AI 漫剧从念头到成片:剧本骨架、镜头语言、风格定位、角色资产与后期剪辑的一整套实操打法

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

快速摘要

一句话先给结论：做 AI 漫剧不是"把故事丢给某个一键工具就出片"，而是一条有先后顺序的流水线——故事 → 剧本 → 风格 → 角色/场景/道具资产 → 分镜与关键图 → 分镜头生成视频 → 剪辑合成成片。这条线里，剧本和剪辑节奏各占成片质量的一半，而"图做得好不好"几乎决定了视频的上限；AI 工具能帮你把不擅长的环节拉到及格线，但精品和及格之间那段距离，要靠你对镜头、风格、节奏的理解去填。 我自己完整走了好几遍这条流程，踩过的坑、绕过的弯，基本都写在下面了。

如果你只想要可立刻上手的要点：用大语言模型多轮对话把故事打磨出来，再让它改写成场景化的剧本；用"景别 + 角度 + 运镜"三件套去设计每个镜头；先定死一种风格再做所有画面；角色、场景、道具要在动手拍之前就当成"资产"提前做好且能复用；视频生成优先把脚本切成 5～15 秒的小段，第一条永远拿来测节奏；最后在剪辑里靠连贯、调速和转场把碎镜头串成一部能看懂的片子。

想看完整拆解，往下翻。 这篇我会把每一步具体"怎么做、用什么、容易错在哪"都讲透，配了不少表格、代码块和流程图，新手也能照着搭起自己的第一部漫剧。

一、先把"漫剧到底是什么"想明白:类型分层和赛道选择

很多人一上来就想做一部惊艳的片子，结果连自己要做的是哪一类都没分清。我的建议是先停一下，用"创作者和导演"的眼光，而不是"观众"的眼光，去重新观察一遍市面上的剧。

1.1 漫剧、短剧到底差在哪

先说个容易混的概念。漫剧，本质上是一种节奏快、视觉冲击力强的小型动画；随着生成技术进步，它的画面效果越来越接近传统动画甚至动画电影。而当画面真实到几乎分辨不出是不是实拍时，大家就不再叫它"漫剧"，而改口叫"短剧"了。所以从漫剧到仿真人短剧，其实是同一条技术路线上由"画得像"到"做得真"的连续变化。

按制作难度和成熟度，我习惯把它们分成四层，越往后越难做，但天花板也越高：

判断一个剧好不好、属于哪一层，我会盯着这几样东西看：画风（二维还是三维、真不真实）、运动（是真在动还是只有镜头在晃）、对白（有没有、能不能区分音色、有没有情绪）、口型（对不对得上）、音效（开门声、脚步声、打斗声有没有）、运镜（镜头会不会用）。把这几项当成体检表，你很快就能判断别人那条爆款片是怎么做出来的、自己离它还差几步。

有一点要破除迷信：真人剧现在很火、空间也更大，但漫剧、卡通、三维风格各有各的市场，别忘了自己手里这条漫剧的赛道。后面会讲到，做卡通或国风这类风格时，用低精度模型就绰绰有余，成本能压得很低。

1.2 受众和题材:做给谁看,决定你怎么做

漫剧的主力观众大致是 18 到 30 岁这一代人。他们正处在工作的主力阶段，但大多还没进入更高的人生层次，关注点更偏向自我、生活和当下的感受。理解了这一点，主流题材就好理解了：情感（甜宠、逆袭、复仇）、职场（满足大家对别人行业和生活的好奇心）、古风玄幻（中国人对传统文化天然的亲近）、以及科幻、悬疑、异能、惊怖这类超现实题材。

这里我给新手一个忠告：刚起步时不要轻易跳出这些已经被验证过的主流题材去做太冷门的东西，除非你纯粹是探索性创作、不考虑作品能不能被更多人看到。等你手感成熟了，再去玩个性化的表达不迟。

1.3 这一类内容的核心规律:讲题快、题材爽

漫剧之所以是漫剧，一个非常重要的要求就是"讲题快、题材简单爽利"。它不像传统长剧那样可以慢慢铺垫，它需要在很短的时间内把信息交代清楚、把情绪顶上去。这条规律会贯穿后面每一个环节——从剧本的开场设计，到镜头景别的选择，再到剪辑的节奏把控，全都要为"快"和"爽"服务。

到这里你应该建立起第一层认知了：漫剧不是一种工具的产物，而是一个由赛道、受众、人设、画风共同决定的"作品类型"。莫潇羽@无忆研习社一直强调一句话——先想清楚要做什么类型，再去碰工具，顺序反了就会到处碰壁。

二、故事与剧本:用"起勾阻转"搭骨架,再交给 AI 填血肉

任何一部剧最基础的部分，都是故事和剧本。注意我的措辞——它是"最基础"，不是"最简单"。一个剧火不火、能不能成精品，剧本几乎决定了一半。专业编剧值钱，就是因为一个能吸引人、留得住人的剧本，真的不是随手改两下就有的。

2.1 单集的骨架:起、勾、阻、转

设计一集的故事，我会用四个核心词来检查它的结构，符合这四点，单集的吸引力就立住了：

• 起：尽快交代身份和背景。要在最短时间内把"谁、在哪、什么处境"说清楚。讲不透就用旁白、字幕补。最忌讳的是上来就沉默铺陈太久，或者状况还没交代清楚就直接冲突。
• 勾：让背景产生一个变化或转折，勾起观众"后面会怎样"的好奇心。这是把人留下来的关键。
• 阻：设置障碍。不能让主角轻轻松松获胜，得给他合理的阻力和困难，剧情才有张力。
• 转：在解决问题的同时又冒出新问题，或者眼看要克服困难时又来一波意外——也就是常说的"一波三折"。如果这一集就此完结，可以不转；但漫剧大多是连续剧集，所以"转"几乎是标配。

用一张图把单集结构和多集结构的关系画出来会更直观：

flowchart LR
    A[起·交代身份背景] --> B[勾·制造变化引发好奇]
    B --> C[阻·设置合理障碍]
    C --> D[转·新问题或反转留钩子]
    D -->|进入下一集| A

2.2 多集与系列剧:抓住一个 IP 做模块化

聚集成长篇，常见的有两种思路。一种是多部系列剧，在一个设定宇宙的大框架下一步一步推进，每一步可以是 5 集、10 集、20 集；另一种是把强度集中在 15 集甚至 13 集的短模块里，每个模块内部再走一遍起承转合。一般不建议把单集做得太短太爽，太短了观众很容易划走。

我的经验是：与其做很多个不相关的好故事，不如抓住一个合适的 IP、一个合适的背景做系列剧，进行一定量的重复。围绕同一套角色和世界观持续产出，比每次都另起炉灶要更容易出成果，资产也能反复复用（这一点在第五、第九章会反复印证）。

2.3 用大语言模型把故事"聊"出来

现在这个时代，我建议大家尽量自己原创故事——版权牢牢掌握在自己手里，而 AI 工具又能在你不擅长的环节帮上忙。流程其实很轻：把你脑子里那个白日梦式的想法记下来，喂给大语言模型，通过多轮对话让它帮你完善、扩充、润色。

可选的模型很多，国产的就够用：豆包、DeepSeek、Kimi、通义千问、文心一言、智谱等都是不错的选择，而且这些写文案大多免费。我个人的习惯是同一个题材让不同的模型各写几版，最后融合改良成一版自己满意的。

要点在于：AI 给的初稿大概是五六十分的水分作品，想象力天马行空却未必符合你的要求。它真正的价值，是在你给出明确方向后帮你多出几个版本、快速试错。 你越能把自己的感受和理解加进去，它改得越好。所以"AI 对高手更好用"，对新手则可能改了很多版还是不理想——这恰恰说明工具替代不了你在创意上的功力。

下面是一段典型的多轮对话节奏，给新手参考（用的是虚构题材）：

你：写一个类似"普通女孩获得神奇伙伴、在考试之外的领域逆袭"的青春成长故事，背景放在现代校园，主角不靠成绩翻身，而是靠某项特长。先给我故事梗概。
AI：（给出 3~4 个不同方向的设定）
你：我选第二个方向，把"特长"具体化为统筹策划能力，再加入一点伙伴的奇幻设定。帮我扩成 20 集的分集大纲，每集累计不超过 3 分钟，给出每集注释。
AI：（给出 20 集大纲）
你：第 2 集开头不够吸引人，重写一版；第 7 集的转折太弱，加一个反转。
AI：（按要求逐集精修）

注意我会先让它做 20 集而不是一口气 40 集——AI 一次性铺太多集会"混"，框架有了但细节糊。先少做、再深度打磨，是更稳的做法。每一集它帮你构思了，并不意味着你要照单全收，不满意就让它重抽、多出几个版本，直到满意为止。

2.4 故事不等于剧本:剧本的第一个特点是"场景化"

很多新手以为故事写好就能开做，其实差着一层。故事只是按事件发展顺序讲出来的文字，它没有画面感、没有拍摄逻辑；剧本则是可以直接拿去拍摄和制作的东西。 同一句"1928 年春天，长江上烟雨蒙蒙"，在故事里就是一句话，但导演没法照它干活——哪个角度？白天还是傍晚？船从哪个位置过来？道具怎么准备？这些剧本必须交代。

剧本要回答的问题包括：故事发生在哪里（场景）、有哪些角色（临时的还是长期的）、角色什么形象、过程中有哪些对白、有哪些动作和音效。还有一个容易被忽略的特点：故事是按事件顺序讲的，而做剧很多时候是按场景组织的。因为不管拍还是做，场景都很重要且常常需要复用——同一个茶馆的所有戏份最好一次性准备好，而不是来回切换重做。所以剧本的第一要义是场景化。

下面是一段相对标准的剧本片段示例（虚构场景），新手可以照着这个格式让 AI 帮你改写：

第1集 第1场  日 / 内 · 老茶馆
人物：老者、年轻女孩
△ 镜头：全景，烟雨中的茶馆，桌椅斑驳，窗外行人三两
老者（OS·内心）：这丫头，又来了。
女孩（表情：怯生生）：先生，我想跟您学件事。
△ 镜头：中景切近景，落在女孩攥紧的衣角上
音效：屋外雨声、隔壁桌的茶碗碰撞声

把故事改成剧本，最省事的办法常常就是直接丢给 AI：告诉它"把这个故事改编成 20 集短剧剧本，每集 3 分钟，开局要吸引人、冲突要密集"。你不告诉它时长，它可能做成 10 分钟一集；你不强调开局，它可能铺得太慢。当然 AI 改出来的剧本不一定好，好剧本是有要求的，但先有一个标准格式的初稿，你再在上面打磨，效率高得多。

2.5 版权:你"参与了创作"才有底气

故事和剧本这一步，还有件事一定要顺手做好——保存好你的提示词和修改过程。从版权角度说，通过 AI 工具生成的内容，版权归属的前提是你参与了创设：你给了明确要求、做了多轮调整，这些要求本身就是你的创作，由此产生的作品就是你的。反过来，如果你只甩给 AI 一个极简单的轮廓，没投入任何创意，那作品版权就不一定归你，真打起官司也未必占理。

所以我做过的很多故事、对应的提示词和每一次修改，都存得很整齐。将来无论是申请版权登记，还是上传作品时平台要求提供版权材料，这些过程记录就是你的证据。这是个习惯问题，越早养成越省心。

三、镜头语言:景别、角度与运镜的基本功

工具再自动，镜头这关你还是得懂。一来很多细节要手动改，二来精品率要求高的时候，你得能靠自己对镜头语言的理解去调整提示词。镜头这块是基本功，下面这些术语你都得记下来，因为将来改提示词时引用的就是它们，影响的就是画面本身——不是看看就完了，是要会写的。

先厘清一个概念：分镜和镜头不是一回事。一个分镜代表的是一个场景、一段故事，而一个分镜下面可能有好几个镜头。比如"一个男生坐着 → 突然被惊动 → 惊恐地看向一只呲牙的恶犬"，这是一个分镜，但它由三个镜头叙述完成。我们作为创作者，要有意识地用镜头去讲故事，目标只有两个：让观众看得懂、看得爽。前提是故事本身清晰连贯，别人起码能看懂你在说什么。

3.1 景别:从整体到局部

景别就是镜头里"取多大范围"。我们的镜头一般以角色为核心来设置，记住一个总原则——从整体到局部。

为什么中景是漫剧里最常用的对话镜头？因为 AI 做画面有个特点：远了、精度低了，画面就糊，表情看不清。 想看清表情又兼顾动作，中景是性价比最高的选择。而特写往往用来给观众一种很强烈、很聚焦的冲击感。

举个串联的例子你就懂景别怎么配合了：要交代两个人在哪、街道什么情况，用远景/全景；要表现老者指手画脚的动作，给中景；他脸上突然的震惊恐惧，给脸部特写；远处叮叮当当走来一个人，拉个全景看清他从哪来；他走近说话，贴个中景；他掏出一样特别的东西，给那样东西一个特写。一整套下来，事情就讲清楚了。

3.2 角度:平视、俯视、仰视、倾斜

角度其实很好理解，因为你平时拍照就在用：

• 平视：和人眼视线高度一致，自然、符合日常观感。
• 仰视（从低往上看）：容易显得人物高大，女生拍照常用来显高显腿长。
• 俯视（从高往下看）：容易把对象显得矮小。
• 倾斜镜头：画面是斜的，带来不稳定、兴奋的感觉，但构图特别、更抓眼球。

3.3 运镜:推、拉、摇、移、升、降、环绕

运镜是镜头本身的运动，它能让画面"活"起来——最早的动态漫，很多就是靠镜头运动产生动感的。常用的有这几种：

推  —— 镜头向被摄主体靠近（小推、推进）
拉  —— 镜头拉远，常用于交代空间和前面的细节
摇  —— 镜头转动，像人低头抬头（视线方向变了）
移  —— 镜头整体平移，视线方向不变（左右移动）
升 / 降 —— 镜头整体升起或下降，像人飞起来
环绕 —— 镜头绕着人物或场景转，可环绕一周
缩放 —— 调焦拉近拉远

这里要特别区分"摇"和"移"：移是整个镜头都平着挪过去，视线方向还是平的；摇则是你感觉镜头在低头、抬头，视线方向变了。同样，"升"是整个镜头像人飞起来，"上摇"只是抬头看，两者完全不同。新手容易把这两组搞混，写提示词时一错，画面运动就不对。

3.4 实战:三联镜头和复合句式

实战中我们常用一些固定组合，最常见的是"三联"——全景、中景、特写依次给出，用来完整体现一个空间和一段交流。镜头也可以复合：先远远看一个看书的女孩，逐渐推近；她抬头看向窗外，镜头顺着她的视线摇过去；窗外发生了事，镜头推过去给特写；再摇回来看她的反应——这就是一组复合句式。

镜头之间的过渡也是后期要研究的重点，因为做剧时镜头是一个个分开生成的，镜头间的衔接要靠剪辑来弄。比如一个全景突然切到特写会很突兀，这时可以加一个推荐转场快速过去，或者用"眼部穿越"这类技巧让它显得自然。镜头切换的总原则是：自然、不要突然无交代地冒出一个人或跳到一个陌生环境。

3.5 怎么练:拆解别人的好镜头

学镜头最好的方法是拆解。把你喜欢的片段找出来，研究它每个分镜用的什么镜头、前景是什么、主体是什么、风格怎样。