输入剧本自动生成动漫短剧：Skills全流程实操教程

从剧本到成片：一条全自动的AI短剧流水线

传统动漫短剧的制作往往需要跨越剧本、分镜、配音、渲染等多个环节，对个人创作者门槛极高。而这套基于 Skills（drama auto pipeline）的工作流，把整个链条封装成一个可对话的 AI Agent 流水线——你只需要提供创意或剧本，剩下的角色生成、分镜设计、提示词编写、视频渲染都由 Agent 自动调度完成，人只负责在关键节点审核把关。

据这位 B 站 UP 主的演示，这套系统的核心思路是「人定目标、Agent 干活」。你可以选择完全放权当甩手掌柜，也可以每一步都亲自审核。它的底层是一套内置的标准 SOP 流程，通过 API 调用大模型、图片生成、视频渲染和音色克隆等工具，全程无需接触任何代码。

前置准备：模型选择与积分成本

启动任务前，需要先安装并激活 Skills，然后新建任务、加载 drama auto pipeline 技能。如果对流程不熟悉，可以直接问 Agent「这个 Skills 怎么用」，它会解释这是一条从剧本到成片的全自动/半自动流水线。

模型选择是第一个关键决策。系统提供快速、均衡、极致三档，档位越高推理越深、消耗积分越快。具体模型涵盖了国产主流选择：

• 混元系列：腾讯自研，其中混元系限时免费
• DeepSeek^广告 4.1 flash：0.03 积分/次，性价比高，被 UP 主列为主力模型之一
• 智谱 GLM 5.3 flash：另一主力模型，便宜快速
• Kimi K3、MiniMax M3、DeepSeek Pro：能力更强，适合长文本长链条任务

UP 主的建议很实在：一般功能用 DeepSeek 4.1 flash 或 GLM 5.3 flash 即可；做动漫短剧这种长链条任务，如果积分充裕，可以上 Kimi K3。新用户用微信登录送 2000 积分，每天登录再送 100 积分，测试体验完全够用。

这里提到的各模型在能力与成本上各有侧重，值得简单了解。DeepSeek 4.1 flash 是深度求索推出的轻量推理模型，以极低延迟和Token价格著称，适合频繁调用的流水线场景。智谱 GLM 5.3 flash 来自清华系的智谱AI，同样主打高性价比，在中文理解和指令跟随上表现稳定。Kimi K3 是月之暗面最新旗舰模型，在长上下文处理和复杂推理链上有明显优势，但单次调用成本也更高。在自动化流水线中，模型选择本质上是「推理深度」与「调用成本」之间的权衡：简单的格式化步骤用轻量模型即可，而涉及多轮逻辑判断、长文本生成的导演分镜环节，则更适合能力更强的模型，以减少幻觉和返工概率。

12 步全流程拆解：Agent 如何一步步造片

整套流程被划分为依次进行的步骤，每一步都可以灵活调整或跳过。核心环节包括：

剧本共创与风格审定

第一关是剧本共创——Agent 生成剧本单元后交由你审核，不满意可以打回重改。第二关是风格审定，系统会给出 A/B/C 三个风格选项（如立光青春、日常柔光偶像剧等）并给出推荐理由，你一句话选定即可，也可以要求「换一组」。

资产生成与审核

第三关生成角色、场景、道具资产。图片走「真真工坊」的工作流（约四分钱一张 1K 图，调用 GPT 2.5 模型），音色则调用 breeze TTS 生成。Agent 会为每个角色建立白底图、音色样本并保持人脸和音色的一致性。生成完成后输出一个 HTML 审核页，你检查后不合格就指出问题让它重做。

分镜设计（导演环节）

第四关是中文导演分镜，这是最关键的一步。Agent 会把故事拆解成多个分镜段落，标注场景、人物、情绪、台词和时长，并智能处理前后衔接——延续同一场景时会截取上一段视频的尾帧作为下一段参考，场景切换时则新开镜头。演示中一个二十段、206 秒的短剧就是这样自动排布出来的。

提示词生成与最后关口

第五关生成 MiniMax H3 的视频提示词，这是视频渲染前的最后一道关口。Agent 会逐步拆解镜头设计，检查台词是否超时长上限，遇到问题会询问处理方式（如拆段、压缩台词或延长时长）。UP 主推荐「台词一字不删、直接拆段」的用法。这一步务必审核台词和分镜是否正确。

批量渲染与成片审核

最后是批量生成视频和成片审核。Agent 调用 RunningHub 工作流渲染，全部完成后把分镜拼接成完整成片。哪一段不满意，只需告诉它重抽该段即可。

算力与成本：消费级 vs 企业级 API

成本是实际使用中绕不开的话题。视频渲染通过 RunningHub 工作流完成，涉及两种 API 调用方式：

• 消费级 API（扣 RHB）：无论买什么等级会员，最多并行 5 路。使用 plus 档位（48G 显卡）时约 6 元/小时算力。
• 企业级 API（充钱包）：同时并行数可达 100 个，效率极高，但单价略贵。

UP 主实测，一分钟成品视频（约需渲染 4 个 15 秒片段、每段约 15 分钟）成本大约在 3-4 元（消费级）到 6 元左右（企业级）。演示中一部 20 段、总长 3 分 45 秒的短剧，总花费约 10.25 元，总耗时 3.65 小时。

对新手小白友好的一点是：整套流程通过 API 调用完成，对本地电脑算力没有要求，笔记本只要能上网即可。虽然系统也支持先工云或本地 ComfyUI，但那需要额外的部署和工作流导出，门槛更高，并非最优路径。

RunningHub 是一个云端 ComfyUI 工作流托管平台，用户可以把本地搭建的 ComfyUI 节点图导出后上传至平台，通过 API 远程触发执行，从而把本地对显卡的依赖转移到云端 GPU 集群。**RHB（RunningHub Balance）**是其平台内部代币，可通过会员订阅或直接充值获得，用于抵扣工作流执行产生的算力消耗。消费级 API 与企业级 API 的核心区别在于并行路数：消费级受会员等级限制最多同时跑 5 个工作流任务，而企业级充值钱包后可并行 100 个任务，大幅缩短批量渲染的等待时间，代价是单位算力费用略高。对于偶尔制作短剧的个人用户，消费级通常已足够；若需要批量生产或对时效有要求，则企业级更合算。

双审核机制与「越用越懂你」的智能

这套系统的一个亮点是双审核机制：在你审核之前，Agent 会先按内置规则自审一遍。演示中出现的「班主人脸被裁掉一半」问题，就是 Agent 在自审时发现——它检测到裁剪像素不足，主动纠正并举一反三检查其他资产，还把经验总结沉淀下来，实现「越用越聪明」。

当遇到网络波动、下载失败等问题时，Agent 会自动重试和自我修复。用户只需定好目标、方向和步骤，具体执行交给它。这正是当下与 AI Agent 协作的新范式——人提供判断力，机器承担执行力。

「越用越聪明」这一表述背后，对应的是 AI Agent 的记忆与经验沉淀机制。在 Skills 这类 Agent 框架中，每次任务执行后发现的错误、用户的修改指令以及自审结论，会被写入会话级或持久化的记忆模块。下次执行相似任务时，Agent 可以检索这些历史记录，主动规避已知问题。这与传统软件「每次从零运行」的逻辑不同——它更接近一个在工作中积累经验的助手，而非一个无状态的脚本。需要注意的是，这种学习是基于规则归纳和上下文检索，并非真正意义上的模型权重更新，因此换账号或清空记忆后，积累的「经验」也会随之消失。

使用建议：新手先跟着走一遍

UP 主给出的实操建议很有参考价值：第一次使用不要选全自动，跟着流程一步步走，既能理解动漫短剧的完整制作链路，也能看清每一步的生成过程和参数含义。

熟练之后可以优化节奏：在批量生成视频之前的每一步过一下把关，一旦进入批量渲染就不必盯着——UP 主的习惯是晚上下任务，第二天早上收货，再针对性重抽有问题的片段，或放到剪辑软件里做后期打磨。

需要提醒的是：全自动模式因 AI 存在随机性和幻觉，出错概率更高。如果流程完全不把控，等视频跑完才发现问题，代价会很大。因此关键关口的人工审核仍是保证质量的核心。

此外，前后有衔接的分镜若修改了前一段视频，后一段可能也需要相应调整，或在剪辑阶段修复衔接——这属于后期打磨的范畴。

总的来看，这套 Skills 把动漫短剧的制作模式从「逐环节手工操作」转变为「定义目标 + 节点审核」，用一个对话式平台驱动大模型和各类生成工具协同工作，显著降低了个人创作者的制作门槛和时间成本。