AI漫剧制作全流程教程，从脚本到成片怎么操作？

学完这篇，你能拿到一条从脚本到成片的 AI 漫剧完整流水线，按步骤照做就能产出第一集 1 分钟左右的成片。

第一步：写脚本，产出一张能直接开工的分镜表

这一步的目标是把一个故事想法变成表格，每行对应一个镜头，后面所有环节都按这张表走。

打开豆包或 Kimi，把下面这段提示词粘进去（把方括号内容换成你的设定）：

你是短剧编剧。写一个 [都市逆袭] 题材的 AI 漫剧脚本，共 1 集，时长 60 秒。输出 Markdown 表格，字段为：镜号、时长(秒)、画面描述、台词、情绪。要求 20 个镜头以内，每镜 3-5 秒，画面描述只写视觉可见内容（人物、动作、场景、光线），不写心理活动。

拿到表格后自己过一遍：台词是否口语、镜头是否够碎。AI 写的第一版通常镜头太长，手动拆成 3 秒一镜。

注意：画面描述里出现"他想起三年前"这类内容，画图环节会直接失效。所有回忆、心理活动都必须改写成具体画面，比如"闪回：雨天街道，少年跪在地上"。

第二步：定角色形象，锁定全片一致性

这一步要产出主角的标准形象图，后面所有分镜都基于它生成。

用即梦 AI 网页版（jimeng.jianying.com）。左侧选「图片生成」，模型选「图片 3.0」，比例选 9:16，风格选「动漫」。提示词结构写成：角色名 + 年龄性别 + 发型发色 + 服装 + 表情 + 半身/全身 + 纯色背景。例如：林小雨，20岁女生，黑色长直发，白色衬衫配深蓝西装外套，冷静表情，半身像，浅灰纯色背景，动漫风格。

生成 4 张里挑最满意的一张，点图片右下角「…」→「保存到资产」，命名成 主角_林小雨_标准图。配角同样操作。

如果用 Midjourney v6.1，在提示词后加 --cref 图片链接 --cw 100 来锁角色。

注意：角色一致性是漫剧最容易翻车的地方。不要指望每次都靠文字提示词生成同一个脸，必须用参考图，否则观众三集之后就认不出主角。

第三步：批量生成分镜图

按分镜表逐镜出图，每镜一张 1080×1920 的静态画面。

回到即梦「图片生成」，点「参考图」上传第二步的标准图，参考强度拉到 0.5-0.6。提示词 = 分镜表里的「画面描述」+ 镜头语言（特写/中景/远景）。比例保持 9:16，分辨率选 1080×1920，一次生成 4 张挑 1 张。

导出时按 01_林小雨_办公室.png、02_林小雨_街头.png 的格式命名，序号跟分镜表镜号对齐，后面剪辑对位能省一半时间。

注意：参考强度别超过 0.7，否则人物会被锁死在标准图的姿势上，动作全废；低于 0.4 又锁不住脸。0.5-0.6 是实测比较稳的区间。

第四步：图生视频，让画面动起来

把每张静态图变成 3-5 秒的动态镜头。

打开可灵 AI（app.klingai.com），左侧「视频生成」→「图生视频」，模型选「可灵 1.6」，上传第三步的图片作为首帧。提示词只写运动，例如 人物轻微呼吸，头发随风飘动，镜头缓慢推近。时长选 5 秒，生成模式选「高品质」。

需要两个镜头无缝衔接时，用「首尾帧」功能：上传 A 镜的末帧作首帧、B 镜的首帧作尾帧，可灵会自动补中间过渡。

注意：提示词里不要写剧情、不要写情绪，只写物理运动。写"她愤怒地转身"大概率会崩脸；写"人物头部轻微转动，衣角飘动"成功率高得多。转身、走路、手部特写是三大高危动作，尽量用中近景规避。

第五步：配音，一个角色一条音轨

给每个角色配上固定音色，全片不能换。

打开剪映专业版（6.x 版本），点「文本」→「默认文本」，把台词粘进去，选中文本后在右侧「朗读」面板选音色，点「开始朗读」。多角色就建多条文本轨道，每条选不同音色（如男主用「译制片男声」，女主用「少女音」）。

对话节奏对不上画面时，拖动音频块边缘做微调，或用「变速」0.9-1.1 倍微调，别超过这个范围否则会变调。

第六步：剪辑合成

把所有素材拼成一集成片。

剪映专业版新建草稿，比例选 9:16。按镜号顺序把第四步的视频拖到主轨道，第五步的配音拖到音频轨。点右上角「音频」→「音乐素材」加 BGM，音量拖到 -18dB 左右，别盖过台词。转场统一用「叠化」0.3 秒，不要每个镜头换一种。

字幕用「文本」→「智能字幕」→「识别字幕」，识别完手动改错别字。

第七步：导出

点剪映右上角「导出」，分辨率 1080P，码率选「推荐」，帧率 30fps，格式 MP4，文件名按 剧名_第01集.mp4 命名。

小结

• 分镜表是整条流水线的图纸，镜头拆到 3 秒一镜，画面描述只写看得见的东西。
• 角色一致性靠「标准参考图 + 0.5-0.6 参考强度」，不靠文字描述。
• 图生视频的提示词只写运动，不写剧情，避开转身和手部特写。
• 配音一个角色一条音轨，音色全片锁死。
• 剪映里 BGM 压到 -18dB，转场只用一种，导出 1080P/30fps。