最近“一人成团做漫剧”这个说法在短视频圈里热度一直在线。不少朋友看到别人做的AI漫剧动辄几百万播放自己也动手试了试结果大多卡在同一个地方剧本写得像流水账画面角色换个镜头就变脸配音和字幕对不上口型最后剪出来总有一股“AI味”。其实问题不在工具而在流程。我自己用豆包、即梦、剪映、扣子这套组合玩了几个月从第一集磕磕绊绊到稳定日更踩过的坑不算少。这篇就把完整的制作链路、参数设置、提示词写法和避坑经验一次性整理出来希望能让刚入门的朋友少走几周弯路。1. 漫剧到底是什么一人成团的底气从哪来漫剧不是简单的“图片加配音”它本质上是把传统漫画和短视频的节奏结合起来用分镜画面加对白推进剧情单集时长通常控制在1到3分钟。早几年做漫剧需要编剧、画师、配音、剪辑一整套班子现在生成式AI把中间几个重劳力环节全部压缩了一个普通人确实可以包揽全部工序。1.1 四个工具在流水线里的真实分工这一套组合拳里每个工具干自己最擅长的事分工非常明确。豆包负责文案层。剧本大纲、分镜描述、台词对白、甚至标题和文案全部由它产出。它强在中文语义理解写出来的台词比较自然不太会有欧美翻译腔。即梦负责视觉层。根据分镜描述生成漫画风格的角色图和场景图。它出图风格偏二次元国漫线条干净适合短视频展示。剪映负责后期层。把静图转成动态视频加运镜、转场、配音、字幕、音效、背景音乐。剪映的图文成片和文本朗读功能极大降低剪辑门槛。扣子负责流程层。把前三个环节串成自动化工作流甚至能做成一个Bot输入一段剧情简介自动生成分镜脚本和图片提示词省掉大量重复劳动。1.2 为什么这套流程能成立关键在于AI生成内容的成本已经低到可以“废稿不心疼”。传统漫画一格画面要画很久现在即梦一次出四张图不满意直接重新生成时间和金钱成本都极低。配合扣子把标准化动作自动化一个人真正需要投入脑力的部分只剩下创意和审美判断而这两件事恰恰是AI暂时替代不了的。对于新手来说这套流程最大的价值是正反馈来得快。第一天就能看到自己的剧本变成了有画面、有声音的成片这种成就感会推着你持续做下去而不是像学画画那样可能几个月都画不出一张能看的图。2. 第一环豆包出剧本先解决“拍什么”很多新手一上来就让AI写“一个精彩的漫剧剧本”出来的东西基本没法用。问题不在于豆包能力不够而是你给的约束太少。AI不是创意源头它是放大器你给它越清晰的方向它越能给出可用的结果。2.1 高手都在用的剧本生成公式我试过几十种提示词写法最后固定下来一个公式你直接套用就可以你是一位资深漫剧编剧擅长[悬疑/甜宠/搞笑/逆袭]类短剧。 请创作一部单集时长2分钟的漫剧剧本。 故事背景[一句话交代世界观] 主角人设[性格身份目标] 核心冲突[主角遇到了什么麻烦] 单集要求 1. 输出8-10个分镜每个分镜包含场景描述、景别、画面内容、台词 2. 开头3秒必须有悬念或冲突 3. 结尾留钩子引导看下一集 4. 台词口语化单句不超过20字加粗部分全部替换成你的故事设定。实测下来豆包按这个结构输出的剧本分镜清晰、台词能直接用基本不需要大改。关键是“单句不超过20字”这个约束短视频观众根本记不住长台词短句配合画面冲击力才有效。2.2 分镜描述的“三层写法”决定画面质量豆包写出来的分镜描述如果你直接复制到即梦生成图片效果通常很灾难。因为剧本里的描述是给导演看的不是给AI绘图模型看的。你需要把每一条分镜改写成“画面提示词”三层结构主体谁在画面里什么动作什么表情环境在哪里什么光线什么氛围风格画风、镜头角度、画面比例举个例子。豆包写的分镜是“男主在雨夜街头发现一封神秘信件表情震惊”。直接拿去生图出来的画面可能很普通。改写之后就完全不一样主体年轻男子湿透的黑色风衣手拿泛黄的信封瞳孔放大表情震惊 环境夜晚空旷的街头路灯昏黄雨丝密集地面有积水倒影 风格日漫国漫风格电影感构图中景镜头冷蓝色调细节丰富高品质插画这一段提示词放进即梦出图质量会稳定得多。我自己的习惯是每一条分镜都这样改写虽然前期多花几分钟但后期修图的功夫省得更多。2.3 台词的节奏感和信息密度漫剧台词和电视剧台词不一样它要配合画面快速切换所以节奏是第一位的。我的经验是每句台词最好不要超过15个字而且句与句之间要有信息跳跃感不要平铺直叙。比如不好的写法“我今天去公司上班发现老板不在然后同事告诉我一个秘密。”好的写法“老板消失了。同事说他昨晚被带走了。”豆包默认写出来的台词偏书面你需要明确要求它“口语化、短句、多用动词”。在提示词里加上这一条输出质量会有肉眼可见的提升。另外可以要求它在每集末尾写一个“下集预告”这个钩子对完播率和追更率很重要。3. 第二环即梦生成画面解决“长什么样”剧本到手接下来是画面。即梦作为生图工具核心要解决三个问题画风统一、角色一致、批量出图。第三个问题靠的是技巧前两个问题则需要你在工作流上做设计。3.1 画风统一的核心方法固定风格词很多人的漫剧画面一集一个风格看起来非常出戏。解决方法是把风格描述固定成一个“风格后缀”每一张图都带上它。我自己用的风格后缀是国漫精品动漫截图风格精致线条丰富细节光影层次分明电影级调色4K超清不管场景怎么变这个后缀始终不变。时间久了AI会在这个风格空间内保持相对稳定的输出。千万不要每张图都重新写一种画风描述那是给自己找麻烦。3.2 角色一致性不再“换个镜头就变脸”角色一致性是漫剧制作里最头疼的问题没有之一。同一个角色正面、侧面、远景各生成一次大概率长得不像同一个人。我用下来最有效的方法是组合拳锁定角色外貌描述把主角的五官、发型、服装、配饰写成一个固定角色描述模板每次生成都带上。多角度出图先用即梦生成正面标准像再通过“参考图”功能生成侧面和背面确保各角度五官一致。避免复杂表情在关键剧情节点用局部特写加台词来替代大表情降低生成难度。举个例子一个叫“林澈”的男主角色模板林澈22岁银白色短发深蓝色眼睛左耳戴黑色耳钉穿黑色皮夹克内搭白色T恤脖子上挂银色吊坠每次生图都把这串描述完整带上再加“正面”、“侧面45度”、“背影”之类的视角词。虽然不能保证100%一致但一致性已经从“完全不像”提升到“能看出是同一个角色”对于短视频来说足够用了。3.3 图生图的妙用把废图变成素材即梦的“图生图”功能是很多新手忽略的宝藏。直接在图片上框选区域输入指令就能修改局部比如换衣服颜色、调整表情。我经常用这个功能做二次修正一张废图改一改就变成了可用素材。操作上把生成结果里“脸崩了”的图丢进图生图锁定原有构图只改脸部区域一般几次就能修好。如果角色服装前后不一致也可以用局部重绘把服装统一回来。这个功能相当于给你的AI工作流加了一个后悔药强烈建议花时间练熟。4. 第三环剪映做后期解决“动起来”和“有声音”图片有了接下来是把静态画面变成动态的漫剧。剪映在这一步承担了绝大部分工作而且门槛非常低。这里我只讲几个最关键的实操点掌握了它们你的漫剧质感会立刻超过80%的同行。4.1 图片转视频用关键帧做出运镜感剪映导入图片默认是静止的画面很死板。我的做法是给每张图都加关键帧动画做出推近、拉远、平移的效果。操作路径选中图片素材点击画面在开始位置打一个关键帧把画面放大到110%再在结束位置把画面缩小回100%这样就有了推镜头的效果。不同的景别配不同的运镜方式节奏感会非常强景别推荐运镜效果远景缓慢推进交代环境营造氛围中景横向平移模拟人物转头或视线移动特写快速拉远情绪爆发节奏转折每张图的动画时长控制在1.5到2.5秒之间配合剧情节奏调整。打斗场面运镜快一些抒情场景运镜慢一些观众的情绪会跟着画面走。4.2 配音方案AI音色加人声的取舍漫剧最核心的听觉体验是配音。剪映的“文本朗读”功能里有大量AI音色操作简单生成速度也快。用AI音色做批量配音时注意选“情感男声”或“情感女声”这一类带情绪的不要选新闻播报类的播音腔那会让漫剧显得非常干燥。如果想更进一步你用豆包提前生成配音文案剪映朗读出来后再用“声音变速”微调通常提速1.1到1.2倍会让对白更紧凑更符合漫剧的节奏。实测下来观众对轻快的语速接受度更高拖沓的慢语速只会让人三秒划走。4.3 字幕、音效和BGM的黄金搭配字幕方面漫剧字幕要做到“大、粗、短”建议字体用剪映里的“综艺体”或“圆体”字号调大加白色描边或黑色描边确保手机小屏上也看得清。每句字幕不要超过15个字配合上面说的短台词原则正好匹配。音效是很多人忽略的加分项。像风声、脚步声、心跳声、环境底噪这些氛围音比BGM更能拉观众入戏。剪映音效库里直接搜关键词就能找到加的时候注意把音量压到背景音的程度不要盖过对话和BGM。BGM选纯音乐不要选有人声的歌曲否则会和配音打架。5. 第四环扣子把整条流水线自动化如果说豆包、即梦、剪映解决的是“能不能做”那扣子解决的就是“能不能批量做”。当你一集两集能做出来之后一定会遇到一个瓶颈重复劳动太多更新频率跟不上。这时候就该上扣子工作流了。5.1 用扣子串起“从文案到提示词”的自动化扣子是字节的AI智能体平台核心玩法是搭建“工作流”把不同的大模型能力像组装流水线一样串起来。我搭的第一个工作流叫“漫剧分镜助手”输入端就是一个故事大纲输出端是整理好的分镜描述和即梦提示词。工作流大致分这几步起始节点接收用户输入的故事大纲大模型节点让豆包模型把大纲扩写成10个分镜每个分镜包含剧本描述大模型节点再把分镜描述改写成即梦绘图提示词套用固定的风格后缀和角色模板输出节点把提示词按格式导出复制到即梦就可以出图这样操作之后从前需要半小时的人工改写压缩到一分钟而且格式永远稳定。我实测过质量比人工手写更稳定因为提示词结构不会漏。5.2 进阶玩法做一个可以直接分享的漫剧Bot扣子更进阶的玩法是把工作流发布成一个Bot分享给别人直接用。你的朋友输入一个剧情想法Bot自动跑完整个流程输出完整的漫剧生产素材。你要是愿意甚至可以把Bot发布到应用商店别人就能直接使用你设计的这个工作流。我搭的Bot大概是这样设计入口信息的欢迎使用漫剧工作室Bot。请输入你的故事想法格式 主角[身份性格] 反派[身份能力] 核心冲突[一句话矛盾] 故事风格[甜宠/悬疑/搞笑/逆袭]用户输入后Bot把内容喂给工作流自动产出分镜脚本和绘图提示词。整个过程30秒内完成之后用户只需要复制提示词去即梦出图再进剪映合成一套高效流水线就成了。5.3 扣子使用中的几个细节新手用扣子最容易踩的坑是插件数量太多不知道选哪个。做漫剧工作流只需要两类插件一类是文本处理类的用来规范输出格式另一类是大模型节点用来调用豆包等模型的能力。其他花里胡哨的插件暂时不用管等跑通基础流程再慢慢加。另外工作流的节点命名一定要用中文且含义清晰。比如“分镜生成节点”、“提示词改写节点”、“格式整理节点”。工作流一旦复杂起来英文缩写命名你会完全忘记它是干什么的排查起来特别痛苦。这个教训来自我自己的经历搭到十几个节点的时候一个命名混乱的工作流基本等于废了。6. 高频问题与排查技巧实录6.1 角色脸部每张图都不一样怎么破严格来说现在的开源方案很难做到100%角色一致但可以做到90%。我的组合方案是用角色描述模板加参考图功能然后在剪映里用局部特写和背影规避正脸特写。如果某张图的脸实在崩得厉害与其反复重绘不如换个角度用侧面或背面镜头代替正脸观众几乎不会察觉。6.2 画面“AI感”太重一眼假怎么办AI感主要来自两个地方脸部过度光滑和画面细节混乱。前者可以在提示词里加“皮肤纹理、自然质感、真实光影”来缓解后者需要你在提示词里减少元素堆砌一个画面只突出一个核心信息不要让AI把什么元素都塞进去。另外在剪映里加一层“胶片颗粒”特效也会让画面质感更自然。6.3 字幕和配音对不上一卡一卡的音频和画面分离处理。先把配音单独录好或生成好再根据音频的波形把画面片段对齐最后用剪映的“自动字幕”功能生成字幕。如果你先剪好画面再配字幕和音效很容易出现对不齐的情况。6.4 单集产量上不去日更做不到把标准定下来一集控制在8到10个分镜2分钟以内。先用扣子流水线跑剧本豆包批量生成文案再集中花两三个小时一次性出完一整个故事线的所有图片最后在剪映里批量剪辑。做到“集中生图、集中剪辑”效率会翻倍。6.5 数据不好要不要追热点改内容漫剧的核心是情绪钩子。数据好不好很大程度上取决于开头三秒有没有让观众“停下来”的理由。我建议你优先做反转密集的短故事前5秒就把悬念抛出去。后边再根据数据反馈调方向比闷头自嗨有效得多。写在最后整套流程跑下来最大的感受是工具本身不神秘真正的功夫在于把流程理顺。豆包管写、即梦管画、剪映管动、扣子管自动化各司其职一台电脑就能完成过去一个团队的活。刚开始上手不要贪多也别指望第一集就爆先把一集完整做出来跑通一遍流程再从效率和质量两头优化。我现在每天稳定更新一集单集制作成本几乎为零这在两年前是不可想象的。这套玩法还远没到天花板随着模型能力的迭代画面和剧本的质量只会越来越高。想入场的现在就是最好的时间点工具免费、门槛够低剩下的就看你能不能坚持更新了。