零基础做 AI 短剧漫剧:从一本小说到一条成片,我把全流程拆成了 6 步
- 2026-11-19 12:02:13
大家好,我是韩sir,致力于从事AIGC线下培训事业的牛马,我对每一期学员的目标是:让我的学员花最少的时间,掌握企业最前沿的技能,从而获得理想的薪资,让企业有可用之人,让学员有成才之路,从而让彼此达到有共生之基。


为什么你生成的第一个镜头很惊艳,第 10 个镜头就崩了
先说一个真实的新手困境。
第一集,你花 20 分钟,用一句话提示词生成了一张绝美的女主角:光影通透,眼神带戏。你很兴奋,接着生成第二个镜头——她换了张脸。第三个镜头,发型变了。第四个镜头,连衣服颜色都变了。
到这里,90% 的零基础创作者就放弃了。他们以为是自己"提示词写得不够好"。
不是。是流程错了。
单张图好看靠运气,成片好看靠流水线。AI 短剧和 AI 漫剧,本质上是制造业,不是灵感业。你把流水线搭对了,一个新手一天出一条 1-2 分钟的成片是完全可行的;流水线没搭对,你用再贵的模型也只会得到一堆好看的废片

下面这套流程,是我在做漫剧生产时反复验证过的版本:

一、先看样本:你要做的到底是哪一类片子
很多教程的问题在于,把四种完全不同的东西混在一起讲。开工前你得先选定品种,因为品种决定了后面每一步的提示词写法。
| AI 写实短剧 | ||||
| AI 漫剧(2D 漫风动态) | ||||
| AI 动画(3D/国漫番剧向) | ||||
| 小说推文视频 |
给零基础的建议:从"小说推文视频"或"AI 漫剧"起步。
原因很朴素:写实短剧对人物一致性、皮肤细节、口型的要求极高,一旦崩脸就是灾难级观感;而漫剧本身就是"画"的,观众对风格化的容错度天然更高,你又可以用同一套画风词锁住整部剧的观感。
先跑通 1 集 6-10 个镜头、30-60 秒的样片,再谈量产。
二、零基础工具台:六个工位,别贪多
工具是手段。真正需要你理解的是六个工位,每个工位一次只选一件工具,不要同时开五个软件。
| 1. 编剧台 | |||
| 2. 美术台 | |||
| 3. 导演台 | |||
| 4. 配音台 | |||
| 5. 剪辑台 | |||
| 6. 管理台 |
最省钱的起步三件套:豆包(写)+ 即梦(画与动)+ 剪映(剪)。
三个工具就能跑完一整条流水线,总成本可以压到接近于零。等你卡到具体瓶颈了,再往上升级——比如人物总是崩,再去研究 Stable Diffusion + LoRA;画风总是飘,再去加风格参考图。
不要在第一周就为了"专业"去装 ComfyUI。工具链的复杂度必须由你的痛点驱动,不是由别人的教程驱动。
三、第 1 步|小说转剧本:把"读得爽"改成"拍得出"
小说和剧本是两个物种。
小说的武器是内心戏:"她心里一沉,忽然明白这三年的付出全是一场笑话。" 剧本的武器是外部动作:"她把手里的杯子放在桌上,杯底磕出一声响。"
前者你没法拍,后者一个镜头就能拍完。
改编三原则
1)主视角不散。 小说可以多线并进,短剧不行。选一条主线、一个主视角人物,其他角色都为主线服务。
2)场景不跳。 小说一章可能换五个地点,短剧一集控制在 2-4 个场景。场景越多,你要做的场景资产越多,成本翻倍。
3)对白不虚。 每句台词都必须承担功能:推进剧情、暴露性格、或者制造冲突。纯抒情、纯解释的台词,删。
结构化剧本模板(直接照抄这个格式)
第 1 集
【场景 1】老宅正厅 · 日 · 内
人物:林晚、二叔、管家
动作:林晚将辞职信拍在八仙桌上,纸角滑出半寸。
林晚:(冷)我决定离开。
二叔:(拍桌)你知道自己放弃的是什么吗?
管家:低头退到门边,不敢出声。
【场景 2】老宅后巷 · 黄昏 · 外
人物:林晚、神秘男子
动作:林晚走出后巷,一辆黑色轿车无声停在身侧。
神秘男子:(摇下车窗)上车,你父亲在等你。注意这个格式里的四件事:场景头(地点+时间+内外景)、人物清单、动作描述、对白归属。这四样齐全,AI 才能准确地把文字拆成镜头。
给 AI 的改编提示词模板
你是短剧编剧。请把下面这段小说改写成 AI 漫剧剧本,严格遵守以下规则:
1. 输出格式:【场景 N】地点 · 时间 · 内外景 / 人物 / 动作 / 对白
2. 每集 2-3 分钟,拆成 3 个场景以内,每场景不超过 300 字
3. 删除所有心理描写和比喻,一律改写为可见的外部动作
4. 对白单句不超过 20 字,短句为主,口语化
5. 每集结尾必须留一个反转或悬念钩子
6. 不要新增原文没有的支线人物
小说原文如下:
【粘贴 1-2 章内容,不要一次塞太多】新手最容易踩的坑: 一口气把 10 万字小说丢给 AI,让它"直接出分镜"。结果一定是人名混乱、剧情跳跃、场景乱编。
正确做法是按章节切段喂,一次只处理一个连续剧情单元,改完立刻人工过一遍。
四、第 2 步|剧本转分镜脚本:一集拆成 10-20 个镜头
分镜脚本是整条流水线的中枢。它往下游输出的不是文学,而是可执行的施工图。
一张合格的分镜表,至少要有这些列:
| 一个镜头只写一个主要动作 | ||
节奏怎么定?
1-2 分钟的一集,10-20 个镜头最舒服
。低于 8 个会显得拖,高于 25 个剪辑时会累死。 单镜头 3-5 秒
是安全区间。AI 视频模型在 5 秒内崩坏的概率最低。 前 3 秒必须给钩子
:一个耳光、一句狠话、一个特写眼神。 第 15-20 秒给第一个反转
,这是完播率的分水岭。 紧张段落用短镜头堆叠(2 秒一个,连续 4-5 个);舒缓段落给一个 5 秒的空镜呼吸。
给 AI 的拆镜提示词模板
请把下面的剧本拆成分镜表,输出为 Markdown 表格,列包含:
镜号 | 时长 | 场景 | 出场角色 | 出场道具 | 景别 | 画面描述 | 动作 | 情绪 | 对白 | 出图提示词 | 图生视频提示词
规则:
1. 每个镜头 3-5 秒,总时长控制在 90-120 秒
2. 一个镜头只能有一个主要动作,禁止一个镜头里塞多个动作
3. 画面描述要包含:人物位置、动作、环境细节、光线方向
4. 图生视频提示词只写摄影机运动和人物动作,不要重复描述人物长相
5. 每个出场角色和道具都要在对应列标出,方便我建立资产
6. 台词按每秒 4-5 字计算时长
剧本如下:
【粘贴第 3 步产出的剧本】这一步必须有个人工审核环节,花 10-15 分钟,能省掉后面几小时的返工。 重点看三件事:镜头节奏对不对、对白和旁白有没有搞混、画面描述有没有 AI 自己脑补的原文里没有的细节。
五、第 3 步|元素提取:建立你的资产库(人物 / 场景 / 道具 / 动物)
这是 AI 漫剧区别于其他视频形态最核心的一步,也是新手最容易跳过、然后全盘翻车的一步。
先讲一句最重要的话:
你不可能靠文字把一张脸写稳。你要做的是:先把元素做成图,后面所有镜头都引这张图。
从分镜表里,把要用到的元素全部提取出来,分成四类建库。
1)人物卡
每个出场角色,都要有一张设定卡,包含:文字描述 + 正面/侧面/背面三视图 + 2-3 个常用表情。
角色描述必须写到"可复现"的粒度:
❌ 差的写法:一个漂亮的女人,穿西装,很有气质。
✅ 好的写法:25 岁亚洲女性,鹅蛋脸,杏仁眼,黑色齐肩直发三七侧分,
穿白色衬衫外搭深灰色西装,佩戴银色圆形耳环,表情冷静干练,
国漫厚涂风格,赛璐璐着色。写清这些维度:年龄 / 脸型 / 眼睛 / 发型 / 服装 / 配饰 / 气质 / 画风。八个维度写完,AI 才能稳定复现。
人物提取提示词如下:


生成三视图或者人物角色图后,把这组图存成"角色基准图",后续每个镜头都引它。主流工具都有对应的锁定手段:有的用角色一致性开关,有的用参考图参数,本地部署则用 LoRA / IP-Adapter / InstantID 这类方案。
2)场景卡

场景不能只有一张图。同一场景至少要准备 2-3 个角度,并且标好光线时段——同一间屋子,"白天顺光"和"深夜一盏台灯"是两种完全不同的画面。
连载剧集里,场景是复用率最高的资产。一个主场景能撑起十几集,做一次可以用很久

3)道具卡


新手最容易忽略、但性价比最高的一类。
一枚戒指、一封信、一部旧手机、一把剑、一个水壶——道具是情绪的载体,也是视觉锚点。 观众靠道具记住剧情。而且道具的复用率极高,做一次能用一整季。
把关键道具单独提取出来做基准图,在分镜表的"出场道具"列绑定,镜头里出现时直接引用。
4)动物卡


动物是四类里最容易崩的,因为毛色、花纹、耳朵形状、体型比例,AI 每次都会自由发挥。
对策有三条:
描述必须带独特标签:不是"一只白猫",而是"一只左耳有一块黑色斑纹的白色短毛猫,琥珀色眼睛"。
必须做基准图 + 多角度,不要指望文字。
动物的动态镜头要减少全身运动,多用局部(尾巴、耳朵、瞳孔)或与人物同框的静态构图。

文件夹与命名规范(照这个建,后面省一半力气)
《剧名》/
├── 01_剧本/ EP01_剧本_v3.md
├── 02_分镜/ EP01_分镜表_v3.xlsx
├── 03_资产/
│ ├── 人物/ 林晚_基准图_正面.png / 林晚_表情_愤怒.png
│ ├── 场景/ 老宅正厅_日_角度A.png
│ ├── 道具/ 辞职信_基准图.png
│ └── 动物/ 白猫_斑纹左耳_基准图.png
├── 04_出图/ EP01-S07_img_v2.png
├── 05_出片/ EP01-S07_vid_v2.mp4
├── 06_配音/ EP01_林晚_台词.wav
└── 07_成片/ EP01_成片_v1.mp4命名里永远带上版本号。AI 生产必然要重做,没有版本号你三天后就分不清哪张是能用的。
六、第 4 步|出图与出片:首帧定生死,一镜一动作
有了资产库,出图就是流水线作业。

出图提示词公式
画风词 + 角色引用(基准图)+ 场景环境 + 动作 + 光影 + 景别镜头 + 画质词示例:
国漫厚涂风格,赛璐璐着色,引用角色基准图【林晚】,
在古色古香的老宅正厅内,站在长桌一侧将一封辞职信拍在桌上,
午后侧逆光从雕花窗棂透入,中景,镜头平视,8K 高清,细节丰富三条纪律:
画风词全剧统一
,一个字都不要变。风格一飘,观众立刻出戏。 同场景、同角色的镜头集中生成
,减少随机波动。 每个镜头生成 3-4 张挑一张
,不要生成一张就往下走。
图生视频:只写运动,不写外观
这一步新手最常犯的错,是把外观描述再抄一遍。图生视频的输入已经有一张图了,模型需要知道的只有"怎么动"。
✅ 镜头缓慢推近,人物右手抬手,发丝轻微飘动,光线基本不变
❌ 一位穿白衬衫的黑色齐肩发女人站在老宅里缓慢抬手(重复描述外观,容易导致模型重新画脸)镜头衔接技巧: 用上一个镜头的尾帧作为下一个镜头的首帧,画面连续感会提升一个档次。动作切换大的地方,插入一个空镜或道具特写做过渡。
崩脸急救方案: 局部重绘修细节、固定随机种子、用动作控制类工具锁姿态、缩小动作幅度。修不好就换构图——用侧脸、背影、手部特写、道具特写绕过去。能用剪辑技巧解决的,不要硬跟模型较劲。

七、第 5 步|二次剪辑包装:把 80 分的素材剪成 100 分的片子
走到这一步,你手里是一堆各 3-5 秒的片段,各 300-500 字的配音。成片的质感,八成靠这一步。
按顺序做六件事:
① 粗剪对轴。 把片段按分镜顺序铺到时间线,先配音、后画面,让画面去匹配声音节奏,而不是反过来。配音语速按每秒 4-5 字核算,长了就砍字,别硬拉时长。
② 节奏修剪。 逐镜看:开头有没有 0.3 秒的"死时间"?有就裁掉。紧张段落把镜头压到 2 秒,舒缓段落放慢。转场只在场景切换时用,同一场景内不要加花哨转场。
③ 声音三层。 这是最容易被忽略、但提升最大的部分:
人声层
:对白 + 旁白。每个角色固定音色,不同角色一定要用不同音色,否则听感像一个人在念到底。 音效层
:脚步、关门、耳光、雨声、心跳。音效是廉价但极有效的"真实感"来源,每个动作点都值得配一个。 音乐层
:BGM 要跟情绪走,音量压在人声之下(约 -18dB 到 -22dB)。高潮前留半秒静音,效果比堆音乐更好。
④ 字幕。 一行不超过 14 字,最多两行,与配音严格同步。关键字(人名、反转点、数字)可以做强调色。别用花体字,别用会晃动的动态字幕。
⑤ 调色统一。 不同镜头是不同批次生成的,色温一定有偏差。给全片套一个统一的滤镜或 LUT,是一招解决"画风割裂"的捷径。
⑥ 包装与合规。
封面用最强冲突的一帧,加 6-10 字标题。 前三秒必须有信息量,不要放片头 logo。 按平台合规要求标注"AI 生成"或"AIGC 制作"标识。
这一步不要省,也别抱侥幸心理。
八、第 6 步|标准化流程:把上面所有动作变成可复制的一天
新手做成一条片,靠的是运气和熬夜。能持续出片的人,靠的是 SOP。
单集标准作业表(1 集 ≈ 2 分钟)
关键原则:S3 是一次性投入,S1-S2 是每集都要做的,S4-S6 是可以并行批量化的。
连载剧集的生产效率就来自这里——第 1 集花在资产上的时间,第 2 集开始全部省下来了。
单集质检清单(发布前逐条打勾)
[ ] 主角在任意两镜之间,脸型/发型/服装无肉眼可见变化 [ ] 全片画风统一,没有一镜突然变成另一种风格 [ ] 每镜只有一个主要动作,没有糊成一团的扭曲画面 [ ] 配音与字幕逐字对应,无错别字 [ ] 每个动作点都有对应音效 [ ] BGM 音量全程低于人声 [ ] 前 3 秒有钩子,结尾有悬念 [ ] 全片无死时间,无超过 1 秒的静止 [ ] 已按平台要求标注 AI 生成标识 [ ] 素材已按规范命名并归档
从 1 集到 10 集
第一周只做 1 集
,验证画风、验证一致性、验证模型效果和积分消耗。别一上来就批量生成整部剧。 资产先行
:把主要角色的卡一次性建完(含三视图和多表情),再做后续集数。 批量处理
:同类镜头攒够一屏再一起生成,比一镜一镜单独跑效率高得多。 建立废片库
:重做不代表作废。一个废弃的空镜,换个剧集就是过场素材。写在最后
AI 短剧和漫剧这个行业,2026 年已经过了"能不能做出来"的阶段,正在进入"能不能稳定、低成本、批量地做出来"的阶段。
这意味着什么?意味着红利的重心已经从"会用某个模型"转移到"有一套跑得通的流程"。
模型每月都在换,今天最强的视频模型,三个月后可能就被超越。但你搭建的那套资产库、那张分镜表、那份质检清单,是可以跨模型迁移的——换模型,流程不动。
所以,如果你今天刚开始,我给你的建议只有一句:
关掉那些"10 分钟学会 AI 视频"的视频,挑一个最短的故事,按上面的流程,老老实实做完一集 60 秒的成片。
做完这一集,你就已经是这个行业里跑通全链路的那 10% 了。

每月定期开班
地址:西安市老钢厂产业园北大青鸟西北总部
如果这篇对你有用,可以点个「在看」,也可以在评论区告诉我你想先做哪一类——写实短剧、漫剧还是小说推文,我下一篇就按票数最高的方向,拆到提示词级别。
