零基础做AI漫剧全攻略：剧本到角色设计完整教程

AI漫剧正在成为内容创作的新赛道。随着Gemini 3、GPT Image等大模型能力的跃升，把一部小说转化为电影级分镜、生成统一的角色形象、一键导出成片，已经不再是专业团队的专利。B站UP主初一在最新的教程中拆解了一套完整的AI漫剧制作流程，即便是从未接触过剪辑的纯小白，也能独立产出一部完整作品。

本文基于该教程整理，重点讲透最核心的前两步——剧本创作与角色设计，帮你把基础打牢。

只需三个核心工具，基础功能全免费

很多人以为做AI漫剧要装几十个复杂软件，实际上核心工具只有三个，而且基础功能全部免费。

• 即梦：负责生成静态画面和动态视频。做短剧情练手，免费额度完全够用；若要稳定更新几十集的长篇账号，开会员的性价比也较高。
• 豆包：整个流程的"内容大脑"，写剧本、出设定、改文案全靠它完成。教程中所有创作方法用豆包即可落地。
• 剪映：最后把生成的视频拼接起来，加字幕、配音乐、导出成片，操作简单，看两遍就能上手。

完整的学习体系被拆成七个模块：剧本与角色设定、图像生成、动态效果制作、音视频创作、剪映成片、接单变现、发布运营。本文聚焦最关键的前两个环节。

AI剧本创作：掌握万能提示词三要素

"AI写的剧本没法用"是新手最常见的抱怨，但问题的本质往往不在AI，而在于你不会正确提问。教程总结出一套万能提示词的三要素框架：

三要素框架

第一，角色身份设定。给AI贴一个专业标签，让它站在专业角度思考。写都市职场剧本，就设定为"从业二十年的都市剧资深编剧"；写儿童向内容，就设定为"资深儿童绘本作家"。身份定得越准，内容专业度越高。

第二，具体需求描述。题材、时长、风格、核心要点、背景设定全部讲清楚，别让AI去猜。你说得越具体，输出才越精准。

第三，输出格式要求。直接告诉它你想要什么样式，省得后期反复返工。比如"输出15个分镜，每个分镜对应4秒画面，包含视觉描述、台词和镜头运动"。

教程用一个实例验证了身份设定的威力：同样问"年轻人为什么喜欢国风手作"，把AI设定为"国风文创店店长"时，得到的是文化情绪共鸣、个性表达、情绪价值等运营视角的答案；换成"普通消费者"身份，答案则变成拍照出片、不撞款、有氛围感。身份不同，输出完全不同。

这套三要素框架本质上是"角色扮演提示词工程"（Role-based Prompting）的实践应用。大语言模型在训练时吸收了大量不同职业、不同视角的文本，通过给模型赋予具体身份，相当于激活了它在对应领域的知识分布，使输出更贴近该领域的专业表达习惯和思维框架。"输出格式要求"这一要素则对应"结构化输出"技巧——明确规定镜号、时长、景别等字段，可以让模型的生成结果直接与后续工具（如即梦的分镜输入）对接，减少人工二次整理的损耗。对于新手来说，三要素框架最大的价值在于把"我想要什么"这个模糊的心理诉求，拆解成模型能够稳定响应的结构化指令，从而大幅降低多次反复沟通的概率。

三种剧本生成方法：从快到稳

教程给出三种剧本生成路径，可根据需求灵活选择。

方法一：直接输出完整分镜剧本

最大优势是快，一步到位，适合赶稿或临时要方案。用三要素框架发一条指令，比如"假设你是顶尖治愈系画师，创作一个以海滨渔村为背景的短片脚本，15个镜头，每镜不超过4秒"，即可直接出分镜。

缺点也明显：辞藻过于华丽，像"细碎金光落在微波上"这类抽象描写，后期AI生成视频时识别不到。解决办法是追加一条指令，要求"描述直白具象，少用抽象修辞，方便AI生成画面"。

方法二：先生成故事再转分镜

这是教程最推荐的稳妥做法，逻辑稳、bug少。先让AI写一个400到500字、情节闭环的完整故事，理顺逻辑后再拆成分镜。

关键在于生成故事后一定要通读，检查有没有逻辑不通的地方。确认无误再让AI创作分镜，输出会包含镜号、时长、画面描述、景别、角色动作、音效和对白，每个时长控制在4秒内。这样出来的分镜故事逻辑通顺、画面描述落地，踩坑概率远低于方法一。

方法三：借鉴爆款框架二次创作

最稳妥、最容易出结果，适合想做账号或跑变现的人。别人的爆款框架经过市场验证，你只需把角色、场景、道具替换掉，就是一个全新故事，风险低、起号快。操作时把爆款故事复制到新对话，让AI"参考上面的故事框架，替换角色、场景、核心道具，创作全新的治愈成长故事"，既保留爆款节奏又不撞款侵权。

选择建议：新手入门优先方法二；想快速起号做账号选方法三；赶时间出初稿用方法一。

剧本必须人工审核

教程反复强调：垃圾剧本必然做出垃圾视频。一集卖剧不过一到三分钟，文案几百上千字，通读一遍花不了几分钟。小细节直接改；若是整体框架、核心冲突或叙事节奏的大方向问题，就整理出具体修改指令（如"增加反转""缩短铺垫"）反馈给AI二次生成。别图省事，等画面做出来才发现剧本有问题，返工既费时间又浪费金钱。

角色设计：解决人脸崩坏的关键

新手做卖剧最头疼的就是人脸崩坏——同一个人上一镜头这样、下一镜头就变了，观众直接跳戏。角色设计有两个核心意义：

• 统一性：同一角色的发型、服装、五官特征在不同场景保持一致，不能前一镜头高马尾、后一镜头齐刘海。
• 氛围契合：治愈系故事配柔和Q版造型，悬疑故事配冷峻写实风，画风要与故事调性匹配。

三种角色设计方法

方法一：剧本驱动提示词生成。最省事，把定稿剧本上传给豆包，先让AI提取所有人物（检查有无遗漏），再让它以"顶尖角色设计师"身份设计出Q版角色的外貌提示词。注意正向和负向提示词都要复制粘贴到图像生成对话中。想省成本用豆包，想要更好效果可用即梦模型。

方法二：参考图定风格。如果你找到了喜欢的画风却说不清具体风格，直接把参考图上传给AI学习，再生成角色。找灵感可打开即梦的"灵感"板块搜索关键词，或直接截取喜欢的图给豆包，让它"参考这张图的绘画风格生成角色，风格与参考图完全一致"。

教程指出，用参考图生成的角色画风与原图高度一致，比纯文字描述精准得多。想保证全篇画风统一，参考图是最可控的方法。

方法三：AI辅助快速出稿。适合项目初期头脑风暴，不用参考剧本也不用参考图，直接给指令（如"生成2D水彩Q版10岁女孩形象"），速度快、迭代灵活，不满意可继续微调发色、服装等细节。

选择建议：只定出稿方向用方法三；正式定稿推荐前两种。无论哪种，生图前都要先明确画风到底是2D插画、CG动画还是水彩风格，有参考图时优先用参考图，"比你写100句提示词都管用"。

AI生成图像中人脸不一致的根本原因，在于当前主流的扩散模型（Diffusion Model）每次生成都是独立采样过程，并不天然具备跨图像的"角色记忆"。即梦、Midjourney等工具通常通过"参考图风格迁移"或"IP-Adapter"类技术，将参考图的特征向量注入生成过程，从而约束输出的外观一致性。这也解释了为什么教程反复强调参考图比文字描述更可控——文字描述依赖模型对词语的语义理解，存在歧义空间；而参考图直接提供视觉特征向量，约束更精确。在实际操作中，除了参考图之外，保持同一个对话上下文、不更换模型版本、固定随机种子（Seed）也是维持角色一致性的常用辅助手段。

核心要点总结

把整套方法论浓缩为三条原则：

1. 剧本创作用万能公式：三要素框架能避免反复与AI来回唠叨。
2. 角色设计要统一画风与氛围：确保角色形象与故事背景高度契合，兼顾视觉辨识度和情感共鸣。
3. 人工审核是底线：无论剧本还是角色设计，都要经过人工把关。

新手做分镜，先把故事写好再拆分镜，能有效降低门槛、积累经验；想快速起号，借力爆款二次创作能大幅压缩时间成本。正如教程结尾所言："创意源于积累，执行重于空想。"从第一个剧本开始动笔，经验才会慢慢累积。