AI 漫剧的制作难点从来不是“能不能生成好看的画面”而是“人物能不能从头到尾保持一致”。很多新手第一次跑流程单张图看起来不错进度条拉到第二个场景主角脸就换了三次。这个问题不解决后面的配音、剪辑、字幕做得再漂亮整支片子也会被观众一眼判定为拼接货。先说结论豆包、LibTV、剪映这三个工具组合起来可以完成一条完整的 AI 漫剧生产链路。豆包负责剧本、分镜和提示词LibTV 这类工作流负责批量生成风格统一的静帧和视频片段剪映负责配音、字幕、剪辑和最终成片。整个流程对零基础用户是友好的不需要先学模型训练但有几个环节不能跳尤其是“人物设定图”这一步。下面按实际制作顺序拆先讲工具分工和最小用例再讲环境准备然后是剧本分镜、人物一致性、静帧生成、视频生成、配音剪辑最后是排查顺序和版权边界。读完你至少能照做出一条完整的分集试片。1. 先用一条主线把工作流跑通再谈画质和特效很多人听到“AI 短剧”第一反应是找一个全能工具输入一句话直接出成片。现实里这类需求很难用一个工具闭环更稳妥的方式是分三段。1.1 三个工具分别解决什么问题豆包解决文本侧。写剧本、拆分镜、改对白、把分镜翻译成绘图提示词也能做语气润色。它不直接生成画面但它的输出质量直接决定后面画面的可用率。LibTV 解决画面侧。它更像一个生成工作流通过固定参考图、固定提示词前缀、固定种子把“每次重新抽卡”的随机性压下来批量生成风格统一的静帧和视频片段。如果你用的是同类工作流工具思路完全一致把可变的变量管住把不变的参数固定住。剪映解决成片侧。把素材按分镜顺序排进时间线用 AI 配音、自动字幕、背景音乐和转场把零散片段剪辑成有节奏的短视频。阶段使用工具主要产出关键点剧本与分镜豆包剧本、分镜表、提示词对白长度和镜头数量要可控画面生成LibTV 或同类工作流人物设定图、静帧、视频片段统一参考图和提示词前缀配音剪辑剪映配音、字幕、成片画面节奏和对白时长匹配1.2 为什么不能跳过“人物设定图”直接生成图像模型每次生成都是在新的随机噪声上重新采样。如果没有固定参考哪怕你提示词里写“同样的红发少女”生成结果也会在发型、瞳色、服装细节上持续漂移。所以流程里必须先做一张可复用的“人物设定图”让每一张分镜、每一个视频片段都向这张设定图靠拢。这个环节没法绕过去。很多人从“会生成图片”到“能做成剧”之间最大的分水岭就在这里。1.3 第一条测试片控制在 6 到 10 个镜头不要一上来就做 100 个镜头、三分钟完整集。第一次测试的目标不是“惊艳”而是把链路跑通。我建议第一条测试片控制在 6 到 10 个镜头成片 15 到 30 秒。验证标准很简单所有镜头里主角是同一个人画面风格没有明显跳变配音、字幕、画面能对得上能从剪映导出 MP4。能完成这四个点再谈“爆款”和“批量”。2. 开始之前先把环境、账号和文件管理准备到位2.1 在线生成和本地部署怎么选LibTV 如果采用本地工作流建议有独立显卡。常见经验是显存 8GB 以上跑起来会比较从容低于这个水平也不是完全不能用但分辨率、批量数量、视频时长都要降档。纯 CPU 跑视频生成速度会非常痛苦不建议新手一上来就挑战。如果你不想折腾本地环境选在线版本更省心。浏览器打开就能用但要注意额度和排队限制。方案适合人群建议条件备注在线版本新手、临时任务能稳定访问网页即可有额度、队列和时长限制本地部署长期批量、素材敏感独立显卡显存尽量 8GB 以上模型版本和依赖要固定2.2 账号和软件准备清单先花十分钟确认三样东西豆包账号能正常登录网页版或客户端都行。如果你后面要用语音生成、声音克隆类功能提前确认该功能是否需要额外权限或实名要求。剪映用官方桌面版Windows 和 macOS 都有。免费版就能覆盖基础编辑、AI 配音和自动字幕。部分特效、模板和更高分辨率导出可能收费价格以官方当前页面为准。LibTV 的运行方式要搞清楚是网页服务、命令行还是桌面客户端输出目录在哪是否依赖模型路径是否需要 API Key。不要为了“免费功能”去安装来路不明的破解版、绿色版尤其是所谓“永久 SVIP”安装包。轻则账号异常重则工程文件损坏、素材丢失得不偿失。2.3 目录和命名规范决定了批量任务会不会乱批量生成 50 张图、30 段视频之后你会真正理解“命名规范”有多重要。没有规范全是一堆111.png、最终版3.png排时间线的时候根本分不清哪个是第几镜。建议建一个固定目录结构demo/ 01_script/ 剧本和分镜表 02_character/ 人物设定图 03_still/ 每集静帧 04_clip/ AI 视频片段 05_audio/ 配音和背景音乐 06_edit/ 剪映工程文件文件命名建议带上集、场、镜和版本S01E03_005_A_hero_walk_v02.png含义是第 1 季第 3 集第 5 镜角色 A动作是走路第二版。这样在剪映里按名称排序后素材顺序天然就是时间线顺序。不要用“未命名 1”这种命名方式返工的时候你会浪费大量时间在认文件上。3. 用豆包先把剧本和分镜钉死再碰画面3.1 写剧本提示词时给足约束豆包能写剧本但直接说“帮我写一个短剧”产出的东西十个里有八个没法拍。原因很简单约束不够。你需要给足场景数量、单集时长、人物数量、矛盾点、结尾钩子。可以参考这个提示词模板请帮我写一个 AI 漫剧脚本单集时长约 60 秒。 题材现代都市轻悬疑。 人物女主林夏25 岁短发穿红色外套 男主张野28 岁戴眼镜穿深灰外套配角 1 人。 要求 1. 单集控制在 6 到 8 个镜头。 2. 每场戏写清角色动作和对白对白单句不超过 25 个字。 3. 第一秒要有吸引点结尾留钩子。 4. 分镜里标记每个镜头的景别远景、中景、近景、特写。注意这里的“林夏”“张野”是示例。做出来的形象最好是你原创的角色不要直接复刻任何现有影视、动漫、游戏角色后面版权部分会再提。3.2 剧本转分镜表剧本写完后让豆包把它整理成一张分镜表。分镜表是整条流程的索引后面所有步骤都要按这张表来。镜号景别场景人物与动作对白预估时长1中景写字楼走廊林夏快步往前走今天必须拿到那份文件3秒2近景走廊转角林夏停下回头看无2秒3特写电梯口电梯门打开张野站在里面你迟到了五分钟。3秒分镜表的价值在于给后面每一步提供索引。生成静帧时按表逐行来生成视频片段时也按表逐行来剪映排时间线还是按表逐行来。一旦改动先改表再改画面不要直接在素材里乱改。3.3 把分镜翻译成绘图提示词很多新人在这里犯一个错误把分镜表的“情绪描述”直接丢给绘图模型比如“气氛紧张”“女主很生气”。这些概念太抽象模型不理解。要写成可视化信息。提示词可以按这个结构组织[风格前缀]写实漫画风厚涂暖黄室内光 [人物描述]红色短发的年轻女性红色外套白色内搭 [场景动作]在写字楼走廊快步行走侧身回头眉头微皱 [画面参数]中景横向构图 16:9画面干净无文字水印 [负面提示词]模糊变形多余肢体不一致的脸单角色画面把人物描述放在最前面。多角色画面要写清位置关系比如“左侧是红发女性右侧是戴眼镜男性”否则模型经常会把两人特征融合。3.4 先检查分镜能不能剪成片分镜表出来后先用文本做一轮检查不要急着生成画面。重点看四件事动作是否可见。比如“内心纠结”就很难画改成“低头看手机又把手机塞回口袋”。对白时长是否匹配镜头时长。一句 25 字的话正常语速大概 5 到 6 秒镜头至少要给足 5 秒。场景切换是否太碎。60 秒里塞二十个场景成片会非常赶。结尾钩子是否明确。AI 漫剧的完播率很依赖结尾那一瞬间的悬念。这一轮检查用文本 5 分钟就能完成但能省掉后面一整天重渲染的返工。4. 人物一致性整套流程的核心难点也是返工重灾区4.1 为什么人物会越看越不像核心原因是图像模型每次生成都是随机采样。没有参考图哪怕提示词完全一样两次生成出来的脸也只是“神似”细节必然漂移。这不是单个工具的问题是当前生成式 AI 的普遍特性。所以不要把一致性寄托在“运气好”上要用流程去压住随机性。4.2 先做一张干净的人物设定图人物设定图是全剧的基准。常见做法是正面站立全身入镜纯色背景五官、发型、服装配色、标志性配饰清晰不要有夸张动作不要有复杂背景不要加字幕建议生成两张一张正面站姿一张三视图或半身角度图。背景一定要干净。如果设定图背景太复杂后面所有镜头都会继承这个背景色导致人物和环境粘在一起。4.3 三个基础手段再加一个进阶方案手段作用使用场景注意参考图锁定五官、服装、发型每张图都传人物设定图背景尽量干净固定提示词前缀稳定人物描述所有分镜共用同一段人物描述不要每格随意改固定种子减少随机漂移同一角色微调动作改构图时重新验证LoRA 或角色模型更强一致性镜头量大、长期系列化需要额外训练新手可后补对零基础用户来说前三个手段足够起步。如果你要做几十集的长系列再考虑角色模型训练前期先不要碰。4.4 先跑小样五张图验证再决定要不要批量正式生成分镜静帧之前先用人物设定图跑一个小样验证。我的建议是生成同一角色在 5 个不同场景的静帧教室、天台、夜晚街道、室内客厅、车内。然后对比五张图看五官比例、发色、服装细节、画面风格是否一致。判定标准很简单能不能一眼认出来是同一个角色。如果有一张明显不像不要急着改全部先改参考图或提示词前缀再单测一张。如果五张都稳再开始正式生成。这个步骤多花二十分钟后面能省两小时。现象优先检查脸型变化参考图是否清晰、是否被裁切服装变化人物描述是否每格一致画风整体漂移风格前缀是否一致、模型是否切换动作很僵动作词太抽象改成具体动词5. 从静帧到 AI 视频片段能少动的镜头就不要大动5.1 为什么先出静帧再出视频视频生成比静帧慢得多失败率也高。正确顺序是先把静帧构图、景别、人物一致性全部确认完再逐格生成视频。有些镜头甚至不需要生成视频。剪映本身可以给静态图片加平移、缩放、轻微旋转的运镜效果用在过渡镜头上完全够用成本低很多。5.2 文生视频还是图生视频方式优点缺点适合场景文生视频灵活描述什么出什么人物容易漂移空镜、背景、特效图生视频构图可控人物稳定动作幅度有限含人物的剧情镜头人物为主的剧情镜头建议优先图生视频把上一步稳定的静帧作为输入。空镜和转场镜头可以用文生视频。5.3 生成视频片段需要确认的参数生成视频时参数不要随手填先确认这几项时长每段 2 到 5 秒。不要追求 10 秒以上的长片段分段生成再拼接成功率更高。分辨率竖屏 1080x1920横屏 1920x1080。先确定发布平台再确定比例全片统一。帧率24 或 30全片必须一致混用会出现轻微卡顿感。动作幅度中低。动作幅度越大人物崩坏和画面闪烁的概率越高。种子和参考图每个镜头都要记录用了哪张参考图、哪个种子方便失败后重生成。连续 3 条视频失败就停下来回到静帧检查不要继续烧额度。5.4 批量生成时的检查顺序很多工具支持批量任务但批量调用不等于自动成功。我的习惯是先跑 3 条小样确认输入静帧、提示词、输出格式正常再按分镜表顺序整批跑输出目录按镜号命名跑完后抽检看人物是否连续、有无闪烁、有无多余物体失败项单独记录只重跑失败镜号不要整个批次重跑。宁可每批 5 到 10 条跑完人工抽检后再继续也不要一次性丢 50 条进去。批量生成适合“产量稳定”之后不适合“流程还没跑通”的时候。6. 剪映里的配音、字幕和成片节奏6.1 先把素材按分镜表排进时间线剪映桌面版创建项目时先把成片比例选对。竖屏发布就选 1080x1920横屏就选 1920x1080。导入视频片段后按分镜镜号顺序拖入时间线。每个片段头尾多留 0.2 到 0.3 秒方便后面加转场和微调。有些片段生成时末尾有拖影或多余动作在剪映里切掉即可。删除片段时先在分镜表对应行做标记不要直接删完就忘。6.2 AI 配音和对白时长匹配剪映自带文本朗读功能能直接选音色生成对白速度快适合新手。豆包生成的语音有时更自然但需要另外导出音频文件再导入剪映多一步操作。无论用哪种方式对白文本都要按分镜表逐句整理标点要写清楚别让 AI 一顿到底。对白时长和画面时长必须匹配一句 25 字的话正常语速大约 5 到 6 秒镜头至少要给足 5 秒。如果画面只有 3 秒要么删减对白要么加长镜头不要硬拼。6.3 自动字幕能省事但要逐句校对剪映的自动字幕功能很省事但中文同音字经常出错。比如“消逝”被识别成“消失”“重启”被识别成“重启”。每一句都要过一遍改完错别字再检查断句。字幕位置要注意安全区域尤其是竖屏视频底部容易被平台界面遮挡。不要把所有字幕都压在屏幕最边缘。6.4 成片节奏和导出参数AI 漫剧的节奏和普通 vlog 不一样。观众耐心有限每 2 到 3 秒要有新的信息或画面变化。要么镜头切换要么人物动作变化要么有新的音效进来。背景音乐选择情绪匹配的即可音量压在对白之下。音效不要堆太多脚步声、门声、提示音这类关键音效加到位就行。转场别每段都用同一个花哨效果普通硬切反而更像影视剧。导出参数建议值分辨率1920x1080 或 1080x1920帧率30格式MP4字幕方式烧录进画面或单独导出 SRT 按平台要求处理码率优先选择剪辑软件里的“推荐”或“更高”档位7. 常见问题、排查顺序和版权边界7.1 出问题先按这个顺序查AI 漫剧流程里很多报错看起来是工具问题实际是输入、命名、参数或账号问题。我一般按这个顺序排查先看现象启动失败、生成失败、无输出、输出崩坏、导出卡顿再看输入素材路径是否正确、文件名是否规范、格式是否支持、分辨率是否统一再看账号状态登录是否失效、额度是否用尽、权限是否开启再看参数参考图、种子、提示词、动作幅度、分辨率和帧率最后才考虑工具版本和依赖问题。问题现象优先排查方向启动失败或闪退模型路径、显卡驱动、依赖版本、磁盘空间生成出来一片黑参考图被裁切、分辨率超限、额度用尽人物前后不一致提示词前缀、参考图、种子视频播放卡顿导出码率过高、播放器兼容、帧率混用字幕和配音对不上分镜表对白顺序、自动字幕断句、音频时长7.2 免费版和付费功能怎么选剪映免费版能完成绝大多数基础流程。AI 配音、自动字幕、基础剪辑、导出 1080P 都够用。部分高级 AI 效果、高级模板、更大云空间和更高分辨率导出可能收费。具体以官方页面为准。关于“AI 生成视频无限制”这类说法不要轻易信。实际使用中一定有额度、队列、时长或分辨率限制。判断一个生成方案能不能长期用看五个指标单条时长上限、每月额度、排队时间、分辨率上限、失败重试是否方便。不要用破解版、私有修改版去绕这些限制。正常使用免费额度或者按需开通官方付费功能账户和数据都安全得多。7.3 版权和平台合规怎么控制LibTV 生成内容的版权风险是最近很多人在问的问题。我的建议是把它当成一个需要提前规避的常规事项不要当成“能不能用”的阻碍。角色和剧本尽量原创。不要直接复刻现实中的人物、现有影视剧角色、动漫角色、游戏角色。生成内容里不要带他人商标、海报、水印、艺人肖像。发布前了解你所在平台对 AI 生成内容的标注要求部分平台要求声明“AI 生成”。保留自己的创作过程记录剧本、分镜表、生成参数、素材版本。真遇到争议时这些记录比一句话解释有说服力。“爆款”不能靠标题党和虚假承诺平台的流量机制会过滤低质内容老老实实把内容质量提上去才是长期路径。7.4 新人起步节奏参考阶段做什么验证标准第 1 天装软件、注册账号、跑通一条 6 镜头测试片能导出 20 秒成片第 2 到 3 天人物设定图、五图一致性小样5 张图人物稳定第 1 周按分镜表做 1 集完整 60 秒配音、字幕、画面同步之后批量生成、系列化、素材库沉淀单集返工少于 3 次最后说一句实在的建议。AI 漫剧这条链路里真正拉开差距的不是提示词写得多花哨也不是工具版本多新而是你有没有把“人物一致性”“分镜表”“命名规范”这三件事从第一天就抓起来。先跑通一条 20 秒小样再谈 60 秒完整集先把单镜头稳定性做扎实再谈批量生产。工具版本更新永远追不完流程稳定了换哪个工具都能快速迁移。