豆包手搓AI漫剧：零基础从剧本到成片全流程

为什么现在人人都能”手搓”一部AI漫剧

先说一件有点反直觉的事：绝大多数人第一次做AI漫剧失败，不是败在画面不够精美，而是败在”根本不知道怎么从一句想法走到一条成片”。他们打开豆包，让它”写个漫画故事”，得到一篇三千字的短篇小说；打开即梦，一句一句描述，生成十二张风格完全不同的图；最后扔进剪映，一张图片放五秒，硬拼出一段像PPT的”剧”。三天后放弃，结论是”AI做视频还是不行”。

问题从来不在AI。问题在于，没有人告诉他们一部漫剧其实更像一部”微电影的生产流程”，而不是一次”画画”。

所谓”手搓”，指的就是不依赖任何一体化的自动化工具，用几个通用AI工具，按剧组分工的方式，一环一环手工把片子拼起来。这听起来原始，却有一个巨大的好处：每一环你都能看懂、能改、能复用。一旦打通一次，第二集、第三集的成本会断崖式下降。而在这条手搓流水线上，豆包承担的是最关键的”导演+编剧”角色——它决定了这部剧好不好看，其它工具只决定它好不好看”清楚”。

这篇文章不会给你一堆”AI很强大”的感慨。它会给你一条能今天就动手的完整路径：从题材选题、剧本提示词、分镜脚本、角色卡、场景底图，一路到剪映里的时长、运镜、配音、导出参数。文中的提示词都可以直接复制粘贴，参数都来自实际踩坑后的经验值。

先建立一个正确的心智模型：你不是在画画，你是在当导演

这是全篇最重要的一句话，值得单独强调：把AI当剧组，而不是当画笔。

当画笔，你的思路是”我要画一个什么样的画面”，于是你会不停调提示词，试图一次生成完美的一张图。当剧组，你的思路是”我这部剧要几个人、几个场景、什么样的节奏”，于是你会先立项、先定演员、先看景，再开机拍一个个镜头。前者是艺术创作思维，后者是项目管理思维。AI漫剧能做成的人，几乎都是后者。

按剧组来理解，三个工具的分工就非常清晰了：

剧组岗位	对应工具	具体产出	不做好会怎样
编剧 + 导演	豆包	故事大纲、分集剧本、台词、分镜脚本、画面关键词	故事散、没钩子、镜头乱，后面怎么修都救不回来
美术 + 摄影	即梦AI	角色卡三视图、场景底图、每个镜头的漫画风画面	角色变脸、画风跳、场景不连贯
剪辑 + 配音 + 后期	剪映	图片串接、时长控制、运镜、AI配音、字幕、转场、导出	节奏拖沓、像PPT、听感出戏

这个分工不是随便定的。它遵循一个原则：把”需要一致性”的活和”需要创意”的活分开。豆包负责创意与文字一致性（角色性格、故事走向），即梦负责视觉一致性（角色长相、画风基调），剪映负责时间轴上的一致性（节奏、音色）。每一环都有一个”锚点”来锁住变量，这样你才不会在几十个镜头里越做越歪。

工具准备与成本认知

三个工具都是国内可直接使用的产品，豆包与剪映都有免费额度，即梦AI的图片生成有每日免费点数，超出后需要消耗积分。具体价格政策各家会调整，建议以你打开时的官方页面为准，本文不引用任何具体金额。

你需要准备的只有三样：

• 一个稳定的账号体系：三端最好用同一个手机号登录，方便素材管理。
• 一个素材文件夹：在电脑上建好 剧名/角色卡、剧名/场景底图、剧名/镜头图、剧名/音频 四个子目录。别小看这一步，做到第三集时你会感谢自己。
• 一个记录表格：用来记录每个镜头的序号、图文件名、时长、配音文本。剪映里最容易出错的就是”图对不上词”，有表就不会乱。

硬件上，一部能流畅跑剪映的手机或一台普通笔记本就够了。整个流程对算力的要求都在云端，本地只负责剪辑。

第一步：选题与立项——九成的失败在这一步就注定了

很多人跳过选题，直接叫豆包”写个故事”。这是第一个大坑。没有方向的指令，豆包会给你一个平庸的、四平八稳的、谁都能想到的故事，而漫剧最怕的就是”四平八稳”。

题材怎么选：先看平台，再看人群

AI漫剧的主要消费场景是竖屏短视频平台，观众在滑动中做决策，注意力以秒计。这意味着题材必须满足一个条件：一句话就能讲明白冲突。

目前比较稳妥的三个方向：

方向一：古风甜宠

人设经典、场景集中（宅院、宫廷、市集）、服化道辨识度高，非常适合AI生成。优势是画面容易出彩，缺点是同质化严重，必须靠台词和人设反差取胜。

方向二：穿越逆袭

现代灵魂+古代/异世界身份，冲突天然强烈，前3秒就能抛出”我死了？我穿越了？”的钩子。优势是节奏好做，缺点是容易落入套路，需要给主角一个独特的”金手指”设定。

方向三：权谋复仇

情绪浓度最高，转发率好，但对剧本逻辑要求高，且要注意尺度——复仇线必须落在”揭露真相、讨回公道”的正向框架内，不能渲染私刑和血腥。

这里必须强调一句：优先做正向题材，坚决避开暴力、恐怖、低俗擦边内容。这不仅是平台合规的要求，也是账号能长期活下去的前提。AI生成的画面一旦涉及血腥或惊悚，很容易触发审核，整集作废重做，比什么都亏。

立项一张纸：把六个问题先答完

在叫豆包写剧本之前，先用一句话回答六个问题，写在一个文档里。这叫做”立项单”，它会成为后面所有提示词的输入。

1. 题材是什么？（古风甜宠/穿越逆袭/权谋复仇）
2. 时代背景是什么？（架空王朝/现代都市/民国/科幻未来）
3. 主角是谁？（姓名、身份、性格、核心欲望、致命弱点）
4. 故事走向是什么？（开端—冲突—转折—高潮—结局，一句话一段）
5. 单集多长？（建议60-90秒）
6. 总共几集？结局是什么？（建议先做6-12集的短剧，结局要闭环）

这张单子答完，你已经比80%的新手做得更专业了。接下来才是豆包上场。

第二步：用豆包写剧本——提示词决定剧本质量

为什么不能直接说”帮我写个漫剧剧本”

因为豆包不知道你的约束。它不知道单集只能90秒，不知道这一集要几个镜头，不知道前3秒必须有钩子，不知道结尾要留悬念。它会用写小说的方式写剧本：大段心理描写、环境渲染、慢热铺垫——这些在小说里是优点，在90秒的漫剧里全是毒药。

所以提示词的任务不是”让AI写得更好”，而是把导演的约束塞给AI。约束越具体，产出越可用。

可直接复制的剧本提示词模板（分集版）

下面这段提示词，你可以把方括号里的内容换掉直接使用。它按”总纲+分集”的两段式设计，第一段让豆包定全局，第二段才逐集展开，这样能保证角色设定和故事走向前后不打架。

模板 A：全局设定提示词

你现在是一位擅长竖屏短剧的编剧。请为我创作一部AI漫剧的全局设定，不要写正文剧情。

基本信息：
- 题材：[古风甜宠]
- 时代背景：[架空王朝·大楚，市井与侯府并存]
- 单集时长：每集60-90秒
- 总集数：[8集]，结局必须闭环
- 平台：竖屏短视频，观众在3秒内决定是否划走

请输出以下内容：
1. 一句话故事梗概（不超过40字，必须含冲突）
2. 主要角色表：每个角色给出姓名、身份、年龄感、性格关键词3个、核心欲望、致命弱点、外形特征（便于后续画角色卡，需具体到发型、服装颜色、标志性配饰）
3. 8集分集大纲：每集一句话概括，每句必须包含"谁和谁在什么情境下发生了什么冲突"
4. 全剧的主线悬念与结局答案
5. 全剧只保留的场景清单（3-5个），每个场景一句话描述空间与时间

要求：
- 人物关系简单清晰，主要角色不超过4个
- 冲突必须落在正面价值上：守护、成长、真相、亲情、信任
- 不出现暴力血腥、恐怖惊悚、低俗擦边内容
- 全剧风格统一，避免每集换一个方向

模板 B：单集剧本提示词

拿到全局设定后，逐集生成。注意这里的关键是要求豆包输出”台词+动作”，而不是”描写”。

沿用上面的全局设定。现在请写第[1]集的剧本。

硬性要求：
- 时长严格控制在80秒以内，按每秒3-4字估算，全集合计台词不超过260字
- 前3秒必须出现强冲突钩子：直接抛出台词或画面冲突，不要铺垫、不要旁白介绍背景
- 结尾必须留悬念：最后一句台词或最后一个画面要制造"下一集想看"的缺口
- 台词口语化，像真人说话，不用书面语和成语堆砌
- 每句台词标注说话人，动作只用"做什么"来描述，不要写心理活动

输出格式：
【第1集：集标题】
场景：（本集只用到全局场景清单中的哪几个）
本集冲突：（一句话）
台词与动作表：（按顺序，每行：说话人｜台词｜动作）
结尾悬念：（一句话说明钩子是什么）

拿到剧本后，先做三次”人味”改造

豆包给的第一稿，能用但不惊艳。你需要手动改三处，这三处恰恰是AI最不擅长、而观众最敏感的地方。

改造一：把”解释型台词”砍掉一半

AI最爱写”我叫林晚，今年十八岁，是侯府的三小姐，我的母亲在我五岁那年就过世了”这种自我介绍。真实的人不会这样说话。改法是：把背景信息拆成画面——一句旁白或一个镜头交代身份牌、一句他人称呼、一个物件细节。让观众自己拼出来。

改造二：给主角加一个”小动作”

比如主角紧张时会捏衣袖、说谎时摸耳垂、生气时反而笑。这个小动作在后续分镜里可以反复出现，成为角色辨识度的重要一环，也让画面有了表演。这是花一分钟就能获得的巨大收益。

改造三：把结尾悬念写成”动作未完成”

“她会不会原谅他？”这种悬念太弱。更强的悬念是：她转身要走，却看见门口站着一个人——画面在这里切断。观众不知道来者是谁，必须点下一集。悬念要落在画面上，不落在台词上。

剧本阶段最常见的两个死坑

坑一：剧本太长，没有重点。很多人看到豆包写得好，就舍不得删，一集撑到两分半。结果是前十秒全是铺垫，观众早就划走了。记住：90秒的漫剧，信息密度应该接近一部电影预告片，而不是一部电影的前十分钟。

坑二：每集换方向。第一集甜宠，第二集复仇，第三集悬疑，感觉每集都”还不错”，但观众完全不记得这部剧是讲什么的。这是没有用模板A锁死全局设定的后果。立项单和全局设定写完，就不要轻易改。

第三步：分镜脚本——把文字翻译成镜头

分镜脚本到底要包含什么

分镜是剧本和画图之间的”中间语言”。一份合格的分镜脚本，每一行都必须能直接交给即梦去画。它的要素是固定的七个：

• 镜头序号：S01、S02……唯一标识，方便和文件名对应
• 景别：远景、全景、中景、近景、特写，决定观众看到的范围
• 场景：对应场景清单里的编号，比如”侯府内院·黄昏”
• 人物动作表情：具体到”抬头、锁眉、嘴唇微张”这种程度
• 台词：这一镜里说的原话
• 镜头时长：秒数，直接影响剪映里的图片停留时间
• 画面关键词：给即梦用的画面描述，和角色卡、场景底图一起构成输入

可直接复制的分镜提示词模板

你是分镜师。请把下面这段剧本拆成AI漫剧分镜脚本。

剧本：
（粘贴第X集剧本全文）

分镜规则：
- 全集合计8-15个镜头，总时长80秒以内
- 第一个镜头必须是强冲突：优先用特写或近景，画面要有情绪张力
- 最后一个镜头必须留悬念，画面定格在未完成的动作上
- 景别要有节奏变化，不要连续3个镜头用同一景别
- 对话密集处可以拆成"说话人A近景 + 说话人B近景"的正反打
- 每个镜头的画面关键词要包含：景别、角色姓名+当前服装、动作表情、场景、光线氛围，不超过40字
- 同一场景的多个镜头，画面关键词中的场景描述要完全一致（后续要复用一种场景底图）

输出表格，列依次为：
镜头序号｜景别｜场景｜人物动作表情｜台词｜时长(秒)｜画面关键词

最后附一行：本集场景清单（本集用到了哪几个场景，各出现在哪几个镜头）

90秒的节奏配方

8-15个镜头听起来很宽，实际要落在一个具体的节奏曲线上。经过反复测试，80-90秒一集比较好用的分布是：

时间区间	镜头数	功能	景别偏好	注意点
0-3秒	1个	强冲突钩子	特写/近景	必须有台词或强烈表情，不能是空镜
3-15秒	2-3个	交代情境与人	全景+中景	用画面交代身份，不靠旁白念设定
15-55秒	4-6个	冲突升级	近景+正反打	这一段的台词密度最高
55-75秒	2-3个	情绪爆发或反转	特写	配乐推起来，镜头可以短促
75-90秒	1个	悬念定格	中景/特写	动作未完成，画面哑掉

一个实用技巧：情绪越强，镜头越短。吵架、告白、真相揭露这些高情绪段落，单个镜头1.5秒就够，快切会放大冲击力。而交代环境、人物独处的镜头可以放到2.5秒。全程匀速2秒，就是PPT的感觉。

第四步：角色卡——AI漫剧真正的护城河

角色卡是资产，不是流程步骤

这是第二个必须强调的独到判断：角色卡是AI漫剧的资产，不是流程步骤。

很多人把角色卡当成”第一次画图前得先画个参考图”的过渡动作，生成完就丢在聊天记录里，后面每张图重新描述一遍角色长相。结果就是：S01里女主是丹凤眼，S07里变成圆眼，S12里下颌线完全跑偏。观众看到第三张图就开始出戏。

正确的理解是：角色卡就是你这部剧的”演员合同”。签了，这个演员的长相在整个剧里就是固定的。它应该被单独存档、命名、反复调用，第一集用到第十二集，甚至第二季还能继续用。你付出的不是一次画图的时间，而是在建立一个可复用的资产库。做得久了，你会发现自己有两三个固定”演员”，换剧都能用。

角色卡怎么做：三视图是标准配置

一张合格的角色卡，必须包含同一角色的三个角度：正面、45°侧面、正侧面。原因很简单：漫剧里一个人的脸会以各种角度出现，如果只有正面参考，一旦画到侧面，AI就会自由发挥，五官立刻跑偏。

三视图之外，角色卡还要锁定几件事：发型（包括是否有刘海、发髻形状）、服装（主色+配色+标志性配饰）、体型比例（头身比）、气质（清冷/甜美/凌厉）。这些信息要在卡上就定死，后续每个镜头都用同样的描述词。

角色卡提示词模板

韩漫条漫风格角色设定图，平涂上色，干净轮廓线，柔和漫射光，3:4竖版。
画面为同一角色的三视图拼图：左侧为正面全身，中间为45度侧面半身，右侧为正侧面全身。
三个角度必须保持完全一致的脸型、发型、服装和配饰。

角色设定：
- 姓名：[林晚]，女性，[十八]岁
- 脸型：鹅蛋脸，下巴略尖，眉形细长上挑，丹凤眼，唇色浅粉
- 发型：黑长直，中分，发尾微卷，右侧别一支白玉簪
- 服装：月白色交领长衫，外罩浅青色半臂，腰间系青灰色丝绦，缀一枚素银铃
- 体型：七头身，肩背挺直
- 气质：清冷、克制，眼神有距离感
- 表情：正面视图为平静微垂眼，侧面视图为侧目而视

背景纯白，无任何文字、无水印、无多余元素。

三个视图建议一次生成在一张图里（提示词里明确写”三视图拼图”），这样比例和脸部特征天然一致。如果一次生成的三视图有角度缺失或畸形，重生成，不要凑合——这张图要陪你一整季。

参考权重：0.6到0.7，这是最关键的参数

在即梦里上传角色卡作为参考图时，会有一个”参考强度/相似度”的参数。这个参数是新手最容易忽视、也是崩脸的头号原因。

• 权重太高（比如0.9-1.0）：AI会死死贴着参考图，导致每个镜头里的角色都长得像那张定妆照——表情僵硬、姿势不变、脸永远是同一个角度。画面”不变”，你就没法拍戏了。
• 权重太低（比如0.3-0.5）：AI几乎无视角色卡，按提示词自由发挥，五官开始跑偏，第一张和第二十张不是同一个人。
• 0.6-0.7 是甜区：既能锁住脸型和发型，又允许表情、角度、光线变化。这是我反复测试后最稳的区间。

实操建议：固定用0.65左右开工。如果发现角色明显”不像”，微调到0.7；如果发现表情僵硬、像贴人头，微调到0.6。每部剧第一次调好之后，就固定下来，不要每个镜头乱调——参数一变，整部剧的一致性就散了。

每个镜头都要”双参考”

这是稳定画风的第二个关键操作：画每个镜头时，同时上传角色卡和场景底图。

只传角色卡，角色稳定但背景每次都不一样，同一个大堂今天有柱子明天没有；只传场景底图，背景稳定但人物每次换脸。两张一起传，再加上锁定好的画风词，才能做到既稳定又不僵硬。

如果你用的工具支持多参考图但权重只能设一个总强度，就把角色卡的相似度调到0.65，场景底图的相似度可以略低（背景不需要像素级一致，只需要风格和空间结构一致）。

画风词模板：让十二张图看起来像一部剧

除了角色和场景，还有第三个变量需要锁：画风。画风不一致，观众一眼就知道是AI拼的——这张是写实水彩，那张是厚涂，下一张变成3D渲染。

建议固定一组画风词，贴在每个画面关键词的最前面，一个字都不要改：

【画风词模板】
韩漫条漫风格，平涂上色，干净轮廓线，柔和漫射光，低饱和高级灰色调，
画面干净有呼吸感，3:4竖版构图

【可选替换项】
- 想要更"国漫感"：把"韩漫条漫风格"换成"古风国漫条漫风格"，其余保持不变
- 想要更强情绪：在末尾加"局部高光，情绪光效"
- 注意：一旦选定，全剧统一，中途不要换

负面词清单：一张图一张图地固定下来

负面词是”止损清单”，它不能保证出好图，但能大幅减少废图率。下面这份清单可以直接复制，在即梦的负面提示词框里一次性填好，之后所有镜头都用这份，不要每次重写。

畸形五官，脸部变形，五官错位，大小眼，多手指，少手指，
多余肢体，肢体扭曲，身材比例失调，水印，文字，英文，logo，
杂乱背景，画面模糊，噪点，过曝，过饱和，写实照片风，
3D渲染感，塑料质感，重复人物，裁切掉头部

几个细节值得单独说：

• “文字”和”英文”必须放进负面词。AI很容易在画面里生成奇怪的字母或招牌，竖屏漫剧里特别显眼。
• “写实照片风”和”3D渲染感”是针对画风漂移的。不加这两项，AI有时会自动偏向写实，和你的条漫风完全不搭。
• “裁切掉头部”是构图保护。竖版图里人物容易被顶出画框。

第五步：场景底图——一个场景只需要一张基准图

为什么场景要”复用”

新人常见的做法是：每个镜头都重新描述一次场景。于是S03的”侯府正堂”有六根柱子，S08的”侯府正堂”变成了四根柱子，下一集干脆变成了另一个大厅。观众虽然说不清哪里不对，但会觉得”这剧很廉价”。

正确做法是：一个场景只保留一张基准图，后续同场景全部复用垫图。

比如”侯府内院·黄昏”这张基准图，规定死了：青砖地、两侧抄手游廊、中间一株老梅、光线从右上方斜射、暖橙色调。之后所有发生在内院的镜头，都用这张图作为场景参考，只改人物和动作。这样看起来就是”一直在同一个院子里拍戏”。

做场景底图的三个要点

要点一：空镜优先

场景底图最好是没有人物的空镜。有人物的话，AI在垫图时会倾向于把那个人”复印”进去，每个镜头都多一个背景路人。先画空景，再用它去垫人物镜头。

要点二：固定光位

在场景描述里写死光源方向，比如”光线自右上方斜射”。同一场景的不同镜头如果光源乱变，观众会有”跳戏”的错觉。黄昏就是黄昏，夜戏就是夜戏，不要在同一场里混用。

要点三：场景清单控制在3-5个

这既是成本考虑，也是叙事考虑。场景越少，复用率越高，画风越统一，观众的空间感越清楚。一部8集的短剧，3-5个场景足够讲完一个完整故事：主场景（宅院/宫室）、次场景（市集/花园）、关键场景（密室/刑场/祠堂）。

场景底图提示词模板

韩漫条漫风格，平涂上色，干净轮廓线，柔和漫射光，低饱和高级灰色调，
3:4竖版构图。

场景：[侯府内院] ，[黄昏]时分，无人物空镜。
空间结构：青砖地面，两侧木制抄手游廊，正中一株老梅树，远处一道月洞门。
光线：暖橙色夕阳从画面右上方斜射，在地面拉出长影，空气中有细微浮尘。
氛围：安静、略带压抑的贵气。

远景，广角，交代完整空间关系。画面干净，无文字，无水印。

场景与镜头的对应表

做完场景底图，回填到分镜表里，每一行都标注它用的是哪张底图。

场景编号	场景名	底图文件	涉及的镜头	光线基调
SC01	侯府内院·黄昏	SC01_内院_黄昏.png	S01 S02 S05 S11	暖橙夕阳，右上方斜射
SC02	侯府正堂·夜	SC02_正堂_夜.png	S03 S06 S09 S12	烛火暖黄，局部照明
SC03	西市街口·午后	SC03_西市_午后.png	S04 S07	晴天顶光，柔和阴影

这张表就是你的”片场排期表”。哪一场戏在哪个景里拍，一清二楚。

第六步：逐镜头出图——稳定产出画面

单镜头出图的完整流程

走到这一步，你的准备工作已经做齐了。每个镜头的操作是固定动作：

1. 打开即梦，选择”图生图”或带参考图模式的”文生图”。
2. 上传两张参考图：角色卡（相似度0.65）+ 该场景的底图。
3. 提示词框里依次填入：画风词模板 → 景别 → 角色名+服装 → 动作表情 → 场景 → 光线。
4. 负面词框里粘贴固定清单。
5. 比例选3:4（或9:16，但全剧统一）。
6. 一次生成4张，挑最接近的一张。

一个镜头的提示词长什么样

韩漫条漫风格，平涂上色，干净轮廓线，柔和漫射光，低饱和高级灰色调，3:4竖版。
近景，林晚（月白色交领长衫，浅青半臂，白玉簪），
她侧身站立，抬眼看向画外左侧，眉心微蹙，嘴唇抿紧，手指攥住袖口。
侯府内院，黄昏，暖橙夕阳从右上方斜射。
单人构图，右三分之一处留白。

注意这里没有再描述背景细节——背景交给场景底图。文字提示词只负责”人在做什么”。这是分工的核心：图管空间，词管动作。

挑图的三个标准

一次四张，怎么挑？按优先级：

• 第一看脸：五官有没有崩，像不像角色卡里的人。脸崩了，构图再好也废。
• 第二看手：手指数量、关节走向。手是AI的重灾区，宁可裁掉也别硬用。
• 第三看构图与留白：是否给字幕留了位置。竖屏漫剧的台词字幕一般在下方1/4处，人物脸不要压在那里。

至于细节服装褶皱、背景的一个小瑕疵，不用太纠结。反正要在剪映里加运镜，画面会动，观众根本注意不到。

出图效率的实际节奏

一部8-12个镜头的单集，熟练之后，从准备到出齐可以压缩在一到两个小时内（不含等待生成的时间）。第一集最慢，因为要反复调角色卡和权重；第二集开始，因为角色卡、场景底图、画风词都现成，出图速度会快得多。这也是”角色卡是资产”的直接回报。

第七步：剪映成片——决定观感的是这一环

建立剪辑项目

打开剪映，新建项目，先设置画布比例。3:4（1080×1440）适合放在一些偏图文流的平台，9:16（1080×1920）适合纯短视频平台。全剧统一一个比例，不要中途换。

把镜头图按S01、S02的顺序拖进去，先不管时长，让它们排成一条线。然后对照分镜表，把音频文本准备好——这是效率关键，不要在时间轴上边剪边找台词。

图片时长：1.5到2.5秒，这是漫剧的心跳

这是把漫剧和PPT区分开的第一道关。

• 常规镜头1.5-2.5秒。低于1.5秒观众来不及看清，高于2.5秒节奏开始拖。
• 对话多的镜头可以拉长。一张图里说两句台词，时间必须跟台词长度走，否则配音还在说，画面已经切走了。
• 情绪爆发处用1.5秒甚至更短，快切会制造冲击。
• 悬念定格可以稍长，2.5-3秒，让观众”看到那个还没结束的动作”。

一个实操顺序：先把所有图设成2秒，铺一个基础节奏；然后按配音对齐，逐张微调。这样比一边思考一边设时长快得多。

运镜：给静态图”呼吸”

图片是死的，镜头是活的。剪映里有两种方式让静态图动起来：

方式一：3D运镜

剪映的图片编辑里有”3D运镜”或者类似的景深推拉功能，可以给单张图做到缓推、缓拉、横移的效果。适合风景、空镜、大场面。参数上，推拉幅度不要太大，否则边缘会拉伸失真，一般设置到中等偏弱即可。

方式二：关键帧做推拉摇移

更精确的做法是用关键帧：在图片的第一帧设定起始位置和缩放，在最后一帧设定结束位置和缩放，就能做出”缓缓推进””从人脸摇到背景”这类效果。

常用的四种运动：

• 推（放大）：强调情绪，用在特写、真相揭露时。
• 拉（缩小）：揭示环境，用在开场、结尾。
• 摇（横向移动）：适合宽景，交代空间。
• 移（纵向或斜向）：适合竖屏，模拟人物视角移动。

节奏上，动作与镜头的运动方向要匹配：人物向右走，镜头就向右移，会显得更自然。所有镜头都做同样的缓推，观众很快会感到无聊，那只是”会动的PPT”。

AI配音：分开粘贴台词，固定音色

剪映的”文本朗读”功能可以直接把文字转成配音。这里有几个实操要点：

要点一：每个角色分开粘贴

不要把所有台词粘成一整段让AI念，它会用同一种情绪把整段读完，且中间没有停顿。正确做法：每句台词单独创建文本，单独生成朗读。这样每句的停顿、语气都可以单独调。

要点二：男主、女主、旁白，各自固定一个音色

在剪映的音色列表里，给每个角色挑一个固定的音色，写在记录表里，第一集用哪个，后面就一直用哪个。旁白单独一个音色，和角色区分开。观众是靠声音认人的，音色一变，人物就”换人”了。

要点三：语速参数

• 旁白语速：0.85-0.9倍。慢一点，有叙述的从容感，观众好消化。
• 对话语速：1.0倍。接近日常说话，太快会显得慌张，太慢会显得假。
• 情绪爆发的短句可以略快一点点，但别超过1.1，否则会失真。

要点四：让声音和画面做时间锚点

配音生成后，先挂到时间轴上，再调图片时长去对齐口型起点。顺序是”先定声音，再定画面”，反过来会越剪越乱。

字幕、转场与配乐

字幕：用”识别字幕”自动生成，然后手工改错别字。位置统一放在画面下方，字号一致，颜色统一。竖屏漫剧的字幕尽量简洁，不要加太多描边和特效。

转场：不要滥用。常见的错误是每个镜头之间都加一个花哨转场，反而切碎了节奏。推荐做法：同场景内的镜头之间，硬切（不加转场），这最符合电影节奏；跨场景切换时，加一个短暂的黑场或叠化，告诉观众”换地方了”。全剧转场风格统一。

配乐：先选一首情绪基调统一的BGM，铺满全片，音量压到人声下方（一般压低一些，保证台词清晰）。情绪爆发段落可以再叠一层音效，比如门响、脚步、心跳。音效不需要多，两三个关键点就够。

导出参数

导出前，最后检查一遍：比例、分辨率、帧率、码率。

• 3:4 → 1080×1440
• 9:16 → 1080×1920
• 帧率：25fps（漫剧画面本身不高速运动，25fps足够，且文件更小）
• 格式：MP4

导出后自己完整看一遍。重点看三处：前3秒有没有抓住你、中间有没有拖沓的镜头、结尾悬念有没有让人想继续看。这三处没问题，这一集就合格了。

传统漫剧 vs AI漫剧：到底差在哪

理解了流程，才看得懂对比。很多人以为AI漫剧的优势是”画得快”，其实真正的差异在别处。

维度	传统漫剧制作	AI漫剧制作（豆包+即梦+剪映）
团队规模	编剧、分镜师、原画、上色、后期，至少4-6人协作	1-2人即可完成全流程，一个人能同时是编剧和导演
单集周期	以周为单位，分镜、原画、上色层层流转	熟练后单集可压缩到一天以内，第二集起更快
核心成本	人力成本占绝对大头	人力成本极低，主要成本是出图的点数与时间
修改成本	改一个镜头等于重画，牵动整条流水线	改一个镜头只需重生成一张图，分钟级完成
一致性控制	靠原画师的手感和规范，天然较好	靠角色卡、场景底图、画风词三条锁，需要主动管理
画面精度	高，可精细控制每一根线条	中等，细节需要靠构图和后期弥补
叙事节奏	取决于导演功力	取决于剧本和分镜质量，AI在这环替代不了判断
试错空间	小，试错成本高，不敢轻易换方向	大，可以低成本做多集测试，快速验证题材

看这张表会发现一个事实：AI漫剧的竞争力不在画面精度，在节奏和产量。

传统漫剧的画面精度是AI短期内追不上的，硬拼画面毫无胜算。但观众的注意力不在”这根线画得多细”，而在”下一秒会发生什么”。一集90秒的漫剧，观众真正评价的是：我有没有被钩住、有没有想追下去的冲动、情绪有没有被推到位。这些全部由剧本节奏和镜头节奏决定，而这些恰恰是AI能批量产出、且成本极低的。

所以正确的竞争策略不是”用AI做出比专业画师更精美的画面”，而是”用可接受精度的画面，做出节奏更好、产量更高、更懂观众的内容”。画面达到”看着舒服、不崩”这条线就够了，剩下的力气全部投到故事和节奏上。

三种AI工具的分工对比

市面上做漫剧的工具不少，容易挑花眼。以主流的三工具手搓路线为基准，横向对比一下，能看清各自的位置：

工具	核心能力	它解决什么	它解决不了什么	使用频率
豆包	文本生成：大纲、剧本、台词、分镜脚本、画面关键词	故事结构与文字一致性，把想法变成可执行的镜头表	无法直接产出画面，依赖提示词质量；对”人味”仍要人工改	每集一次，前期集中
即梦AI	漫画风图像生成，支持参考图与负面词	角色卡、场景底图、逐镜头画面	不理解故事，顺序和连贯性要人来管；细节精度有限	每镜头多次，最耗时
剪映	时间轴剪辑、运镜、AI配音、字幕、导出	把静态图变成有节奏、有声音的成片	不会帮你判断故事好坏，节奏靠人剪	每集一次，收尾集中

这张表最值得记住的是最后一列。很多人把精力平分在三个工具上，其实不对：豆包集中在前期，即梦集中在中期且最耗时，剪映集中在后期收尾。 真正的顺序是”想清楚 → 画稳定 → 剪出节奏”，不能在画图时还在想故事，也不能在剪辑时才发现镜头不够。

四个常见坑，每一个都让新人在第一集止步

坑一：不做角色卡，直接开始画图

这是最高的废片率来源。没有角色卡，第一个镜头和第二个镜头基本不可能是同一个人。等到第十个镜头才发现要重做前面所有图，心态直接崩。

解法：不管多急，角色卡必须先做完，并且三视图、参考权重0.65、画风词全部确定，再开始画镜头。这一小时不能省。

坑二：剧本太长，没有重点

豆包写得好的时候，你会上头，觉得”这段也要、那段也要”，一集变成三分钟。观众连十秒都没耐心。

解法：严格按90秒、8-15个镜头、台词260字这三个硬指标卡。写长了就删，删不掉就拆成两集。这不是妥协，这是节奏纪律。

坑三：没提前准备场景，导致画风突变

画到中途发现”这个镜头要换环境”，临时描述一个新场景，结果光线、色调、建筑风格全变了，像另一个剧。

解法：全局设定阶段就列好3-5个场景清单，一次性做完所有场景底图。拍摄（出图）阶段只允许用清单内的场景，想加新场景，就补一张底图，并统一光线基调。

坑四：图片时长过长，成片变PPT

每张图放4-5秒，配一个缓推，觉得”这样有电影感”。结果播放出来就是”静态画面 + 慢速平移”，观众三秒内划走。

解法：严格执行1.5-2.5秒，情绪段落用1.5秒快切，不让任何一张图超过3秒。记住：动起来不是靠把镜头拉长，是靠把镜头切快。

还有三个”隐性坑”

隐性坑一：负面词每次重写。每次凭记忆写负面词，总漏掉几项，废图率自然高。解法：存成一段文本，每次直接粘贴。

隐性坑二：音色不固定。觉得”这个音色也不错”，随手换一个，观众一耳朵就听出”换人”。解法：立项时定好音色，写进记录表。

隐性坑三：字幕和台词不同步。先剪画面后配音，或者先配音后改台词，都会错位。解法：先定台词文本，再配音，最后调画面时长对齐。

从第一集到第十集：把流程变成可复制的SOP

做完第一集，你会发现真正难的不是技术，是”每次都从头想”。所以从第二集开始，要把流程写成清单，变成可执行的标准动作。

一集的完整工作清单

1. 写剧本：用模板B生成，按90秒硬指标修改，改完通读一遍，确认前3秒有钩子、结尾有悬念。
2. 写分镜：用分镜提示词生成表格，检查镜头数8-15、时长80秒以内、场景是否都在清单内。
3. 画镜头：逐行出图，每个镜头双参考（角色卡+场景底图），一次四张选一张。
4. 剪成片：导入图片 → 配音分句 → 对时长 → 加运镜 → 加字幕 → 加转场和配乐。
5. 导出检查：比例、分辨率、帧率、MP4；完整看一遍，检查三处关键节奏。
6. 归档：本集所有场景底图、新出现的角色卡、记录表、成片，全部进对应文件夹。

效率提升的三个具体动作

动作一：批量生成，批量挑选

不要把每个镜头都单独停下来挑图。一次出4张、直接选一张、进下一个镜头。等到整集出完，再回头统一看一遍。这样能避免”在一张图上纠结半小时”。

动作二：把常用的固定文本存成”模板块”

画风词模板、负面词清单、分镜表格头、剧本结构模板——全部存在一个文档里，每次直接复制。这些东西改一次全剧生效，是最高性价比的自动化。

动作三：建立”角色资产库”

每部剧做完，把所有角色卡归档到一个总库。以后做新剧，如果角色类型相似，可以直接复用或微调。做得多了，你的第一个镜头能在十分钟内出现在画面上，而不是从零开始描述一张脸。

一些关于AI漫剧的判断

判断一：手搓不是低配，是可控

很多人期待”一键做漫剧”的工具。确实有，但它们的通病是”不可控”：你不知道它为什么这样剪、这样配、这样选图，出了问题也无从下手。手搓的价值不是省钱，是每一个变量你都知道在哪、都能改。做一部能迭代的剧，靠的正是这种可控性。

判断二：AI替代不了导演的判断

豆包能写出不错的台词，即梦能画出不错的画面，剪映能做出不错的节奏——但”这一集到底好不好看”这个判断，永远在人身上。哪些镜头该删、哪句台词该改、哪个悬念该留，这些是导演的活。工具越多，判断力越值钱。

判断三：节奏才是漫剧的战场

回到开头那句话：漫剧的竞争力在节奏，不在画面精度。画面只要过了”不崩””统一””好看”这三道线，观众就不太在意了。真正让一部剧被追着看、被转发的，是每一集结尾那个”想看下一集”的痒。这也解释了为什么最有价值的工作，是在豆包里写剧本和分镜的那几个小时。

判断四：资产会滚雪球

坚持做下去，你累积的不是”作品数量”，而是”资产”：角色卡库、场景底图库、提示词模板块、音色配置表、节奏配方。第五部剧的你，和一个刚买账号的新人，用的是同样的工具，但效率完全不在一个量级。

FAQ：新手最常问的六个问题

1. 做AI漫剧需要付费吗？

三个工具都有免费额度：豆包和剪映的基础功能可以免费使用，即梦AI有每日免费点数。对新手来说，先用免费额度把第一集完整做出来，验证自己是否真的喜欢这件事，比什么都重要。具体各家的付费政策和积分规则会调整，以你打开时的官方页面为准。我的建议是：先零成本做完一集，再决定是否投入。

2. 多久能做一集？

第一集最慢，因为要调角色卡、定画风、摸索提示词，可能花掉大半天甚至更久。从第二集开始，因为所有资产都在，熟练后单集可以压缩到一两个小时以内（不含生成时的等待）。这不是精确的数字，取决于你的熟练度、镜头数量和生成速度。关键是：把第一集的投入看作”建立资产”，而不是”做一集”。

3. 角色为什么总变脸？

三个原因，按概率排序：第一，没做角色卡或角色卡只有单视角，AI没有一致的参考；第二，参考权重设错，太高画面僵、太低五官跑；第三，每次都在文字里重新描述长相，描述略微不同，AI就画成不同的人。解法是对应的：做三视图角色卡、把参考权重固定在0.6-0.7、每个镜头都用同一张角色卡垫图。

4. 画风总是前后不一致怎么办？

检查两件事。第一，画风词是否每个镜头一字不差；很多人会”顺手”改两个字，结果整张图的风格就偏了。第二，场景是否复用了同一张底图；如果每个镜头的背景都重新生成，画风一定会跳。把画风词模板和场景底图都固定下来，九成的问题会消失。

5. 为什么我做的漫剧像PPT？

99%的原因是图片时长太长。一张图停4-5秒，即便加了运镜，也还是”会动的图”。解法：把图片时长压到1.5-2.5秒，情绪段落用1.5秒快切，并且让镜头有剪辑意识——不要每个镜头都用同样的缓推，用推、拉、摇、移交替，和画面里的动作方向匹配。节奏一变，PPT感自然就没了。

6. 一个人能同时做几部剧吗？

不建议。AI漫剧的瓶颈不在工具，在注意力和一致性。同时开两部，很容易把角色卡、台词、音色搞混，最后两部都做不下去。更好的策略是：先完整做透一部8-12集的短剧，把资产库和SOP跑顺，再考虑扩展。第一部剧跑通，后面的效率是指数级的。

写在最后：今天就动手做第一集

看完这篇，你手里其实已经有了一整套可以直接抄的流程：立项单、剧本提示词、分镜提示词、角色卡提示词、负面词清单、90秒节奏配方、剪辑参数。这些东西拼起来，就是一条从想法到成片的完整路径。

剩下的，只是动手。建议今天只做最小的一步：打开豆包，用模板A生成一份全局设定，看看你脑子里的那个故事，变成文字是什么样子。这一步花不了半小时，但它是整部剧的起点。

然后明天，做完角色卡；后天，画出第一场景的底图；再往后，一个一个镜头。第一集做出来的时候，你大概率会嫌弃它——脸有点崩，节奏有点拖。没关系，那条片子最大的价值不是它本身，而是它把整条链接通了。第二集，你会比第一集快一倍；第五集，你就有了自己的节奏感。

所谓手搓，说到底不是低配，而是一种清醒：你知道每一步在做什么，也知道哪一步值得多花时间。工具会变，模型会升级，但”把AI当剧组，而不是当画笔”这件事，会一直管用。