企业官网建设流程全解析

做AI漫剧这个事儿，我从2025年初就开始折腾了，那时候流程远没有现在成熟，剧本要自己磕，画面一致性基本靠运气，配音得一轨一轨录，做一条3分钟的片子能熬两个通宵。到了2026年，整套工具链已经相当顺滑，3小时从0到1出一条成片完全可行，前提是你得有一套固定的流程，而不是边做边想。

这篇文章就是我把这一年多踩过的坑、试出来的稳定方案，按剧本、脚本、美术风格、分镜、视频生成、配音配乐六个环节完整拆一遍，每个环节都给可直接抄的做法和参数。不管你是刚听说AI漫剧想试试水，还是已经做过几条但总觉得流程别扭、画面不稳、效率上不去，这篇都能帮你把路子捋直。

1. 全流程设计与思路拆解：6个环节为什么是这么排的

先说结论：一套能稳定复现的AI漫剧流程，必须遵守“先文本后画面、先静态后动态、先画面后声音”这条主线。这个顺序不是拍脑袋定的，每一个环节都在给下一个环节铺路。

1.1 六个环节的逻辑关系

剧本是整个项目的“总图纸”，它决定故事走向和情绪基调。脚本则是在剧本基础上做工业化的拆分，把一段叙述文字变成带场景、带镜头、带动作描述的“施工清单”。美术风格提前锁定，是为了避免视频生成环节里出现角色长相漂移、场景风格跳变的灾难现场。

分镜把脚本进一步视觉化，明确每个镜头里人物在什么位置、景别多大、镜头怎么动。到了视频生成阶段，本质上就是在执行分镜表里的指令，指令越清晰，产出质量越可控。最后配音配乐和剪辑，是把所有素材组装成一个有节奏、有情绪的完整作品。

举个例子：如果你先做了视频，再回头补脚本，很容易出现某个镜头没有对应的台词，或者角色的表演方向和旁白情绪对不上。而按照上面这个顺序走，每个环节的输出都是下一个环节的输入，返工成本最低。

1.2 3小时的时间分配方案

很多人问3小时怎么够用，其实关键在于压缩“决策时间”而不是“操作时间”。

我建议这样分配：剧本和脚本压缩到40分钟内，因为漫剧多为竖屏短内容，单集时长1到3分钟，剧本不需要写得像长篇小说那么复杂。美术风格设定30分钟，通过风格化关键词和参考图锁定方向。分镜设计40分钟，重点是把关键镜头画清楚。视频生成60分钟，因为AI生成等待时间不可压缩，这期间可以并行做配音。最后配音、配乐、剪辑合成30到40分钟收尾。

实际操作中，我习惯把视频生成放在中间，生成等待时同步写配音文案、做音频，两边不冲突，总时长反而比线性执行更短。

1.3 为什么强调“风格一致性”是成败关键

我最初做的几条AI漫剧，最大的问题不是画面不好看，而是前后不像同一个作品。第一幕女主角是冷色调大眼睛，第二幕就变成了暖色调圆脸，观众一眼就能看出割裂感。后来总结出一个核心经验：一致性不是靠运气，而是靠“锁定”。

锁定的手段有三个：一是用参考图约束角色长相，二是把风格描述关键词化并固定不变，三是在提示词里禁止出现风格漂移的描述词。这三个手段我在后面美术风格和视频生成两个环节里会详细展开。

1.4 硬件与工具准备清单

做AI漫剧对硬件要求不算高，一台普通的笔记本就能跑通全流程，关键在工具选型。

文本类工具负责剧本和脚本，不需要太复杂。图像生成工具负责美术风格设定和角色/场景原画，可选择支持参考图功能的生成平台，这样角色一致性有保障。视频生成工具负责把图变成动态镜头，支持图生视频是底线，能支持首尾帧控制的话运镜会更自由。配音工具负责旁白和角色声音，需要支持多音色、可调节语速。音乐和音效可以单独找素材，也可以在剪辑软件里处理。剪辑软件用主流的那几款就行，核心是快。

2. 剧本与脚本：40分钟搞定的两步法

这个环节我踩过最大的坑，是花了一下午写了一个结构完整的微电影剧本，结果发现要拍成漫剧得砍掉一半场景，角色对话也根本塞不进竖屏画面里。后来我摸索出一套针对漫剧的快速创作法，稳、快、好改。

2.1 第一步：写“能讲完”的剧本

漫剧剧本和平常写的短视频剧本逻辑类似，但有几个特殊约束：总时长控制在1到3分钟，对应剧本字数大约300到900字。角色的对话要简短，一句话不超过20个字，因为竖屏画面里对话气泡和口型时长有限。情节要单线推进，不要有多线叙事，一条主线冲突足够。情绪转折要快，开头就要有钩子。

我的剧本结构模板是三段式：第1幕成立问题，展示主角的日常状态和即将打破这种状态的事件。第2幕推进冲突，主角尝试解决问题但遭遇挫折，情绪走向最低点。第3幕迎来转机，主角找到破局方式，完成一个小而有张力的收尾。

以“AI漫剧”最常见的模式举例，一个普通的上班族在某天发现自己能看见别人头顶上的情绪数字，这个设定30秒内交代完毕，第2幕同事头顶的数字突然变成负数且一路飙升，第3幕主角做出了一个出人意料的举动。这样的剧本卡在1分钟到90秒，节奏紧凑，画面素材也好找。

2.2 第二步：把剧本拆成分场脚本

分场脚本和剧本的区别在“可执行性”。剧本给读者看，脚本给制作环节看。每一场戏，我要求自己写清楚五样东西。

场景编号，用S1、S2这样的方式标记。场景描述，写明地点、时间、环境氛围，例如“深夜办公室，只有主角工位亮着灯，窗外下着雨”。人物状态，写清每个角色的站位、动作、情绪，例如“主角站在窗边，手里握着咖啡杯，表情凝重”。对话和旁白，台词用引号标出，旁白用括号注明。时长预估，每场戏按实际朗读速度估算，每秒说4到5个字，结合画面空隙留出余量。

分场脚本还要顺手标注“镜头倾向”，例如“这场戏开头给一个手机屏幕特写，拉到人物面部”。这些批注在分镜阶段可以直接引用，能节省大量构思时间。

2.3 脚本里的“镜头批注”技巧

很多新手不写镜头批注，导致后面分镜时对着干巴巴的文字重新想象画面，效率极低。我的习惯是写脚本时顺手在段落末尾加一行“画面参考”，比如“俯拍视角，键盘敲击声，屏幕蓝光映在脸上”“走廊尽头逆光，人物剪影，门缓缓打开”。这些参考方向来自我脑子里的画面预设，不需要写得很精确，但一定要写出来。

批注的作用，是为分镜环节提供可直接转化的素材，也避免美术和视频环节因为理解偏差产生风格漂移。有了批注，分镜就不需要从零开始设计了。

2.4 剧本环节的避坑指南

文本生成工具产出的剧本经常对白工整但缺乏画面感，所以务必手动加上镜头批注。台词要短，AI生成的长台词口头读一遍觉得别扭就删掉一半。情绪节点宁可刻意也不要平淡，漫剧观众前30秒没有被打动就容易划走。另外提醒一句，剧本字数控制好，90秒的台词写多了，后面配音环节会很赶。

3. 美术风格设定：用关键词和参考图锁住视觉基因

美术风格是衡量一条AI漫剧质感的决定性因素。画面风格统一，观众才会觉得这是一部完成了的作品，否则再好的剧情也会被出戏的画面毁掉。

3.1 用“风格基底词+特征词+质感词”构建设定

我给美术风格归了三类关键词，每次设定风格时按这三类去组织语言。

风格基底词描述大的美术品类，比如“国风水墨”“日系赛璐璐”“美式漫画”“厚涂写实”“像素复古”。特征词描述风格内部的辨识度细节，比如国风里的“留白构图”“山水氤氲”，赛璐璐里的“高光网点”“大色块阴影”。质感词描述画面呈现出的材质感，比如“纸质纹理”“胶片颗粒”“轻微噪点”。

举个例子，我想做一个带悬疑感的都市漫剧，风格定为“夜光赛璐璐”：日系赛璐璐基底，但暗部用蓝紫色调，高光偏青，整体带一层轻微的胶片颗粒质感。这个风格描述一旦定下来，就作为一个固定前缀放在每个画面生成的提示词里，不轻易改动。

3.2 角色一致性的核心方法：参考图+锁定描述

AI漫剧里角色一致性问题最突出，同一角色在不同镜头里必须长得像。这个问题的解法是组合拳。

把角色原画用图像生成工具做出来，选定一张最满意的作为主参考图。所有后续涉及该角色的画面，都把这个参考图上传给生成工具作为形象约束。在提示词中写清角色的核心特征描述，包括发型、发色、眼睛颜色、服装样式、配饰细节，例如“银色及肩直发，红色瞳孔，黑色高领风衣，颈间挂一条月牙吊坠”。这段描述从头到尾保持不变。

3.3 场景设定的技巧

场景设定同样要固定下来，尤其是重复出现的场景。我把场景关键词分为“地点+时间+光线+氛围”四个维度。以“主角的办公室”为例：老旧写字楼的开放式办公区，傍晚六点半，窗外夕阳余晖和室内冷白灯管混光，空气里有一种加班后疲惫的安静。

这个描述如果拆开来放在提示词中，生成工具就比较容易理解。但要注意提示词不一定严格限制，过于严格反而会限制生成工具的发挥空间。

3.4 角色表情与情绪的动作描述打包法

漫剧里的角色往往需要在不同情绪下出现，单靠一张静态设定图不够用。我习惯把常见情绪打包成固定的表情描述词，比如“眉头微蹙、嘴角下撇，眼神里有压抑的怒意”“嘴角微扬，但眼角下垂，笑意不达眼底”。配合参考图生成各个情绪版本的角色图，形成一个小型素材库。

后边分镜和视频生成时，需要什么情绪就直接从素材库里调，速度快且一致性高。这就是为什么同一角色在不同镜头里能保持神态统一的关键。

4. 分镜设计：把文字变成镜头的翻译器

分镜是文字和画面之间的桥梁，也是AI漫剧里最容易被忽略的环节。不做分镜直接生成视频，生成结果大概率是角色站位随机、镜头语言混乱、故事节奏失控。做了分镜，生成工具就能按指令走。

4.1 分镜表的六要素

每个分镜格，我只填六个必要信息：镜号、景别、运镜、画面内容、时长、音效与台词。这六个信息是给视频生成工具和后期剪辑看的“施工图纸”。

举个例子，S1-02号镜头：景别中景，运镜缓慢推进，画面内容是主角推开办公室大门，室内空无一人，只有电脑屏幕闪着光。时长3秒，台词旁白说“今天加班的，又是只有我一个”。分镜表完成后，AI视频生成阶段就是照着这个表格逐条执行，不需要再临时构思。

4.2 景别和运镜怎么定

我在分镜时会把景别当成叙事工具来用：远景交代环境和人物关系，中景展示人物动作，特写强调表情和关键道具。三条原则：开场用远景或全景建立空间感，情绪转折处用特写加强冲击，对话场景用中景保持舒适观感。

运镜方面，AI漫剧里最常用的是推拉摇移和环绕。慢推有接近感和压迫感，适合悬念段落。后拉适合展示场景全貌或角色孤立感。环绕适合展示角色外观或场景空间感。左右摇移适合展现环境细节或建立空间连贯性。

需要注意的是，AI视频工具对“大幅度运镜”的支持还不完美，分镜设计时应以极慢推、极慢拉、轻微横移为主，大幅旋转和剧烈抖动容易产生画面变形，得不偿失。

4.3 镜头节奏怎么控制

分镜层面就要把节奏定好，而不是等剪辑时再调。我常用的节奏模式：平静段落镜头时长为4到6秒，情绪爆发段落缩短到2到3秒，快节奏动作或转场用1.5秒以内的快速切换。整体节奏安排通常是“慢—快—慢”或“快—慢—快”，以故事情绪为准。

4.4 分镜实操建议

我习惯用纯表格工具做分镜，不用花哨的绘图软件，因为AI漫剧的分镜精确到构图就行，不追求绘画美感。如果你的故事有复杂的动作场面，建议在分镜表里加一个“动作轨迹”栏，描述人物从画面哪个位置移动到哪个位置。

例如“主角从画面左侧入画，快步走到办公桌前，顺手抄起桌上的文件，转身上前两步，正对镜头站定”。这种轨迹描述越具体，视频生成的画面就越符合预期。反之，只写“主角走回座位”，生成结果往往是笨拙的原地滑动。

5. 视频生成实战：分镜表到成片镜头的最后一步

视频生成是AI漫剧流程中最需要耐心也最容易出状况的环节，但操作逻辑其实很简单：拿分镜表，逐条生成，检查质量，不达标就重做。

5.1 核心操作流程

我用的标准流程是“图像生成—图生视频—质量筛选”三步走。先用文生图配合分镜的“画面内容”和“美术风格”描述生成关键帧图像，确保构图、角色、场景满意。然后把这张满意的关键帧上传到视频生成工具做图生视频，输入镜头运动描述，例如“镜头缓慢向右横移，主角头发被风吹动，背景灯光微微闪烁”。最后把生成的视频逐段播放，检查有没有角色崩脸、动作异常、画面撕裂、运镜变形等问题。

5.2 从画面描述到视频提示词的“翻译”技巧

分镜表里的画面内容往往是静态的，但视频生成需要的是动态描述。这个翻译有一些技巧。

静态内容原样保留，直接引用分镜表里的角色和场景描述。增加“环境动态元素”，比如风吹树叶、雨滴打在玻璃上、飘浮的尘埃、晃动的灯光，这些能让画面更生动，也更容易让AI理解环境不是静止的。明确“角色微动作”，比如眨眼、整理衣领、嘴唇微动、手指轻轻敲击桌面，微动作是AI视频里最显“生命力”的地方。最后用“运镜方式”收尾，比如“镜头缓慢推进，焦点从桌面文件转移到主角脸上”。

5.3 首尾帧控制与视频时长选择

很多工具支持首尾帧设定，这个功能建议先用。首帧就是一张图，尾帧可以也提供一张关键图，告诉AI这个镜头从哪里运动到哪里。

比如一个“镜头从办公室全景推到主角背影”的镜头，用首帧全景色做提示词，尾帧用主角背影特写做提示词，AI生成的中间过程就自然形成了推镜效果。首尾帧特别适合做复杂运镜，但操作成本略高，简单镜头直接图生视频就够了。

视频时长方面，工具默认大多在3到5秒。如果是对话镜头，5秒更好用；如果是快速动作或转场，3秒足够。长镜头不要试图一次生成长视频，分段生成后在剪辑里拼接会更稳定。

5.4 质量筛选与“重做策略”

AI生成视频没有一次到位的，我的经验是每个镜头至少生成3个候选版本，然后花1分钟快速筛选。

筛选标准优先级从高到低：画面有无明显崩坏、人物是否符合设定、动作是否自然连贯、运镜是否符合指令。第一条决定这部片子的下限，角色崩了观众立刻出戏，运镜不满意可以忍受。

重做不是盲目重新生成，而是“改提示词再生成”。提示词里加上“镜头保持稳定”“动作幅度不要太大”这类控制词，优先级从高到低逐条排查。关于时长，补一句“时长”这类提示词可能影响不大，重点还是画面描述准确。

5.5 素材命名与文件夹管理

视频生成量一大，素材文件管理不好就是灾难。我的文件夹结构是：按场次建一个总项目文件夹，场次内再分“raw”“selected”“final”三个子文件夹。raw放所有生成源素材，selected放筛选后要用的版本，final放最终合成所用的镜头片段。

命名规则是“镜号_版本号_景别_简要描述”，例如“S1-02_v2_中景_主角推门”。这样剪辑时拖素材进时间线，一目了然，不用一个个点开播放确认内容。

6. 配音配乐与后期合成：让画面活起来的一步

画面有了之后，需要把声音做上。这个环节做得不好，观感会直接降一个档次。

6.1 配音方案：旁白与角色音区分开处理

漫剧的音频分两类：旁白叙述和角色对白。旁白用比较沉稳、略带叙述感的声音，语速稍慢，给观众“讲故事”的沉浸感。角色对白则要根据人物性格来选音色和情感状态。

配音工具选支持多音色的，先试听几款音色再决定。旁白统一用一种音色贯穿全片，角色各用一种固定音色。角色集中出现多段对白时，按分镜表逐段生成，生成时要写出上下文语境和情绪提示。

比如写配音文案时，我会加上“语气低沉，略带疲惫，语速中等”这样的描述，工具会更准确地呈现情绪。旁白文案我习惯在读的时候自然留出呼吸停顿，方便剪辑时衔接画面。

6.2 配乐和音效：质感提升的两大关键

配乐的关键是场景匹配。悬疑场景用低音提琴或电子氛围音色，温馨场景用钢琴或木吉他类旋律，动作场景用节奏感强的鼓点。

音效优先级从高到低排：环境音，如雨声、风声、街道噪声，这个优先级最高，没有环境音的画面会显得虚假。动作音效，如脚步声、关门声、物体碰撞。转场音效，如“嗖”的短促音效，让镜头切换更有节奏感。

我的习惯是优先找环境音和轻音乐，动作音效尽量自己做。用剪辑软件自带的效果或录制环境音都行。

6.3 剪辑合成：镜头拼接和口型对位

合成顺序很重要，我按“画面粗剪—配音对位—音乐铺底—音效点缀—整体混音”五步走。

画面粗剪先把分镜表里的select素材按顺序拖到时间线，调整每个镜头的时长和先后关系。配音对位是把旁白和对白拖到对应镜头下方，让声音节奏和画面动作匹配。音乐铺底根据情绪段落选好曲子整段放到底，再通过音量自动化调整轻重。音效点缀着重添加环境音和动作音效，增强沉浸感。最后整体混音，让配音清晰、音乐不盖人声、音效层次合适。

口型对位方面，目前AI漫剧的口型同步还做不到完美贴合，最实际的做法是：主角说话时给特写镜头，配音音轨对准角色张嘴那一帧附近，预留出一两帧的容差，其余时间多用侧面或远景，避免口型问题暴露。

6.4 字幕和封面

AI漫剧的字幕建议直接用剪辑软件自动识别生成，然后手动修改断句和措辞。竖屏漫剧字幕不宜超过20个字一行，超过后自动换行会影响观感。

封面是在所有内容完成后单独做的，可以选一帧最吸引人的画面，叠加标题文字，也可以单独生成一张封面图。封面设计必须标题突出、色彩鲜明，因为封面决定了观众点不点进来。

7. 常见问题与排查技巧实录

一路实操下来，有些问题几乎每个人都会遇见，这里整理成速查表，方便对照排查。

7.1 角色脸部崩坏的连带问题

角色崩脸是最常见也最烦人的问题。如果你用参考图生成角色图没问题，但一图生视频就崩，大概率是参考图本身就是AI画的，细节过度复杂，生成视频时模型解析困难。

解法是换更“漫画化”的参考图，轮廓更简洁，五官更清晰，风格更明确。同时降低生成分辨率，先把细节密度降下来，生成成功后再考虑提清。

7.2 环境一致性怎么保证

很多漫剧画面里角色没问题，但背景前后对不上，比如上一个镜头窗外是晴天，下一个镜头窗外是阴天。这类问题源于分镜表里对光线和氛围描述不一致。

我的做法是，在分镜表“画面内容”中，强制要求写清天气和时间，比如“晴天下午，窗外可见城市天际线”“阴天傍晚，办公室内开着暖黄色灯”。所有涉及此场景的镜头统一抄同一句描述，环境一致性就基本稳住了。

7.3 一个镜头被反复生成还是不行？

直接放弃这个镜头，换个角度重新设计画面。大部分镜头都能通过改提示词解决，但有些镜头就是“运气不好”。与其死磕，不如换一种更简单的景别或更平稳的运镜。

比如“从门口一路走到窗前”这种长距离运动提示词，AI处理起来容易抖动，拆成两个镜头：一个“主角出现在门口”的静态开场，加一个“主角在窗前”的近景，中间用转场衔接，效果反而更稳定。

8. 一集完整片子怎么从0到1跑一遍

理论说了一大堆，咱们拿“一集90秒悬疑漫剧”完整走一遍，你就知道这套流程合起来的真实手感了。

时间分配：剧本脚本40分钟，美术设定30分钟，分镜40分钟，视频生成60分钟，配音配乐剪辑40分钟。

剧本我定的是：一个程序员深夜加班时发现公司监控画面里出现了“明天的自己”，TA正在对着摄像头微笑招手。冲突展开为程序员的惊慌与同事的质疑，转机是TA发现那个“未来的自己”是在阻止TA运行一段将会导致事故的代码。

脚本阶段，我拆成4场。S1（20秒），深夜办公室，主角独自加班，正在调试一段代码。S2（15秒），主角去倒咖啡，回来时发现监控画面中出现了自己的脸。S3（35秒），主角确认自己没有出现在摄像头前，情绪崩溃，同事闻声赶来却看不到监控里的异常。S4（20秒），主角冷静下来，决定删除那段代码，“未来的自己”在监控里微笑点头，画面淡出。

美术风格定为“夜光赛璐璐”，灰蓝色调为主，高光偏青，带轻微胶片颗粒。角色用一个银发红瞳的程序员形象，黑色高领风衣，月牙吊坠，所有画面统一用这组描述。

分镜表按S1到S4逐条填好，共12个镜头。比如S1-01是全景慢推，画面里深夜办公区，只有主角工位亮着灯，窗外是模糊的城市灯光。每个镜头都标好景别、运镜、时长和台词位置。

视频生成环节，我把12个镜头逐个用图生视频跑出来，每个镜头生成3版选1版，一共约36次生成，整体耗时约1小时。生成等待期间同步用配音工具把旁白和主角对白配好，剪辑时直接拖进去对位。

配音完成，选一首低音钢琴曲做底噪，加轻微城市夜声做环境音，剪辑完混音、字幕、封面。90秒成片完成。

8.1 我的个人体会

如果你照着上面这套流程跑过一遍，会明显感觉到AI漫剧的制作已经不能叫“技术活了”，更像一条标准化的流水线。真正拉开差距的，是创意判断力：你会不会挑选题、懂不懂埋钩子、能不能设定一个让人记住的画面风格。

只有一个小技巧再唠叨一遍：视频生成时不要贪心。一个镜头一个镜头踏踏实实生成，比一次追求复杂运镜和超长时长稳得多。做AI漫剧，稳定输出的习惯，远比你偶然生成一个惊艳画面重要得多。