BiFish original · 2026-09-17

小白 AI 漫剧怎么做：完整教程，从写脚本到导出成片

BiFish博主原创

学完这篇，你能独立完成一条 60 秒的 AI 漫剧：会写分镜脚本、会锁住角色长相、会写出能用的分镜提示词、会做微动效、会配音加字幕，也能在画面崩坏的时候知道先改哪里。

不需要会画画，不需要会剪辑，也不需要写代码。

一条 60 秒的 AI 漫剧，大概需要 12 到 18 个镜头。每个镜头要出一张图，每张图要对着提示词调一两次。也就是说，你真正要面对的不是「做一条漫剧」，而是重复 15 次同样的动作，并且保证这 15 次里的主角不是 15 张不同的脸。

大部分的漫剧教程卡在这里：它们把流程讲对了，但没有告诉你第 8 个镜头崩脸的时候该先改什么。

这篇把六个环节拆开，每个环节给三样东西：做什么、提示词模板、做到什么程度算合格。最后单独放一张崩坏补救对照表。

一、先搞清楚工作量：60 秒到底要出多少张图

在动手之前，你需要先接受一个数量关系。

短视频平台的漫剧，节奏比传统动画快得多。通行做法是：

成片时长	镜头数	单镜头时长
60 秒	12 – 18 个	2 – 4 秒
90 秒	18 – 26 个	2 – 4 秒
120 秒	26 – 34 个	3 – 4 秒

这个表是所有后续工作的前提。它意味着：

一条 60 秒的片子，你要生成 12 到 18 张分镜图；

每张图如果要重试两次，实际生成次数就是 30 到 50 次；

如果还要做图生视频，这些次数再乘一遍。

很多人第一次做漫剧失败，不是技术不行，是按 60 秒只准备了 5 个镜头的量，结果剪出来画面稀稀拉拉，像 PPT 翻页。

合格标准：剧本拆完之后，数一下镜头数。60 秒的片子低于 12 个镜头，回去重拆。

pexels-tanhatamannasyed-35652404

二、写脚本：不要让 AI “写一个漫剧剧本”

直接跟 AI 说“帮我写一个漫剧剧本”，出来的东西看着挺像样，但没法用——它会给你大段的环境描写和内心独白，这些在漫剧里既不进台词也不进画面。

正确的做法是让 AI 直接输出分镜结构。提示词的关键在于把字段定死：

``` 请生成一个 AI 漫剧分镜脚本。

题材：都市悬疑总时长：60 秒镜头数：14 个

每个镜头必须包含以下 5 个字段：

shot_id：镜头编号

duration：时长（2-4 秒）

camera：景别（远景/全景/中景/近景/特写）

visual：画面描述，用于后续 AI 生图，要求包含人物的固定特征（发型、发色、服装、五官特征）

dialogue：台词，单句不超过 15 字，没有台词则写无

要求：

开头 3 秒必须有冲突或悬念

结尾留一个未解答的问题

全程只出现 2-3 个人物，避免角色过多

不要写环境描写和内心独白

```

三点值得说明：

为什么限制人物数量。 每多一个角色，你就多一套参考图要维护。新手做 5 个角色的片子，基本等于自找麻烦。控制在 2 到 3 个，主角加一个对手或旁白角色。

为什么台词限 15 字。 一句台词超过 15 个字，在 2 到 4 秒的镜头里念不完。念不完就得拉长镜头，节奏立刻拖沓。

为什么结尾要留问题。 漫剧的完播率靠悬念撑。结尾把话说完的片子，观众没有理由去翻下一集。

合格标准：拿到分镜表后，把 visual 那一列单独复制出来。如果这一列能直接当生图提示词用，说明写对了；如果里面还有“气氛凝重”“若有所思”这类没法画的词，回去重写。

三、锁脸：整个流程里唯一必须一次做对的事

角色一致性是 AI 漫剧最大的技术障碍。同一个角色在 15 张图里长出 15 张不同的脸，成品立刻就废了。

解决办法不是把提示词写得更细，而是用参考图。

具体做法

先生成一张主角立绘。单独用提示词生成一张正面、清晰的半身像，这张图不参与正片，只作为“角色标准照”。

确认这张脸你满意。因为后面所有镜头都会向它靠拢，这张图定下来就别再换。

后续每一个镜头都把这张图作为参考图上传。国内主流生图工具（即梦、可灵等）都有参考图或角色一致性相关的功能，位置通常在生成界面的高级设置里。

在提示词里重复角色的固定特征。参考图管长相，提示词管一致性，两者要叠加使用，不能只靠一个。

固定特征要写成可描述的短句，比如“黑色长直发、杏眼、浅蓝色连衣裙、身高偏瘦”。不要写“气质清冷”这类形容，机器画不出来。

崩脸的排查顺序

发现某张图脸不对的时候，按这个顺序改，不要一口气全改：

顺序	先检查什么	为什么
1	参考图有没有漏传	最常见的原因，占比最高
2	提示词里的固定特征是否完整	少写一个特征就可能跑偏
3	生成次数是否用完	同一提示词多跑几次，挑最接近的
4	换姿势或景别	大幅转身、侧脸、低头都会增加跑偏概率
5	重做参考图	前面都排除了，说明这张标准照本身不够有代表性

合格标准：把 15 张分镜图铺在一起看。任意两张里的主角，发型、服装、五官结构能被认成同一个人，才算过。

四、分镜提示词：正向词写什么，负向词写什么

分镜提示词有固定的结构，缺一块就容易出问题。顺序上建议按这个来：

`` [镜头描述] + [人物动作与表情] + [场景] + [画风] + [画质] + [负向词] ``

一条实际可用的正向词长这样：

`` 中景，女生抬头睁大眼睛，站在雨夜街道，国漫二次元风格，干净漫画线条，电影柔光，8K，9:16 竖屏，画面无文字 ``

负向词的作用是排掉最常见的画面缺陷。下面这组可以直接用：

`` 写实照片，3D 渲染，文字，水印，畸形五官，多手指，肢体变形，画风突变，模糊，低画质 ``

两个容易忽略的点

画风词必须全程统一。 前面写“国漫二次元”，后面写成“日系厚涂”，成片会有明显的割裂感。建议把画风和画质那一段单独存成一段文字，每个镜头直接粘。

画幅要写死在提示词里。 竖屏短视频用 9:16，横屏用 16:9。工具里有画幅选项也别省这一步，因为不同环节（生图、图生视频）的画幅设置是分开的，写进提示词能少一次返工。

合格标准：把所有分镜图的画风词复制出来对比一遍。如果出现两种以上不同的风格描述，统一成一个。

pexels-youn-seung-jin-36101845-32778341

五、让画面动起来：动作越小，越像样

静态漫画图直接排时间轴也能出片，加字幕加配音就是完整的漫剧，这条路最省力。想让画面更像“剧”，就得做图生视频。

这里有一个反直觉但重要的经验：动作幅度越大，崩坏概率越高。

漫剧适合的是微动效：

镜头缓慢推近或平移

人物轻微呼吸起伏

头发或衣角轻微飘动

眨眼

不适合的是大幅动作：跑动、打斗、转身、抬手挥手。这些在漫剧的图生视频环节里，几乎必然出现肢体错位。

单镜头的生成时长建议控制在 5 到 10 秒以内，不要超过 15 秒。时长越长，画面后半段越容易开始变质。

如果工具免费额度有限，还有个替代方案：不做图生视频，直接在剪辑软件里给静态图加缓慢的缩放或平移动画。效果不如真动，但节奏和观感都在，成本是零。

合格标准：连续看三个相邻镜头，画面没有出现肢体错位、面部模糊、物体变形。

六、配音、字幕与节奏

配音

把每一句台词单独复制到剪辑软件的文本朗读功能里生成，或者用专门的语音合成工具。要点有两个：

音色按人设选，并且全程不换。同一角色换音色，观众第一反应是出戏。

语速不要太快。漫剧台词短，语速一快就听不清。

字幕

用自动字幕生成后逐句核对。自动识别在专有名词和短句上很容易出错，尤其是三个字以内的台词。

节奏：这是完播率的主要变量

单镜头停留 2 到 4 秒，这个区间是被反复验证过的。低于 2 秒观众来不及看，高于 4 秒节奏拖沓，会被划走。

一个可套用的时间轴模板（60 秒，14 个镜头）：

段落	镜头	作用
0 – 6 秒	1 – 3	抛冲突，必须让人停下来
6 – 20 秒	4 – 9	讲清楚发生了什么
20 – 45 秒	10 – 13	转折，把矛盾推向高点
45 – 60 秒	14	收束＋留悬念

合格标准：导出后自己完整看一遍，中途有没有哪一段让你想快进。有就说明那段镜头停留太久了。

七、导出前检查清单

按这个顺序过一遍，能挡掉大部分返工：

[ ] 镜头数够不够（60 秒 ≥ 12 个）

[ ] 主角在全部镜头里是不是同一张脸

[ ] 画风描述是否统一

[ ] 有没有镜头出现肢体错位或五官畸形

[ ] 台词有没有念不完的长句

[ ] 自动字幕有没有错别字，特别是人名和专有名词

[ ] 背景音乐音量有没有盖过人声

[ ] 开头 3 秒有没有冲突或悬念

[ ] 结尾有没有留问题

常见问题

做一条 60 秒的漫剧要多久？

熟练之后，从写脚本到导出大约需要几个小时，其中大部分时间花在生图和挑图上，不是花在剪辑上。第一次做会明显更久，主要慢在分镜拆分和锁脸这两步——这两步是需要在实践中建立判断的。

一定要用图生视频吗？

不一定。静态图加运镜加配音的版本已经能发布。图生视频会提升观感，但成本和崩坏风险都要算进去。建议第一条片子先跳过这一步，把前面的流程跑通。

免费额度够用吗？

生图和图生视频类工具通常每天有免费额度，但额度会随时调整，且每日清零。具体到你这个方向需要多少额度，取决于镜头数和重试次数。站内的[免费额度页](#)按厂商列出当前可用的额度与核实日期，可以先去那里确认。

人物总是变脸怎么办？

回到第三节的排查顺序，从“参考图有没有漏传”开始，逐条往下排除。绝大多数情况问题出在前两步。

想做更长的片子，比如 3 分钟。

不要一次做 3 分钟。按 60 秒一集拆，每集结尾留钩子。一是工作量可控，二是系列内容的播放时长和完播表现通常更好。

资料来源与核实说明

各生图与视频生成工具的官方帮助文档：画面生成、参考图、图生视频、时长限制等功能说明以官方页面为准。

剪辑软件的官方功能说明：文本朗读、自动字幕、图文成片等功能的适用范围。

站内《免费额度活页》：各厂商额度条目均标注核实日期，过期条目会下架。

文中涉及的镜头数量、单镜头时长属于行业通行做法，不是某一平台的官方规定，实际制作时可根据题材调整。免费额度数据变动频繁，发布或使用前请以官方页面为准。