零基础AI漫剧实操手册：吃透剧本分镜技巧，搞定人物场景一致性，新手也能稳定批量出片

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

这篇文章把零基础做 AI 漫剧的完整链路一次讲透：2026 年行业现状与合规红线 → 剧本（小说）获取与改编 → 人物、场景、道具三类定稿图 → 把小说拆成分镜脚本 → 用即梦、豆包把分镜生成视频（单镜头、多镜头、九宫格）→ 场景、人物、道具、多人物站位四大一致性问题的解决方案 → 台词口型与配音 → 剪映成片与发布合规。 核心结论就三句话：第一，新手别一上来抠细节，先用 2D 漫或解说漫把"五步流水线"跑通；第二，视频生成失败、人物崩、场景乱，九成问题出在分镜词写得太复杂，口语化描述才是正解；第三，一致性靠的是"固定参考图加简洁指令"，而不是更贵的工具。全文约一万四千字，配图、表格和提示词模板都能直接抄作业。想看完整拆解，往下翻。

一、先看清盘面：2026 年的 AI 漫剧是什么，新手还能不能入场

我自己是 2025 年下半年开始系统折腾 AI 漫剧的，到 2026 年这个节点回头看，这个行业用"坐火箭"形容一点不夸张。先把几个关键事实摆出来，帮你判断要不要下场。

行业到底有多大。 根据艾媒咨询发布的行业白皮书数据，2025 年中国动画微短剧（也就是 AI 漫剧的主体形态）市场规模约 189.8 亿元，同比增长超过 270%，行业预测 2030 年有望突破 850 亿元。2026 年初，在播作品总量已经突破 12 万部，进入"单日上新数百部"的量产阶段。字节、腾讯、百度这些大厂，加上中文在线、掌阅这类网文平台都在加码布局。数据是冷的，但它说明一件事：这个赛道已经从"能不能做"进入到"怎么做得好"的阶段，粗制滥造的空间在收窄，懂方法的人反而更吃香。

AI 漫剧到底分哪几种。 新手最容易迷糊的就是类型，我整理了一张表，你对号入座：

2026 年 2 月，字节即梦平台发布 Seedance 2.0 视频模型之后，仿真人漫的连贯性和真实感上了一个大台阶，成为增长最快的方向。但注意，趋势归趋势，新手的第一步依然是把 2D 漫或者解说类漫剧跑通，流程是一样的，难度低一半。

合规红线，先说在前面。 这一部分很多人不爱看，但 2026 年做 AI 内容，不懂规则等于裸奔。三条必须记住：

1. AI 生成内容必须标识。 《人工智能生成合成内容标识办法》已于 2025 年 9 月 1 日起施行，发布 AI 漫剧作品时，要在平台主动勾选或标注"AI 生成"声明，各大平台后台都有这个开关，别抱侥幸心理。
2. 动画微短剧纳入微短剧管理。 国家广电总局已明确要求动画微短剧执行分类分层审核、先审后播，内容价值观按真人微短剧标准把关，涉及未成年人的尺度更严。血腥、低俗、价值观跑偏的题材别碰。
3. 肖像权与声音权。 2026 年 2 月 Seedance 2.0 爆火后，因真人换脸引发的隐私争议，字节在 24 小时内就上线了拦截机制：平台会自动拦截包含真人样貌的图片素材，只有本人完成生物验证的"数字分身"才能使用。所以，不要拿任何真人照片（包括明星、网红、路人）去做转绘或视频素材，用 AI 原创的虚拟人物形象才是长久之道。商用素材同样需要取得正版授权。

这一章你只要记住一个结论：2026 年的 AI 漫剧，机会在"精品化"和"懂流程的人"手里，而不在"敢擦边的人"手里。下面开始拆流程。

二、五步流水线：新手先跑通流程，再抠细节

做 AI 漫剧这件事，说白了就是把"文字"一步步变成"会动的连续剧"。我把整个链路拆成五步，你先建立一个全局画面，后面每一章对应展开。

flowchart LR
    A[第一步<br/>剧本获取与改编] --> B[第二步<br/>人物/场景/道具<br/>定稿图]
    B --> C[第三步<br/>小说拆分镜脚本]
    C --> D[第四步<br/>AI生成视频<br/>单镜头/多镜头/九宫格]
    D --> E[第五步<br/>剪映剪辑成片<br/>配音/转场/导出]

五步之外，工具怎么搭配是新手问得最多的问题。我把自己常用的组合列个表，都是国内可直接访问的产品，不涉及任何境外服务的特殊使用方式：

两个工具之间的小差别提一句：豆包背靠字节的抖音数据，处理出来的网文文案"网感"和情绪温度更好；DeepSeek 的结构性和逻辑性更强。两个都免费，建议你同一段文案各跑一遍，自己感受完再决定主用谁。我个人偏豆包多一些，后文的演示也以它为主。

关于成本，先说个大概行情。 豆包 App 的视频生成目前每天有免费额度（写稿时大约每天 10 个点位的量级），即梦是每日签到送积分加会员制（会员写稿时约 69 元一个月、每月送一千多积分），可灵等平台也有各自的免费额度。AI 视频的价格和额度政策变动非常快，以上是写稿时的近似情况，请以各平台官方页面的实时数据为准。新手期靠免费额度练手基本够用。

这一章最重要的一句话：先跑通，再精修。 我踩过的最大的坑，就是刚开始做第一部剧时，花三天时间抠一张主角的脸，结果后面的分镜、视频、剪辑一步没动，热情直接耗尽。正确的姿势是：找一本短小说，用 2D 漫或半解说的形式，把五步流程完整跑一遍，做一部 1 到 2 分钟的片子出来。哪怕粗糙，你也已经理解了每一步在干什么、坑在哪里。第二轮再回头抠人物、抠特效，效率完全不是一个量级。

需要单独提醒的是"纯解说漫"这种形式：整条片子只有旁白配音，画面随便配。这种形态现在市面上已经有自动化工作流能批量生产，基本没有学习价值，不建议把它当成主方向，练手可以，别沉迷。

三、剧本从哪来：原创与改编的提示词实操

剧本是整部剧的骨架。AI 漫剧的剧本来源就两条路：让 AI 原创一本小说，或者拿现成的网文做改编。两条路我都走过，逐个说。

3.1 原创小说：别只扔一句话给 AI

新手最常干的事，是打开豆包输入"帮我写一本虐恋小说，3000 字"。这么干出来的东西，结构松散、节奏温吞，根本不符合短视频用户的爽感需求。我的做法是两步走：先让 AI 拆解题材套路，再让它照着套路写。

第一步，先开一个新对话，只发一句"虐恋题材网文的核心剧情结构解析"（题材换成你要做的，比如都市逆袭、玄幻修仙、年代剧都可以）。AI 会还给你一份这个题材的标准爽点结构，比如虐恋题材的经典组合：深情加误会加身不由己，身份对立、替身、白月光这些钩子。

第二步，把拆解出来的结构揉进写作指令里。可以直接套这个模板：

帮我写一篇网文小说，要求如下：
【题材】都市逆袭（可替换为任意题材）
【字数】3000字到5000字
【结构要求】开篇直接进入核心冲突，前500字去除一切无关
支线剧情；中段每300字设置一次情绪反转或打脸节点；
结尾留悬念钩子，引导读者想看下一集
【风格要求】冲突强、情绪化、爽感密集，符合短视频平台
用户的阅读节奏

为什么强调 3000 到 5000 字？因为字数直接决定成片时长。我自己反复测下来的换算关系大致是：

所以新手别贪长，先把一部 3000 字的小短剧做精，比什么都强。

3.2 网文改编：核心是"砍"

拿到一本现成网文（比如番茄小说上自己喜欢的作品），直接全文喂给 AI 是行不通的。改编的指令核心是三个动作：开头砍掉无关支线、中间强化冲突、结尾留钩子。指令可以这么写：

基于我提供的小说内容，帮我改编生成一版5000字的剧本：
1. 开头500字去除所有无关分支剧情，直接进入核心冲突
2. 强化爽感、冲突、情绪化表达，增加反转和高潮密度
3. 保留原著核心人设与主线，其余支线可删减合并
4. 每章结尾设置悬念钩子

改完你对比一下原文就会发现：原版往往是"铺垫式"的慢热写法，改编版是上来就干的强冲突写法——后者才符合短视频的节奏。

版权合规必须单独说一句。 改编别人的小说，用于公开发布甚至经营账号，一定要取得小说版权方的授权，或者使用平台版权中心已开放授权的书库作品。像抖音的版权中心已经面向个人创作者开放了达人入驻和内容上传通道，走正规渠道拿授权，远比事后被投诉下架划算。自己用 AI 原创的小说，则记得保留好生成记录，作为权属证明。

剧本到手之后别急着进下一步。通读一遍，在脑子里过一遍画面：哪些角色出场多、哪些场景反复出现、有没有关键道具。顺手把出场三次以上的角色、场景、道具列成一张清单，它就是你第四章、第五章的作图任务表。这个"过画面"的习惯，直接决定了你后面三章的效率。

四、人物定稿图：2D、3D 与仿真人角色怎么做

定稿图是整条流水线里最值得花时间的环节，因为后面所有视频的"人物长得像不像、崩不崩"，根子都扎在这里。人物图没定好，后面全是补救。

4.1 第一步：让 AI 把人物从小说里"提"出来

把小说文件上传到豆包，然后发一条提取指令，让它把出场角色的穿着、样貌、道具细节全部结构化。可以直接用这个：

请通读我上传的小说，完成两件事：
1. 列出所有出场角色，逐一补全详细的外貌描述，包括：
   年龄感、脸型、五官细节、发型发色、上身服装、下身
   服装、鞋靴、配饰、随身道具，描述要具体到可直接
   用于AI绘画
2. 标注每个角色的身份和性格关键词
注意：如果原文对穿着打扮描写不足，请在符合人设的
前提下主动完善补全

这里藏着一个新手高频踩坑点：如果小说原文对人物穿着描写很单薄，直接生成的角色图往往只有半身、角度奇怪、细节随机。原因不在绘画模型，而在"原料"不够。所以上面指令里那句"主动完善补全"很关键，先让 AI 把小说的人物描写喂饱，再拿描写去画图，成功率天差地别。

4.2 第二步：画定稿图的四条铁律

拿到人物描述后，新开一个对话，用"图像生成"功能出图。描述词后面，必须拼接这四条铁律，一条都不能少：

（人物详细描述词）+ 白色背景 + 单人单图 + 正面站立
全身图 + 请勿出现任何放大特写镜头

逐条解释为什么：

• 白色背景：人物图后面要作为视频生成的参考图喂给模型，如果背景带颜色或杂物，这些杂质会被带进视频里，画面立刻变脏。
• 单人单图：一张图只放一个人物。多人同框的参考图会让模型分不清谁是谁，后面人物一致性直接崩。
• 正面站立全身：这是为了视频生成时人物模型不变形。如果定稿图是坐姿、侧身或者奇怪的姿势，生成视频时人物动作很容易畸形。这是大量实操换来的教训。
• 不要特写镜头：不要"面部特写""半身像"这类词，全身图才能锁死全身比例。

另外两个参数按剧型选：做 2D 漫、3D 漫用 16:9 横屏（场景感和特效画面更震撼），做仿真人漫用 9:16 竖屏（贴近真人短剧的观看习惯）；风格选项里 2D 选动漫风、3D 选对应 3D 风、仿真人选写实风。一部剧里所有人物、场景、道具图的风格必须统一，不能人物用 3D、场景用 2D，混着来必乱。

4.3 三视图：什么时候才需要它

所谓三视图，就是把一个人物的正面、侧面、背面画在同一张参考图上。很多教程把它吹成标配，我的实战经验是：它不是标配，是特种装备。上传参考图让豆包基于定稿图生成三视图很简单，关键是搞清楚什么时候用：

注意最后一条：人物换装了、受伤了（比如嘴角带血）、变身了，这些在原模型上改不出来的状态，都要重新做对应状态的定稿图，否则模型只能瞎猜。

4.4 反推人物：进阶的"拼脸"玩法

如果你对主角颜值有极致追求（做女频剧的同行都懂，男主不帅等于白做），可以用"反推法"：在小红书、抖音图文等渠道找你喜欢的 AI 绘画风格人物形象，发给豆包，让它"详细拆解图中人物的着装、配饰、五官风格"，拿到文字描述后，再把描述嫁接到你自己的角色上，比如"人物脸型保持不变，服装替换为以下描述……"。脸不满意单独反推脸，发型不满意单独反推发型，像拼积木一样精修。

两条合