花时间去纠结为什么AI记不住角色它的本质是概率生成不是数据库。4.3 画面质量怎么判断要不要返工一张分镜图能不能用我一般按这个顺序检查面部是否正常眼睛、嘴巴有没有明显畸形手部、肢体是否自然有没有多手指、断手问题画面构图是不是人物居中、内容可读角色外貌和设定卡是否一致有没有奇怪的乱码文字海报、招牌等位置容易出错只要出现上面任何一项就重新生成不要想着先拿这张凑合。一张出问题问题不大三张连着出问题观众立刻出戏。单集2分钟的漫剧分镜图大约需要20到40张。这个数量不是一次性生成的建议按场景分组一次生成3到5张选完再继续下一组。这样方便控制质量也方便定位问题。5. 配音与背景音效台词是第一优先级5.1 先测音色再调语速不要直接开录配音直接决定漫剧观感。很多新手觉得有声音就行结果配上之后画面很精致、声音很粗糙整条视频瞬间掉价。如果你的豆包AI版本支持语音合成建议先做一次音色测试。测试时不要只测一两句话要选一段带情绪的台词比如惊讶、难过、冷漠各说一句。原因很简单有些音色念中性句子还好遇到情绪起伏就会显得很平。选好音色后语速也要单独确认。漫剧节奏通常偏快但语速过快会让人听不清。我习惯把语速控制在每分钟240到280字左右。你可以先合成30秒音频数一下字数就知道当前语速合不合适。如果当前工具不支持直接语音合成也可以用系统自带的语音能力或其他合规语音工具导出音频。核心不是工具叫什么都行而是输出格式要方便剪辑一般MP3或WAV都够用。5.2 多角色对话按角色分别生成漫剧里经常有两个人甚至三个人对话。新手最容易犯的错误是把所有台词放进一段里让AI一口气读出来。这样做的问题不只是音色混乱更麻烦的是后期想单独调整某一句就非常困难。如果AI把整段合成到一段音频里中间有一句读错了你可能要整段重新合成。正确做法是一个角色一个音色一条音频。生成后用统一的命名规则保存比如05_男主_你误会了吧.mp3。到了剪辑阶段把这些音频按时间线拖进去每条都独立可控。哪条语速不对就重做哪条不用动其他内容。5.3 音效和背景音乐优先级放在台词后面AI配音只解决人声部分。环境音、脚步声、门铃声、背景音乐这些建议用剪辑软件自带的素材库解决。优先级排序是台词 音效 背景音乐。背景音乐不要选太抢戏的音量建议压到人声的二分之一以下。音效不要每个动作都加只在关键节点加比如关门、电话铃、紧张时的低频音。如果你发现整段视频听起来又吵又乱几乎可以断定是背景音乐音量太高或者音效太密集。先把背景音乐静音听一遍台词确认人声清楚再逐步把音乐推回去。6. 后期剪辑把四路素材合成一条能看的片子6.1 时间线的基本排法打开剪辑软件之后新建一个竖屏项目分辨率设成1080乘1920帧率30左右。时间线从上到下建议这样排视频轨1分镜图片从左到右按镜号排好音频轨1台词按分镜表预估时长摆好音频轨2音效音频轨3背景音乐字幕轨台词字幕排完之后先不要急着加效果先把每张图片的时长和对应台词对起来。对时长的基本逻辑很简单这一段台词需要5秒那这张图至少要停留5秒再多加0.3到0.5秒的余量让观众不至于感觉画面突然被切走。如果某张图没有台词停留2到3秒就够太久会拖节奏。6.2 让静态画面动起来但不要炫技静态画面如果直接静止着放整条视频会显得很干。剪映里的关键帧可以给图片做缩放、平移模拟推镜头和摇镜头的效果。我习惯的做法是近景镜头从1.0倍缓慢放大到1.1倍制造推进感远景镜头从左向右缓慢平移模拟摇镜头人物对话镜头轻微放大即可不要来回晃转场不要用太多花哨特效。淡入淡出、轻量叠化就够了。漫剧的核心是讲故事不是展示转场素材库。字幕方面确保和台词逐句对应。导出前从头到尾看一遍重点看字幕有没有漏字、错字、断句奇怪。字幕字号不要太小手机上看不清楚等于白加。6.3 导出前先做一次完整播放检查导出之前把整条视频按正常速度播放一遍。下面这几类问题是我自己经常遇到的图片和台词不匹配台词讲的是A画面画面上却还是B场景图片停留过短观众看不清画面内容就被切走了字幕越界字幕被手机底部黑边或平台按钮挡住背景音乐盖人声对话都听不清结尾突然断掉没有结束感这些问题不需要高级技巧只要老老实实播一遍就能发现。不要跳过这一步直接导出。导出参数方面平台发布建议1080P、30帧码率用默认即可。文件名、封面、标题这些发布信息也建议在导出前想清楚避免临时乱写。7. 常见问题排查翻车之后先看哪里7.1 角色脸不一致先查提示词和参考链如果已经生成好几张图发现角色长得不一样不要急着重新生成。排查顺序对比这几张图的提示词角色描述是不是有改动检查是否漏用了参考图检查画风关键词是否统一如果都没有问题找一张脸部最接近的图用它作为后续生成的参考记住一个原则角色一致性是约束出来的不是祈祷出来的。你每次给AI的信息越一致输出就越稳定。7.2 配音和画面时长对不上先改谁的这个问题分两种情况。如果是在剪辑前发现优先修改分镜表的预估秒数让画面数量和时间轴重新匹配。如果是在剪辑中直接以音频长度为准因为重录台词的成本通常比重排图片更高。具体操作是选中一条台词音频看它的时长是多少然后把对应图片的停留时间改成这个时长加一点余量。不要先摆图片再硬截台词。7.3 生图太慢、卡住或者生成内容不对先按这个顺序排查当前网络是否稳定单次请求的内容是不是太多比如一次性让它生成很复杂的多人物场景工具平台是否有排队或临时限制提示词里有没有互相矛盾的信息如果反复卡住最简单的方法是清掉当前对话重新发一条内容更短的提示词。长提示词不是问题但信息太杂、互相冲突会显著增加生成的随机性。另外重要文本一定要保存到本地。不要只依赖对话记录万一记录被清掉或者版本更新你的脚本和提示词就没有了。7.4 导出后画质变糊先看分辨率设置有些人做了很久发现导出的视频在手机上一片糊。常见原因是图片本身分辨率太低或者导出时选了低分辨率。分镜图尽量用平台支持的最高比例生成竖屏选择9比16。导出时选择1080P以上。如果图片本身模糊后期怎么救都有限所以在生图阶段就要把关。8. 新手上路先做一分钟样片再想全集8.1 一分钟样片的验收标准第一次做漫剧不要一上来就规划20集。先做一支1分钟左右的样片把整条链路走通。样片建议控制在场景2到3个分镜图10到15张角色1到2个台词不超过10句验收标准就三条画面角色统一、台词听得清、剧情能看懂。只要这三条达标你就可以开始尝试做完整的一集。8.2 从样片到全集要额外处理三件事样片只是单条链路测试。真正做全集时工作量会明显增加至少要多处理三件事。第一角色存档。每个角色要维护一张样图和一份固定描述词每一集生成时都复用。第二分镜素材管理。不同集数的图片文件建议按集数镜号命名单独建文件夹避免后期找素材找到崩溃。第三批量效率。逐张生成很慢建议按场景批量生成生成一批、筛选一批、命名一批不要等到全部生成完再整理。8.3 内容合规和平台发布别忽略做内容时有一点要始终记住不要生成涉及真实人物肖像、版权角色、违规内容的画面。AI漫剧虽然由AI生成但发布到公开平台一样要遵守平台规则。发布前检查封面、标题、简介有没有夸大误导比如全网最强一键学会这类词建议不要用。现在很多平台对AI生成内容有标注要求发布时留意平台的相关设置即可。整体来说AI漫剧是一个门槛不高、但很吃流程管理的内容形式。豆包AI帮你解决了从零到有的素材生成问题剩下的是你愿不愿意把脚本、生图、配音、剪辑每个环节都老老实实过一遍。先跑通一分钟样片再考虑放大。这条路零基础也能走完。