AI 漫剧全流程实战拆解：从写剧本、拆分镜、定角色，到出图、生视频、配音、剪辑的一条龙创作体系

本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。

快速摘要

一句话先说结论：做一条 AI 漫剧，本质上就是把"导演的活儿"拆成八个标准动作——写剧本、拆分镜、定角色、固定风格、出关键帧、图生视频、配音、剪辑成片，每一步都用对工具、写对提示词，普通人不会画画、不懂分镜，也能在一两天内独立出一条完整的小动画。 我自己把这套流程从头到尾跑了好几遍，踩过的坑基本都集中在三个地方：提示词没给到位、角色跨镜头"精分"、分镜之间硬切不自然。这篇文章我会用一个《小红帽》的完整案例，把每一步的工具选择、提示词模板、参数设置、翻车补救全部讲透，连最后封面字体怎么让 AI 帮你设计都写进去了。

读这篇你能拿到的东西：一套可以直接抄的文生图/图生视频六要素提示词公式、一份分镜拆解的判断标准、三种镜头衔接手法（三镜头法、首尾帧法、两极镜头），以及一套剪辑补救的实战技巧。

想看完整拆解，往下翻。

一、先把"AI 漫剧"这件事讲清楚

很多人一听"做动画"就头大，脑子里浮现的是建模、绑骨骼、一帧一帧画原画，那是工业流水线干的事。AI 漫剧不一样，它走的是另一条路：不画动画，而是"生成画面 + 让画面动起来 + 拼接成片"。

我自己理解下来，AI 漫剧的底层逻辑可以用一句话概括：先用文字描述出每一个画面（关键帧），再让模型把静态画面补成一段几秒钟的运动，最后像剪普通视频一样把这些片段接起来，配上声音。整个过程里，你扮演的角色不是画师，而是导演 + 编剧 + 剪辑——你负责想清楚"我要什么画面、镜头怎么动、情绪怎么走"，具体的"画"和"动"交给模型。

为什么是现在这个时间点普通人能上手？这两年国内的生成式工具更新得特别快。以字节这条线为例，写文案有豆包，出图和生视频有即梦（早年叫"剪映 Dreamina"，后来独立成"即梦 AI"），剪辑还有大家最熟的剪映，三个工具基本能闭环。即梦背后用的是 Seedream（出图）、Seedance（生视频）这套自研模型，2025 年下半年还把网页端整体升级成了"AI 片场"的工作流形态，出图能上 4K，生视频甚至能做到音画同步。换句话说，以前需要一个小团队分工的活儿，现在一个人坐在电脑前就能跑完。

但我要先泼一盆冷水：工具好用不等于随便点点就能出片。AI 的随机性很强，你给的指令越模糊，它发挥得越离谱。整条流程里真正决定成片质量的，不是你会不会用某个按钮，而是你会不会"说人话"地把需求讲清楚——也就是提示词。这篇后面所有的实操，核心都在围绕"怎么把话说对"。

那这套东西到底适合谁来做？我观察下来，最容易上手、也最容易出成果的，往往是这么几类人：手里有故事但不会画画的写作者、想给自己内容加视觉表达的知识分享者、需要快速出demo做创意验证的设计者，还有就是纯粹觉得好玩、想把脑子里的画面变出来的爱好者。共同点是——有想法，缺的是把想法落地成画面的那双手，而这双手恰好是 AI 现在最能补上的。

再说几个我自己一开始也犯过、后来发现身边新手几乎都会犯的误区，提前点破能少走不少弯路：

第一个误区是以为出图越多越好。很多人一个镜头反复抽几十张，挑得眼花。其实质量上不去往往不是抽得不够，而是提示词、参考图、风格没固定好，方向错了抽再多也是错的。

第二个误区是把工具当成魔法。觉得点一下就能出大片，结果出来一堆四不像就开始骂工具差。AI 是个执行力极强但理解力有限的助手，你说得含糊，它就发挥得离谱，问题九成在指令而不在工具。

第三个误区是忽略"一致性"这件事。新手前期只顾着把单张图出好看，等到几十个镜头拼一起才发现主角每个镜头都换了张脸，返工成本极高。一致性必须在最开始就用方法锁死，这也是后面我花大篇幅讲角色设计和固定提示词的原因。

把这几个坑记在心里，再往下看每一步，你就知道每个动作到底在为什么服务了。

下面我用一张图把整条流程先摆出来，心里有个全局，后面每一步就不会迷路：

flowchart LR
    A[剧本 / 故事] --> B[拆分镜]
    B --> C[角色设计<br/>白底图+三视图]
    C --> D[固定风格<br/>风格/光影/质量]
    D --> E[关键帧出图<br/>六要素公式]
    E --> F[图生视频<br/>运镜+动作+情绪]
    F --> G[分镜衔接<br/>三镜头/首尾帧]
    G --> H[配音 / 数字人]
    H --> I[剪映成片<br/>转场+音效+封面]

整条链路就八个动作，看着多，其实每一步都有固定套路。接下来我一个一个拆。

二、第一步：让 AI 先把"剧本 + 脚本"一次写到位

无论你想做 AI 电影、AI 广告，还是一条几分钟的 AI 漫剧，第一步永远绕不开两样东西：一个好剧本，一个好脚本。

这里先把两个词分清楚，很多新手一上来就把它们当一回事。剧本讲的是故事——谁、在哪、发生了什么、说了什么台词；脚本讲的是怎么拍——这个画面用什么景别、什么构图、镜头从哪个角度看过去、光影什么调子、配什么音效。剧本是"内容"，脚本是"拍法"。做漫剧两样都要，而且脚本往往比剧本更关键，因为它直接决定了你后面每一张图怎么出。

问题来了：我们大多数人不是科班出身，没当过编剧也没干过导演，让自己从零写剧本、再一帧一帧拆画面，难度大、还特别费时间。好在 AI 既然能写文章写小说，让它来帮我们写剧本、顺便把脚本也搭出来，完全没问题。能写脚本的工具市面上一大把，我个人用得最顺手的是豆包，界面干净，提示词也不挑，用自然语言跟它聊就行。

2.1 新手最容易踩的坑：直接让 AI"写个剧本"

我见过太多人第一次用 AI 写剧本，张口就是一句：

帮我生成一个关于小红帽的剧本。

发过去，AI 确实会给你一份东西回来，结构通常是"人物设定 + 场景设定 + 剧本正文"三块。前两块一般没毛病，人物列得清清楚楚，场景也交代了。但你翻到"剧本正文"会发现不对劲——它写的全是画面和台词，比如"小红帽望着背影，大声喊道……"，本质上就是一篇有对话的小说。

这玩意儿离"能拍"差得远。作为导演，我们要的是分镜信息：这个画面是远景还是特写？镜头怎么摆？人物在画面里站哪？光从哪打？这些它一个字都没提。所以问题不在 AI 不行，而在你问的方式不对。

2.2 给 AI 戴上"导演"的身份

我自己折腾下来，让 AI 输出专业脚本的第一个开关，是先给它一个角色设定。你不指定身份，它默认就用"会写字的助手"那套来回应你；你把它设定成专业的 AI 动画导演，它的输出立刻就往专业方向靠。

提示词第一句先下身份指令，再说清楚你要什么、要它包含哪些脚本要素。完整写法长这样：

假设你现在是一位专业的 AI 动画导演。

我想用 AI 做一个关于《小红帽》的故事，请帮我写出完整的剧本和脚本。

脚本部分请包含以下要素：
- 景别（远景/全景/中景/近景/特写）
- 运镜（镜头怎么动）
- 构图（人物在画面里的位置关系）
- 视角（从哪个角度看）
- 光影（光线方向、明暗调子）
- 画面音效（环境音、动作音）

发出去之后，豆包就会按你列的要素一条条填。这次它给的"动画脚本"部分跟上一种问法就完全不是一个东西了——景别、构图、视角这些硬性信息全都带上了。

这里我想强调一个观念：向 AI 提问，问法本身就是一门手艺。同样一个《小红帽》，换个问法，产出质量差出十条街。后面所有环节你都会反复体会到这一点。

2.3 脚本要素到底该写哪些

为了让你照着抄，我把一份"能直接拿去拆分镜"的脚本，应该覆盖的要素整理成一张表：

写脚本的时候不用每一项都死磕，但景别、构图、视角这三样几乎是必填——它们直接决定你后面出图时画面长什么样。剧本和脚本这一步做扎实了，后面才有得拆。

这一步小结一下：别让 AI"写小说"，要让它"当导演"。给身份、列要素、说清楚你要的产出形态，一句话的差距，决定了你是拿到一篇散文还是一份能开拍的脚本。下一章，我们把这份剧本喂进分镜工作流，看看怎么一键拆成一个个可执行的镜头。

三、第二步：把剧本拆成分镜——用拆解工作流省掉一半时间

剧本和脚本有了，接下来要把它变成一个个具体的镜头，这一步叫拆分镜。你当然可以手动一句句拆，但说实话太累。我现在常用的办法，是直接把剧本丢进一个分镜拆解工作流工具里，让它帮我自动拆。

3.1 分镜工作流到底在帮你做什么

我习惯把这类工具简单理解成"生产 AI 视频的一条流水线"。它做的事按顺序排下来是这样：

flowchart TB
    A[上传剧本] --> B[自动拆分镜]
    B --> C[提取人物设定]
    C --> D[生成角色/分镜图]
    D --> E[匹配运镜与音效]

也就是说，从"把剧本切成一个个镜头"，到"提取出场人物并做设定"，再到"出图"，最后到"配上运镜和音效建议"，它一条龙帮你搭好骨架。它的界面其实跟即梦这类工具长得差不多，通常分首页（看别人的灵感作品）、空间（你自己的生成记录）、主体库（官方和你自己上传的角色模型）几块。

我之所以推荐在这一步用工作流工具，原因有两个：一是它拆得很细，二是这个拆分镜的功能往往是免费的。对新手特别友好——拆出来的分镜专业，你又不用先充会员，先把流程跑通最重要。

3.2 怎么用：把剧本贴进去就行

操作很简单：进到工具里，找到上传剧本的入口，把刚才豆包写好的《小红帽》剧本粘贴进去。如果你做的是多集长视频，一般会有个"多集"开关，打开它就能一次生成好几集；我们这个案例只做一集，保持默认就行。点生成，工具会显示"生成中"，跑完之后会标出一共拆了多少个分镜。这个过程稍微有点慢，等一会儿就好。

顺便讲讲多集的情况。如果你做的不是一条短片，而是要连载的长内容，那"多集"开关就有用了——它能一次把一个长剧本拆成多集的分镜，省去你手动切分的麻烦。我自己做长内容时有个习惯：单集喂进去的文本别太长，控制在两三千字以内，AI 拆起来更精准，太长它容易丢细节或者把镜头拆得乱七八糟。长剧本就先自己按剧情节点切成几段，一段一段拆，质量反而更稳。

还有个跨集的一致性问题要提前想到：多集内容里，主角必须每一集长得都一样。解决办法是把第一集定好的角色三视图存成你自己的角色素材，后面每一集出图都拿同一套参考图去垫，而不是每集重新让 AI 生成角色——重新生成几乎必然跑偏。这个思路和后面单集里保持角色一致是一脉相承的，记住一句话就行：角色只定一次，全程复用。

跑完之后，右侧通常会给你一份大纲式的产物，我把它拆成五块来看：

这里我要单独把美术风格拎出来强调。工具默认可能给你一个"绘本风格"，这个风格一旦定下来，会直接影响全片的色彩、光线、人物造型——后面所有的角色、场景都是顺着这个风格长出来的。所以风格的确定非常重要，宁可在这一步多花点时间也别将就。如果默认风格你不满意，完全可以自己改写，比如把它换成"皮克斯 3D 风格"，后面我们这个案例就是这么干的。

至于主体列表，工具会把出场角色一个个列出来，每个角色后面跟一段 AI 对它的理解，相当于性格设定。比如"大灰狼：狡猾凶恶"，每个角色下面还会配一张参考图。这些图后面要进一步加工成可用的角色设计图，下一章细讲。

3.3 分镜拆解的底层规则（理解了它，你自己也能拆）

就算用工具自动拆，你也得懂它背后的判断逻辑，这样才知道哪里拆错了该怎么改。我把行业里通用