下班路上刷到一条AI漫剧的热榜说实话我盯了很久了。这阵子“AI漫剧”“AI短剧”确实有点泛滥从3分钟反转小剧场到连载条漫动画到处都能刷到但绝大多数都是专业团队在秀肌肉动不动就是几十人的AI工作流普通人看了根本学不会。我也就趁下班后那几个小时亲手走了一条完整流程从写文案、画分镜、出图、做成动态、配音、剪辑到导出成片全程用自己能搞定的工具把真实耗时、每笔花费和最终成片效果全记录下来。这篇不是给团队看的方案汇报就是一个下班后折腾AI漫剧的完整现场记录想自己上手试的人应该能直接用上。1. AI漫剧到底在做什么先说清楚我这单的思路1.1 为什么选“漫剧”而不是真人短剧我一开始也纠结过同样是做短视频真人短剧和漫剧哪个门槛更低答案其实很干脆真人短剧要演员、场地、服化道、灯光、摄影哪怕拍一个3分钟的片段对普通人来说都是几个周末都搞不定的事情。而AI漫剧本质上是用AI绘画生成画面、用AI视频工具让画面动起来、再用AI配音把台词念出来核心资产是“提示词”和“后期审美”不用出门不用约人一个人就能闭环。当然漫剧也有自己的难处最典型的就是画面一致性。真人拍出来的脸是同一个演员但AI生成的每一帧脸都有可能不一样第一次跑图的人会被这个坑整崩溃。所以我在做之前就定下了思路不追求电影级的画面精度优先保证故事节奏、人物辨识度和整体风格统一。这三点能做到观众就能看得下去。1.2 先定故事再做分镜而不是先调工具很多新手包括我一开始也犯过毛病先下载了一堆AI工具挨个试生成效果试了两小时之后发现一个完整画面都没有人却已经累得不行了。正确的顺序是先定故事和脚本。脚本决定了分镜数量分镜数量决定了出图量和视频生成量进而决定花费和时间。什么工具在第几步用完全由内容反过来推导。我选的题材是古风奇幻轻喜剧主线很简单一个现代社畜穿越到古代给王爷当“文案师”被要求“日更三千字否则扣俸禄”他悄悄用AI写稿最后发现王爷也是穿越过来的。这个剧情的优势是场景少、人物少、情绪转折清楚15个分镜就能讲完特别适合第一次试水。我把自己在制作时用的完整分镜表也一并放出来后面在实操部分会细说。1.3 全流程分阶段拆解适合碎片时间下班后做视频最怕什么最怕每次打开工程文件都要白白花半小时回忆上次做到哪里了。我的解决办法是按交付物划分阶段一个阶段对应一个工作日的晚上比如周三是“文案分镜”周四出图周五跑视频周末配音和剪辑。每个阶段结束都导出中间文件存到同一个项目文件夹里按编号命名下次直接接着往下做不需要重新暖机。这条经验听着朴素实际做完发现是省时间的最大功臣。2. 工具选型和花费明细哪些钱该花哪些能省2.1 我的工具清单和选择理由我走的是“文生图 图生视频 AI配音 剪辑”这条组合路线每一项工具都先说结论再补充为什么这样选。AI绘图即梦网页版。也不是说别的工具不行主要是它对中国画风的理解更精准古风人物出来不容易翻车而且有每日免费积分新手上去随便造不心疼。如果你对SD或者其他工具更熟完全可以替换但核心提示词逻辑是通用的。AI视频生成可灵网页版。我看重的是它的图生视频能力能把我上面生成的单张静态图变成带运动的小片段而且支持首帧锁定这样人物不会一上来就换脸。单个片段生成5秒左右参数可调对做漫剧来说够用了。AI配音剪映自带的AI音色。先别急着买专业配音软件剪映里自带好几个古风男声和现代青年音色语速、停顿都能调我这条片子里两位主角的配音都是这么解决的。好处是分词条极其方便改错字直接重新生成对应一句不用整个重录。剪辑/字幕/音乐剪映。导出效率高字幕一键识别音效和背景乐曲库也够用个人创作者根本不需要上Premiere。辅助工具DeepSeek/通义千问用来出分镜草图、写旁白初稿和排查卡壳问题。说白了就是“AI搭档”但不依赖它出最终内容所有文案都经过人工口播验证避免写出网感过重但念起来生硬的句子。2.2 每一笔钱花在了哪里我做这条3分12秒的片总花费在45元左右明细如下项目工具费用说明AI绘图即梦会员19元开了月卡换更多积分出图大约120张AI视频生成可灵充值25元15个分镜生成动态片段含重试次数AI配音与剪辑剪映0元用基础AI音色和免费曲库封面/修图醒图0元用免费功能做封面和局部修正加起来44元比我预想中便宜。原因是我严格控制了生成次数绘图阶段同一分镜最多出3组图每组4张挑1张能用的视频阶段每个分镜最多生成3次选最顺的一条。很多AI制作的费用失控纯粹是因为懒得规划反复生成上百次完全没必要。提示如果你完全不想充值绘图和视频的工具都会有每日免费额度只是出图要排队、生成要等普通人最宝贵的其实是下班后的时间所以这40多块钱我花得不后悔。3. 实操全流程从文案到成片的每一步3.1 分镜设计先把故事拆成“能生成”的单位写分镜表是这个项目里最关键的一步。我的方法是给每个镜头写8项信息编号、场景、景别、画面内容、分镜提示词、台词/旁白、音效、时长。这看起来麻烦但到了AI绘图阶段会救你一次到了剪辑阶段还会救你第二次。下面是我的分镜表节选注意每个画面内容和台词都是绑定在一起的镜头场景/景别画面内容台词旁白时长01城外/全景晨雾中的古城门几只鸟飞过旁白穿越第一天我从社畜变成了文字打工人4s02书房/中景男主坐在书案前摊开竹简皱眉“日更三千真当我是码字机吗”3s03书案/特写竹简上出现一行现代汉字“日更三千否则扣俸禄”无台词加悬疑音效2s04书房/近景男主拿起毛笔在纸上写下“AI”两个大字“那就别怪我上科技了”4s05书房门口/中景王爷推门而入身披古风大氅内穿现代西装无台词加皮鞋脚步声3s分镜数量我控制在18个其中8个镜头会生成两段不同动作后期用跳切串联成24个剪辑点总时长刚好3分12秒。如果你第一次做可以先抄这个单位量15到20个分镜单片时长3分钟左右这个体量既不至于做到崩溃又足够把一个完整小故事讲完。3.2 文生图阶段提示词写法和统一人物脸的关键我在出图前把两位主角的外貌描述写成固定文本块每个分镜的提示词里都原样粘贴一遍。固定文本块类似下面这样男主“阿砚”古风青年男子束发黑色劲装面容清俊身材挺拔周身有书卷气配合不同分镜再加上环境描述、镜头语言和画风描述比如阿砚坐在古代书房书案前摊开竹简皱眉暖色烛光近景国风厚涂电影感高细节柔光负片纹理看到这里你应该能明白提示词不是越长越好而是要把“不变的东西”和“变化的东西”分开。不变的是人物外貌、画风、光影基调变化的是动作、场景、镜头距离和情绪。这种方法能让AI在不同分镜里尽量生成同一张脸。选图标准我也总结出来了第一看脸五官崩坏的直接淘汰不要指望后期修第二看构图人物周围要留出运动空间太满的画面跑动态时经常穿帮第三看画面边缘如果有奇怪的物件或者残缺的手脚直接换下一张。每组4张图里能挑出1张满意的就算谢天谢地了。3.3 图生视频阶段怎么让静态图“演”起来把选好的图喂给AI视频工具默认生成5秒动态片段。这里最关键的首帧锁定工具会保留你喂进去的整张图作为第一帧把后续的运动基于这张图展开而不是重新生成一张图再动。如果工具支持“首尾帧”可以再加一张图去控制结束画面。运动提示词也要写我用的句式是“镜头运动 人物动作 情绪 环境动效”举一个实际例子镜头缓慢推近阿砚缓缓放下毛笔抬头看向门口表情从疑惑转为惊讶烛光摇曳窗外有风吹动竹帘但请记住动作幅度越小越好。别指望AI能演“挥剑大战三百回合”它能稳定做出的是转头、眨眼、吹动衣角、慢慢站起身这类小幅度的动作已经很不容易了。幅度一大不是脸崩就是手脚变形成树枝我之前试过一个“大步流星穿过长廊”的分镜生成出来的走路姿势像丧尸出笼最后果断改成“衣袂翻飞缓缓迈步”。每个5秒片段跑出来要等几分钟15个分镜加上重试我花了一个完整周五晚上从8点干到11点半。这一步也是全流程里唯一让我觉得“AI还挺费时间”的环节不过看到画面真能动起来那一刻成就感是真的。3.4 AI配音情绪比音色更重要所有画面搞定之后我进剪映配音。选了一个“古风青年男声”给男主一个“沉稳中年男声”给王爷。这里有个心得AI配音的情绪是标点符号控制出来的。同一句话逗号放在“王爷”前面和放在后面听感完全不同。如果句子平淡我就在句尾手动加“。”和“”到关键台词时把语速从1.0拉到0.95让人物显得沉稳有压迫感反而比一味念快更有戏。配音阶段大概花了40分钟最耗时的是反复听语感和对字幕节奏。如果台词里的“AI”两个字被AI音色念得生硬就拆成“A”“I”两个字母逐字生成再拼到一起这个小技巧实测有效。3.5 剪辑合成节奏是漫剧的命最后一步不是简单把片段拼接而是要处理“呼吸感”。每个分镜生成的5秒视频我不会原封不动用而是按剪辑点切成2到3秒以“台词结束就切镜”为原则进行裁剪。台词说完画面还在拖半秒观众就会觉得节奏慢了台词没说完画面就切了观众又会觉得赶。我剪片时反复调每个镜头的入点和出点大概来回拖了3轮才达到舒服的状态。在这个阶段我还做了三件事第一把背景音乐音量压低到人声的30%左右突出对话第二在音效库里搜索“毛笔写字”“推门”“风声”等关键音效放到对应画面第三用剪映自动字幕识别功能生成字幕再手动修改错别字。导出时我选了1080P 30帧码率拉到较高那一档因为漫剧画面里细小的经文、文字细节被压缩成全屏马赛克就很难看了。4. 避坑实录做AI漫剧最常见的6个翻车点我把这周实测真遇到的和朋友踩过的坑整理了一下里面有不少是文档和教程不会写的问题现象解决思路人物脸不一致每隔几个镜头就换一个人固定人物外貌描述文本原样粘贴到每个分镜提示词里不要精简手部/手指崩坏人物的手像树枝、手指数量不对选图阶段直接淘汰不要试图后期修修不出来动作幅度失控一运动就穿帮、变脸把动作控制在“转头、起身、眨眼、吹衣角”等小幅运动画面风格不统一有的像厚涂、有的像水彩每个分镜提示词都带同样的画风后缀比如“国风厚涂、电影感、高细节”台词和口型对不上念完了还在张嘴片段裁剪以台词结束为准口型不用逐字对上漫剧观众容忍度很高背景音乐压人声人声听不清背景乐音量降到人声的1/3必要时给音乐加自动闪避4.1 关于“画风统一”我踩的最深的坑我第一批图出来的时候非常兴奋因为单看每一张都很漂亮但放在同一个分镜序列里会发现每张图像是不同画师画的第1张厚涂第2张带水彩感第3张又变成日漫赛璐璐风格。这个问题的根源在于我没有固定画风词。后来我把“国风厚涂、电影感、高细节、柔光、负片纹理”这一串画风描述做成一个不变的“画风套件”每个分镜提示词都以这串词结尾。修正之后再出来的图整体观感马上有统一性。如果你用的工具支持风格参考或参考图功能可以把第一张满意的图作为参考图喂进去效果更稳。4.2 关于“生成次数”我算过一笔账我第一晚出图时有个镜头在“主角微笑”和“主角苦笑”之间反复横跳我连跑了6组都没满意积累了一堆废图不说积分和心情都损耗严重。后来我给自己设了硬性规定每张分镜最多跑3组3组里挑不出能用的就修改提示词而不是继续盲目生成。这样做以后出图效率反而提高了因为当你只允许自己试3次就会在写提示词前花更多时间揣摩画面。4.3 关于“音画不同步”的一些经验AI生成视频阶段人物嘴部有细微动作和配音完全对不上是常有的事。漫剧观众其实不会盯着口型看他们看的是字幕和剧情推进。我试过想把每一句台词都卡到口型上结果一个镜头磨了半小时后来放弃了。只要保证在“台词刚开始”和“台词快结束”这两个时间点人物没做特别突兀的动作观众就不会觉得违和。做漫剧真的不用逼自己上“唇形驱动”那一套那是真人级别的要求。5. 最终成片盘点与个人心得先交个底这是我第一次完整做AI漫剧这条路能不能走通看结果就够了。剪辑定稿后我导出了最终时间线总时长3分12秒全片24个剪辑点、18个分镜、两位主角、4句旁白。作为一条下班后做出来的试水作品我自己看下来的感受是可以改善的地方还有很多但整体“能看”的程度是达标的。耗时方面我没有连续用一整块时间而是分了4个晚上阶段具体时间耗时文案分镜表周三晚约1小时AI绘图选图周四晚约1.5小时图生视频生成周五晚约3.5小时配音剪辑导出周六上午约2.5小时加起来不到9小时实际支出44元。这个成本放在短视频行业里几乎可以忽略不计但这并不意味着AI漫剧没有门槛它的门槛已经从“器材和团队”转移到了“故事能力和审美判断”上——你既要会规划镜头又要能判断什么画面舒服什么节奏有问题。最后分享一个我这次做下来以为最“意外”的判断AI漫剧真正花时间的地方不是“生成”而是“筛选和修正”。生成一张图30秒但从一堆图里选出符合剧情、风格统一、还有运动空间的那一张需要的是经验生成一个视频片段3分钟但从三个版本里判断哪个节奏顺、哪个情绪准靠的也是审美。换句话说AI工具把“动手”的成本打下来了把“动脑”的价值放大了。如果你想试一条属于自己的AI漫剧我给的建议是先挑一个3分钟能讲完的小故事不要贪长不要先纠结画质直接在下班的晚上开始动手跑到成片那天你自然就明白下一部该怎么做了。