企业官网建设流程全解析

AI漫剧这个方向，我从去年下半年开始断断续续折腾了大半年，从最开始用单张图加配音拼PPT式的“伪漫剧”，到后来能稳定日产3到5集、废片率压到15%以内，中间踩的坑实在太多了。今天不聊虚的，就把我这套从零搭起来的AI漫剧生产管线完整拆一遍——模型怎么选、资产库怎么建、废片率怎么控制，全是实操层面的东西。如果你也在做AI漫剧，或者正准备入这个坑，这篇内容应该能帮你省下至少两个月的试错时间。

先说清楚这套管线适合谁：一是想批量做漫剧但被废片率折磨的个人创作者，二是小团队里负责内容生产的执行同学，三是对AI漫剧工作流感兴趣、想了解工程化思路的技术向玩家。整套管线不依赖任何特定平台，核心逻辑是“角色一致性优先、分镜资产复用、废片前置拦截”，你用什么工具都能套这个框架。

1. 整条管线的设计思路与核心取舍

1.1 为什么不能“一条prompt走天下”

刚开始做AI漫剧的时候，我跟大多数人一样，觉得只要prompt写得够细，模型就能给我稳定的输出。结果现实很打脸：同一段描述，第一集主角还是黑发少年，第三集就变成了棕发大叔；上一镜还是古风庭院，下一镜直接跳到赛博朋克街道。观众在评论区直接问“这是同一部剧吗”，那种尴尬我现在还记得。

问题的根源在于，通用文生图模型本质上是“无状态”的——它不记得你上一张图生成了什么，每次调用都是独立事件。而漫剧的核心恰恰是“连续性”：角色要连续、场景要连续、画风要连续。所以整条管线的设计起点，不是“怎么写出更好的prompt”，而是“怎么把连续性从模型手里抢过来，交给工程手段来保证”。

这就引出了整套管线的三个核心模块：角色资产库负责锁定人物一致性，分镜模板库负责锁定构图和画风，废片拦截机制负责在生成阶段就把不合格的图筛掉，而不是等到剪辑时才发现没法用。这三个模块串起来，才是一条能跑通的生产管线，而不是一堆零散的工具。

1.2 管线整体架构：三段式流水线

我把整条管线拆成三段：前期资产准备段、中期批量生成段、后期质检入库段。这个划分不是拍脑袋定的，而是根据“废片产生的位置”倒推出来的。

废片主要产生在两个环节：一是生成环节，模型没理解对，出来的图角色不像、构图崩坏；二是衔接环节，单张图看着没问题，但和前后镜头接不上，导致整段废掉。前期资产准备段就是为了解决第一个问题——把角色、场景、道具都做成可复用的资产，生成时直接调用，而不是每次重新描述。中期批量生成段解决的是效率问题——用模板化的方式批量出图，而不是一张一张手搓。后期质检入库段解决的是第二个问题——用统一的质检标准筛图，合格的入库复用，不合格的标记原因回流到资产库优化。

提示：很多人做AI漫剧卡在“单张图质量还行，但连起来就崩”，本质上是把“生成”和“衔接”混在一起做了。拆成三段之后，每一段只解决一个问题，效率会高很多。

1.3 模型选型的核心逻辑：不是选最强的，是选最稳的

模型选型这块，我试过的组合不下十种，最后定下来的方案可能和很多人想的不一样——我没有用那个“出图最惊艳”的模型做主生成，而是用了一个“一致性最好”的模型打底，再用另一个模型做风格增强。

为什么这么选？因为漫剧是“批量生产”场景，不是“单张出片”场景。单张出片你可以慢慢抽卡，抽到满意为止；但批量生产时，如果每张图都要抽十几次才能出一张能用的，那废片率直接爆炸。所以选型的核心指标不是“上限有多高”，而是“下限有多稳”——也就是在标准化的prompt和参数下，模型能不能稳定输出可用的图。

具体来说，我评估一个模型是否适合做漫剧主生成，会看四个维度：角色一致性、构图稳定性、风格可控性、批量生成速度。这四个维度里，角色一致性权重最高，因为它是漫剧的命根子。构图稳定性次之，因为分镜构图崩了整段就废了。风格可控性和速度再次之，属于“锦上添花”的维度。

2. 模型选型：四个维度实测对比

2.1 角色一致性：决定漫剧能不能看

角色一致性是漫剧的第一生命线。我实测下来，影响角色一致性的因素有三个：参考图机制、角色编码方式、生成时的随机种子控制。

参考图机制方面，支持“角色参考”功能的模型明显优于纯文生图模型。所谓角色参考，就是你给它一张角色定妆图，它在生成新图时会尽量保持角色的面部特征、发型、服装配色。我测试过几个主流方案，角色参考的相似度能到70%到85%不等，而纯文生图的相似度基本在30%以下，完全没法用。

角色编码方式这块，有些模型支持把角色特征编码成一个独立的“角色向量”，生成时把这个向量注入到每一张图里。这种方式比单纯给参考图更稳定，因为它不依赖参考图的质量，而是把角色特征抽象成了一个可复用的参数。我目前的主力方案就是用这种方式，角色一致性可以稳定在85%以上。

随机种子控制是最容易被忽略的一点。很多人不知道，同一个prompt配不同的随机种子，出来的角色可能完全不一样。所以在批量生成时，我会把角色的随机种子固定下来，只让场景和动作的种子变化。这样出来的图，角色特征基本不会跑偏。

2.2 构图稳定性：分镜能不能用的关键

构图稳定性指的是模型能不能按照你描述的分镜构图稳定出图。比如你要一个“中景、角色在画面左侧、右侧留白”的构图，模型能不能每次都给你这个构图，而不是这次给你全景、下次给你特写。

我实测下来，构图稳定性和模型的“结构控制”能力直接相关。支持姿态控制、深度图控制、边缘控制的模型，构图稳定性明显更好。具体操作上，我会先用简单的几何图形画出分镜构图，然后用结构控制功能把构图“锁”住，再让模型在这个框架里生成内容。这样出来的图，构图基本不会跑偏。

这里有个经验：不要指望用文字描述来控制构图。“画面左侧”“中景”“俯视角度”这些词，模型的理解很不稳定。用结构控制图来锁构图，比写一百个构图相关的词都管用。

2.3 风格可控性：漫剧的“统一感”从哪来

风格可控性决定了整部漫剧看起来是不是“一部剧”。我见过很多AI漫剧，第一集是日系赛璐璐，第二集变成厚涂写实，第三集又成了美式卡通，观众直接懵了。

风格控制的核心是风格参考加风格锁定。风格参考就是给模型一张风格样图，让它照着这个风格生成；风格锁定就是把风格参数固定下来，每一集都用同一套参数。我目前的做法是，在项目启动阶段先做一张“风格基准图”，把这张图的风格参数提取出来，存进资产库，后续所有生成都调用这套参数。

风格可控性好的模型，能在保持角色一致性的同时，稳定输出同一种画风。我测试下来，有些模型在风格迁移时会“吃掉”角色特征，导致角色变得不像了；有些模型则能很好地平衡两者。选型时一定要做这个测试：用同一个角色、同一个风格参数，生成十张不同场景的图，看角色和风格是不是都稳。

2.4 批量生成速度：决定产能的硬指标

批量生成速度直接决定了你的产能上限。我算过一笔账：如果单张图生成需要30秒，一集漫剧按60个分镜算，那就是30分钟一集；如果单张图需要2分钟，一集就是2小时。这个差距在批量生产时是致命的。

速度这块，除了模型本身的推理速度，还要看批量任务调度的能力。我目前用的是队列化的批量生成方案：把一集的所有分镜prompt排成队列，模型按顺序生成，生成完自动入库。这样我只需要在前期把prompt准备好，后面的生成过程基本不用盯着。

注意：不要为了追求速度牺牲一致性。我试过用“快速模式”批量生成，速度是快了，但角色一致性直接掉到50%以下，废片率反而更高。速度要建立在一致性和构图稳定的基础上，否则就是无效速度。

2.5 我的最终选型方案与理由

综合四个维度，我最终的选型方案是：主力生成模型加风格增强模型加结构控制插件的组合。

主力生成模型选的是一致性最好的那个，负责出基础图；风格增强模型负责把基础图统一成目标画风；结构控制插件负责锁定构图。这个组合的好处是，每个环节只做一件事，出了问题容易定位——角色不像就调主力模型，风格不对就调风格模型，构图崩了就调结构控制。

为什么不直接用一个大模型全包？因为实测下来，全能模型在每个维度上都是“及格但不出色”，而漫剧生产需要的是每个维度都“稳定且可控”。拆开之后，每个环节都可以单独优化，整体废片率反而更低。

3. 资产库搭建：让角色和场景可复用

3.1 角色资产库：三视图加特征卡加种子

角色资产库是整个管线的地基。我的角色资产库包含三样东西：角色三视图、角色特征卡、角色随机种子。

角色三视图是基础，正面、侧面、背面各一张，用来给模型做角色参考。三视图的质量直接决定了后续生成的一致性，所以这一步不能省。我一般会用主力模型反复抽卡，直到抽出一组满意的三视图为止。这组三视图会作为“角色基准图”存进资产库，后续所有生成都基于它。

角色特征卡是对角色特征的文字化描述，包括发色、发型、瞳色、服装、配饰、体型等。这份特征卡不是用来直接生成图的，而是用来在prompt里做“特征锚定”的。比如生成时我会在prompt里加上“黑发、红瞳、左耳银色耳钉”这样的特征描述，配合角色参考图一起用，一致性会更高。

角色随机种子是很多人会忽略的一环。我会在确定角色三视图之后，把生成这组三视图的随机种子记录下来，存进资产库。后续生成这个角色的图时，都从这个种子出发做微调，而不是完全随机。这样能最大程度保证角色特征不跑偏。

3.2 场景资产库：按“场景类型加光照条件”分类

场景资产库的搭建逻辑和角色不同。角色是“一个角色一套资产”，场景是“一类场景一套资产”。我按“场景类型加光照条件”来分类，比如“古风庭院加白天”“古风庭院加夜晚”“现代教室加黄昏”这样。

每个场景资产包含一张场景基准图和一套场景描述模板。场景基准图用来做风格和构图的参考，场景描述模板用来在生成时快速调用。比如“古风庭院加白天”这个场景，描述模板可能是“传统中式庭院，青石板路，两侧有竹林，阳光从右上方斜射，地面有斑驳树影”。

这样分类的好处是，同一类场景下的不同分镜可以复用同一套资产，只需要微调构图和角色位置就行。我实测下来，场景资产库建好之后，场景相关的废片率能降低60%以上，因为模型不需要每次重新理解“这是什么场景”，而是直接调用已有的场景特征。

3.3 道具资产库：小物件的大作用

道具资产库是最容易被忽略但实际很管用的一环。漫剧里经常出现一些反复出现的道具，比如主角的佩剑、信物、手机、书包等。这些道具如果每次生成都重新描述，很容易出现“这把剑上一集还是直的，这一集变成弯的”这种问题。

我的做法是，把重要道具单独做成资产，包含道具基准图和道具描述模板。生成时如果分镜里有这个道具，就把道具资产调用进来。这样道具的外观基本能保持一致。

道具资产库不需要建得很大，只把“反复出现且特征明显”的道具建进去就行。我目前的项目里，道具资产库只有十几个条目，但覆盖了80%以上的道具出现场景。

3.4 资产库的版本管理与复用规则

资产库建好之后，管理比建设更重要。我的做法是给每个资产打上版本号，比如“角色A三视图v1.0”“角色A三视图v1.1”。每次修改资产都升一个版本，旧版本保留不删。这样如果新版本出了问题，可以快速回滚到旧版本。

复用规则方面，我定了一条铁律：同一集内，同一角色必须调用同一版本的资产。不能这集用v1.0，下集用v1.1，否则角色会“悄悄变样”。如果要升级资产版本，必须整集重新生成，不能混用。

提示：资产库建议用表格管理，每个资产一行，包含资产ID、类型、版本、基准图路径、描述模板、随机种子、创建时间、备注。这样查找和调用都很方便，也不容易搞混版本。

4. 废片率控制：从30%降到15%的实操方法

4.1 废片的三种类型与产生原因

在讲控制方法之前，先定义清楚什么是废片。我把废片分成三类：角色崩坏型、构图崩坏型、衔接断裂型。

角色崩坏型指的是角色特征跑偏，比如发色不对、脸型变了、服装细节丢失。这类废片主要产生在生成环节，原因是角色参考不够强或者prompt里的特征锚定不够明确。

构图崩坏型指的是构图不符合分镜要求，比如该是特写的结果出了全景，该在左侧的角色跑到了右侧。这类废片主要产生在结构控制环节，原因是结构控制图不够清晰或者模型没有正确理解控制信号。

衔接断裂型指的是单张图没问题，但和前后镜头接不上，比如上一镜是白天下一镜突然变黑夜，上一镜角色在室内下一镜突然在室外。这类废片主要产生在分镜编排环节，原因是分镜之间的场景和光照没有做好过渡。

4.2 生成阶段的废片拦截：三道检查

生成阶段的废片拦截，我设了三道检查：角色相似度检查、构图匹配度检查、风格一致性检查。

角色相似度检查是用人脸识别或者特征比对的方式，把生成的图和角色基准图做对比，相似度低于阈值的直接标记为废片。我目前用的阈值是75%，低于这个值的图基本没法用。

构图匹配度检查是把生成的图和结构控制图做对比，看构图是不是符合要求。这个检查目前还是半自动的，需要人工快速过一遍，但比一张一张仔细看快很多。

风格一致性检查是把生成的图和风格基准图做对比，看画风是不是统一。这个检查可以用颜色直方图或者风格特征比对来做，偏差过大的标记为废片。

三道检查都通过的图，才进入下一环节。我实测下来，这三道检查能把生成阶段的废片率从30%左右压到15%以下。

4.3 衔接阶段的废片预防：分镜预演

衔接阶段的废片预防，核心方法是分镜预演。所谓分镜预演，就是在正式生成之前，先用简单的草图或者文字把整集的分镜串一遍，检查场景过渡、光照变化、角色位置是不是合理。

我一般会用一张表格来做分镜预演，每一行是一个分镜，包含分镜编号、场景、光照、角色、动作、构图、道具。填完这张表之后，通读一遍，看有没有“上一镜在室内下一镜在室外但中间没有过渡”这种问题。有的话就在中间加一个过渡分镜，或者调整前后分镜的场景。

分镜预演这一步花的时间不多，但能避免大量衔接断裂型废片。我实测下来，做了分镜预演之后，衔接阶段的废片率能降低70%以上。

4.4 废片回流机制：让废片变成资产

废片不一定全是垃圾，有些废片其实可以“救回来”。我的做法是建一个废片回流机制：把废片按废片原因分类，能救的救，不能救的提取有用信息回流到资产库。

比如角色崩坏型废片，如果只是发色不对，可以调整prompt重新生成；如果脸型崩了但服装细节很好，可以把服装细节提取出来补充到角色特征卡里。构图崩坏型废片，如果构图不对但内容很好，可以调整结构控制图重新生成。衔接断裂型废片，如果单张图质量很好，可以调整分镜顺序或者加过渡分镜来救。

这个回流机制的好处是，废片不再是纯粹的浪费，而是变成了资产库优化的输入。我实测下来，有了回流机制之后，资产库的迭代速度明显加快，废片率也在持续下降。

4.5 废片率控制的三个关键指标

废片率控制不能凭感觉，要有量化指标。我目前跟踪三个关键指标：单集废片率、废片原因分布、资产库复用率。

单集废片率就是每集废片数除以总生成数，我目前稳定在15%左右。废片原因分布是看废片主要集中在哪一类，如果角色崩坏型占比过高，就说明角色资产库需要优化；如果构图崩坏型占比过高，就说明结构控制需要加强。资产库复用率是看资产库里的资产被调用了多少次，复用率越高说明资产库建得越有效。

这三个指标我每周复盘一次，根据指标调整资产库和生成参数。这样废片率不是靠运气，而是靠数据驱动持续优化。

5. 完整实操流程：从立项到出片

5.1 立项阶段：确定风格基准与角色设定

立项阶段要做三件事：确定风格基准、确定角色设定、搭建初始资产库。

确定风格基准就是找一张或者生成一张“风格基准图”，这张图决定了整部漫剧的画风。我一般会找3到5张参考图，提取它们的风格特征，然后生成一张融合后的风格基准图。这张图会存进资产库，后续所有生成都调用它的风格参数。

确定角色设定就是写角色特征卡，包括外貌、服装、配饰、体型等。这一步要尽量详细，因为后续的角色一致性全靠这份特征卡。我一般会写200字左右的角色描述，然后根据描述生成角色三视图。

搭建初始资产库就是把风格基准图、角色三视图、角色特征卡、角色随机种子都存进资产库，打好版本号。这一步做完，管线的基础就打好了。

5.2 分镜阶段：分镜表与预演

分镜阶段的核心产出是一张分镜表。分镜表包含每一镜的编号、场景、光照、角色、动作、构图、道具、时长。这张表是后续批量生成的输入。

分镜表做完之后，做一遍分镜预演，检查场景过渡、光照变化、角色位置是不是合理。有问题就在这一步调整，不要等到生成完了才发现接不上。

分镜预演通过之后，把每一镜的prompt写出来。prompt的写法是“角色特征锚定加场景描述加构图描述加风格参数”。角色特征锚定就是从角色特征卡里提取关键特征，场景描述从场景资产库里调用，构图描述从分镜表里提取，风格参数从风格基准图里调用。

5.3 生成阶段：批量任务与实时监控

生成阶段就是把分镜表里的prompt排成队列，批量生成。我一般会按“场景”分组生成，同一场景的分镜一起生成，这样场景一致性更好。

生成过程中要实时监控，主要看三个东西：生成速度、废片率、异常情况。生成速度如果突然变慢，可能是队列堵了或者模型出问题了；废片率如果突然升高，可能是某个资产出了问题；异常情况比如生成失败、图片损坏等，要及时处理。

生成完成后，跑一遍三道检查，把废片筛出来，合格的图入库。

5.4 质检阶段：三道检查与人工复核

质检阶段就是跑三道检查加人工复核。三道检查是自动的，人工复核是抽查。我一般会抽查20%的图，重点看角色相似度和构图匹配度。

质检通过的图，按分镜编号命名，存进成片库。质检不通过的图，标记废片原因，进入废片回流机制。

5.5 剪辑阶段：拼接与音画同步

剪辑阶段就是把成片库里的图按分镜顺序拼接起来，加上配音、音效、背景音乐，做成完整的漫剧。

拼接的时候要注意音画同步，每一镜的时长要和配音匹配。我一般会先做配音，然后根据配音的节奏调整每一镜的时长。这样出来的漫剧节奏更自然，不会出现“画面等配音”或者“配音等画面”的情况。

6. 常见问题与排查技巧实录

6.1 角色一致性突然下降怎么办

角色一致性突然下降，最常见的原因是资产库版本混用了。检查一下是不是这一集用了新版本的角色资产，但其他集还在用旧版本。如果是，统一版本重新生成。

第二个原因是随机种子变了。检查一下生成参数里的随机种子是不是和资产库里记录的一致。如果不一致，改回来重新生成。

第三个原因是prompt里的特征锚定不够明确。检查一下prompt里有没有包含角色特征卡里的关键特征。如果没有，补上重新生成。

6.2 构图总是跑偏怎么调

构图跑偏的第一排查点是结构控制图。检查一下结构控制图是不是清晰、构图是不是明确。如果结构控制图太模糊，模型理解不了，构图就会跑偏。

第二排查点是结构控制的权重。权重太低，模型会忽略控制信号；权重太高，模型会生硬地套构图，导致画面不自然。我一般会把权重设在0.6到0.8之间，具体看模型的表现。

第三排查点是prompt里的构图描述。如果prompt里的构图描述和结构控制图冲突，模型会懵。确保两者一致，或者干脆去掉prompt里的构图描述，只靠结构控制图。

6.3 批量生成时速度突然变慢

速度突然变慢，第一排查点是队列。检查一下是不是有某个任务卡住了，导致整个队列堵了。如果有，把卡住的任务踢掉，重新排队。

第二排查点是模型服务。检查一下模型服务是不是正常，有没有报错或者限流。如果是服务问题，等一会儿再试，或者切换到备用服务。

第三排查点是硬件资源。检查一下GPU内存、CPU、内存是不是跑满了。如果是资源问题，减少并发数，或者升级硬件。

6.4 废片回流后资产库反而变乱了

废片回流后资产库变乱，通常是因为回流的时候没有做好版本管理和分类。我的做法是，废片回流必须走“提取特征、更新特征卡、升版本、记录变更”这个流程，不能直接把废片图丢进资产库。

具体来说，废片回流时先分析废片原因，提取有用的特征，然后更新对应的特征卡或者描述模板，升一个版本号，记录变更内容。这样资产库不会变乱，而且每次回流都是一次有记录的优化。

6.5 常见问题速查表

7. 管线优化与产能提升的实操心得

7.1 把重复劳动交给模板

做漫剧最耗时的不是生成，而是写prompt和调参数。我的做法是把常用的prompt结构做成模板，比如“角色加场景加构图加风格”这个结构，每次只需要替换角色和场景的具体内容就行。这样写prompt的时间能省一半以上。

模板化的另一个好处是标准化。用模板写出来的prompt，结构一致、参数一致，生成出来的图一致性也更好。我目前有十几套prompt模板，覆盖了大部分常见的分镜类型。

7.2 用队列化生成替代手动抽卡

手动抽卡是效率杀手。一张图抽十几次才出一张能用的，一天下来也出不了几集。我的做法是队列化生成：把一集的所有prompt排成队列，让模型自动生成，生成完自动跑质检，合格的入库，不合格的标记。这样我只需要在前期准备好prompt，后面的生成和质检基本不用盯着。

队列化生成的关键是质检要自动化。如果质检还要人工一张一张看，那队列化就没意义了。我目前的三道检查都是自动的，只有抽查环节需要人工，整体效率提升非常明显。

7.3 资产库的定期清理与迭代

资产库不是建好就不管了，要定期清理和迭代。我每个月会做一次资产库复盘，看哪些资产复用率高、哪些复用率低。复用率低的资产要么优化，要么删掉；复用率高的资产重点维护，确保版本稳定。

迭代方面，我会根据废片原因分布来优化资产库。如果角色崩坏型废片多，就优化角色特征卡；如果构图崩坏型废片多，就优化结构控制模板；如果衔接断裂型废片多，就优化分镜预演流程。

7.4 产能提升的三个阶段

产能提升我经历了三个阶段：第一阶段是手动抽卡，一天出不了半集；第二阶段是队列化生成，一天能出一到两集；第三阶段是资产库加模板化加队列化，一天能出三到五集。

每个阶段的提升都来自“把重复劳动标准化”。第一阶段的问题是每张图都要重新想prompt、重新调参数；第二阶段解决了生成效率，但prompt还是手写的；第三阶段把prompt也模板化了，整体效率才真正起来。

7.5 我个人在实际操作中的体会

做了大半年AI漫剧，我最大的体会是：AI漫剧的瓶颈不在AI，在工程。模型能力已经足够做出可看的漫剧了，真正卡住产能的是资产库管理、废片率控制、流程标准化这些工程问题。

很多人做AI漫剧做不下去，不是因为模型不行，而是因为每次生成都像开盲盒，废片率太高，做几集就崩溃了。把资产库建好、把废片率控制住、把流程标准化，产能自然就上来了。

最后再分享一个小技巧：如果你刚开始做AI漫剧，不要一上来就做长剧，先做一集短的，把整条管线跑通。跑通之后再逐步优化资产库和废片率，这样比一上来就追求完美要靠谱得多。管线跑通了，后面就是复制粘贴加微调的事。