WorkBuddy做AI漫剧全流程：8步从零到成片

AI漫剧在短视频平台快速崛起，但很多人卡在“知道它火，却不知道从哪下手”。B站UP主发布的这套WorkBuddy实战教程，用八步流水线把漫剧制作拆解得清清楚楚。本文基于该教程，结合对WorkBuddy工具能力的分析，梳理出一条可复用的制作路径。

漫剧不是动画：先搞清底层逻辑

教程开篇就点明一个容易混淆的概念：漫剧是“会动的漫画”，本质是在静态分镜画面上做局部动效——推镜头、拉镜头、摇镜头、视差分层，再配上配音和背景音乐，剪成短视频。动画则是一帧一帧画出连续动作，制作成本高得多。

据UP主总结，漫剧有三个显著特点：以竖屏为主，适配抖音、快手、红果等手机端平台；单集很短，通常一分钟上下，前几秒抓不住人观众就会滑走；靠分镜画面加声音讲故事，不需要真人实拍。

正因为制作成本比动画低很多，观感又强于纯漫画，漫剧在短视频平台上的增长势头很猛。

分镜（Storyboard）是影视与漫画制作中的核心概念，指将剧本内容拆解为一个个具体镜头，并用草图或文字描述每个镜头的画面构图、景别、运镜、角色动作与台词。分镜的作用相当于建筑施工图——剧本决定“讲什么故事”，分镜则决定“每个画面怎么呈现”。在漫剧中，分镜脚本是连接文字剧本与AI图像/视频生成的中间层，因为AI生成工具需要明确的画面指令（如“中景、推镜头、角色A转身”），而非文学化的叙事描写。分镜质量直接决定后续图片和视频的一致性，这也是八步流水线中第三步不可跳过的原因。

为什么用WorkBuddy：它不只是聊天框

传统做一部漫剧需要编剧、分镜师、画师、配音、剪辑四五个角色协作，缺一个都难推进。WorkBuddy^广告的定位是“Codex的国内平替版”，界面布局和操作逻辑基本一致，但更适配国内办公软件生态，无需特殊网络配置，且可以免费调用。

它与普通AI大模型工具的本质区别在于几个核心能力：可以选择不同的AI模型作为底层引擎；提供工作空间，生成的内容可以归类保存到对应文件夹；最重要的是“专家”和“技能”两大板块——专家是各个行业的专业角色，如漫剧编剧、漫剧分镜师、美术导演；技能则是图片处理、视频生成等工具。

这套教程共28个知识点，分为入门篇、案例篇、进阶篇和行业篇，配套资料包含安装、案例拆解、Skill定制和行业落地四大板块。

八步流水线：一步都不能跳

UP主把漫剧制作拆成八个步骤，强调这是一条生产线，前一步的产物就是后一步的原料。

第一步：选题策划

确定三件事——受众是谁、题材是什么、画风用什么。受众决定表达方式：18到25岁年轻女性适合填宠逆袭类题材，30岁上下男性则更匹配重生都市战神类。画风要在立项时定死，同一个故事用3D漫剧画风和国风厚涂画风，观感和受众完全不同。这一步输出故事梗概，是整部漫剧的地基。

画风在AI漫剧制作中不仅是审美选择，更是影响生成一致性的技术变量。常见漫剧画风包括3D漫剧风、国风厚涂、日系赛璐璐、美式厚涂等。不同画风对AI模型的理解难度不同：厚涂风格光影层次丰富，模型容易生成统一质感；而线条简洁的赛璐璐风格对角色轮廓一致性要求更高。更关键的是，画风一旦确定，后续所有图片资产和视频生成都应使用同一套提示词与参考图体系，中途更换画风会导致角色形象断裂。因此教程强调“立项时定死画风”，本质上是为后续流水线锁定技术参数。

第二步：剧本创作

把故事梗概扩写成完整文学剧本，明确角色身份与动机、台词内容、每场戏的发生顺序。剧本是后面所有环节的依据，分镜、图片、视频都要回到剧本上来，这一步必须写扎实。

第三步：分镜脚本

把剧本拆成一个个镜头，每个镜头写清楚四样东西：景别（特写、近景、中景、全景、远景）、运镜方式（推、拉、摇、移）、人物动作和台词、镜头时长。分镜脚本是连接剧本和画面的桥梁——剧本是写给文字看的，分镜脚本是给生成画面时用的。

第四步：图片资产

根据分镜脚本生成人物三视图和场景设定图。三视图（正面、侧面、背面）的作用是保证角色在后续视频中转到任何角度样子都一致，不会一张一个样。场景设定图则覆盖故事发生的每一个场景。UP主特别强调，这一步最容易被忽视，却最影响最终结果。

人物三视图（正面、侧面、背面）是动画与漫画行业保证角色一致性的标准做法。在传统手绘中，三视图供画师对照参考；在AI生成流程中，三视图则作为“角色参考图”输入模型，让模型在不同镜头、不同角度下生成同一角色时保持面部特征、发型、服装细节一致。没有三视图，AI容易在不同镜头中生成“长得像但不一样”的角色，观众会明显感到出戏。配合场景设定图，三视图构成了漫剧的“视觉资产库”，后续视频生成阶段每个镜头都从库中调用对应参考图，这是解决AI视频“角色崩坏”问题的关键手段。

第五步：视频生成

用图片资产当参考，把分镜脚本里的镜头一个一个生成视频片段。漫剧不是一次性生成一整集，而是每个镜头生成几秒到十几秒的片段，再拼起来。

图生视频（Image-to-Video）是当前AI视频生成的主流模式：用户提供一张静态图片作为首帧或参考，模型据此生成数秒的动态片段。与文生视频相比，图生视频能更精确地控制画面内容和角色外观，因为图片本身已经锁定了构图与形象。漫剧制作正是利用这一特性——先通过图片资产确保每个镜头画面正确，再让模型在正确画面上添加局部动效（推拉摇移、视差分层）。这种“先图后视频”的分段生成方式，比一次性生成整集更可控，也便于在单个镜头出错时单独重做，而不影响其他片段。

第六步：配音配乐

给视频片段配上角色配音、音效和背景音乐。配音要符合人物身份和性格，音效覆盖打斗声、脚步声、关门声等环境音，背景音乐烘托情绪。没有声音的漫剧观众看不下去。

第七步：剪辑合成

按分镜脚本顺序把片段剪到一起，去掉多余和节奏拖沓的部分，加上字幕，调整人声与背景音乐的音量比例，让人声听得清、音乐不抢戏。

第八步：导出发布

选好分辨率和画幅（竖屏或横屏），与发布平台匹配后导出上传。

八步可以归为三类：一二三步是内容环节，四五步是画面环节，六七八步是后期环节。新手最常见的错误就是跳过前面几步直接生成视频，结果画面乱、人物一张一个样、故事讲不清楚。

一个重要技巧：逐个召唤专家

教程中有一个值得注意的操作细节：在WorkBuddy里应逐个召唤单个专家协作，而不是直接召唤整个专家团。原因是专家团一旦召唤就固定成一个团队，中途想换方向的专家必须重开聊天窗口；而单个专家可以随用随换，每一步召唤对应专家，做完随时切换，灵活得多。

课程规划与实操建议

这个合集的目标是带学习者用WorkBuddy完整做出一段30秒到一分钟的简单漫剧成片。每集只讲一个知识点，进入实操前先用两集讲清流程中会用到的专家和技能，让学习者知道每一步该召唤谁、用哪个技能。UP主为此投入了将近三个月打磨课程，配套资料包含12个常用Skill及更多实操素材。

对零基础学习者来说，这条八步路径的价值在于提供了一张全局地图——先把流程跑通，再逐集填充细节，比一上来就钻工具功能更容易坚持下来。