想象一下，你脑海中那个跌宕起伏的赛博朋克悬疑故事，或者轻松搞笑的都市日常，现在只需要一台电脑，就能在几个小时内变成画面精美、配音生动的漫剧视频。这不是科幻电影里的场景，而是目前圈内正在跑的 AI漫剧自动化工作流。今天就把这套从剧本到成片的完整实操经验全盘托出，不藏私，直接带你跑通全流程。

剧本与分镜：用大模型搞定故事骨架

做漫剧第一步不是直接画图，而是写剧本和分镜。很多人一上来就写画面提示词，结果故事逻辑稀碎。我习惯用 Kimi 或者 通义千问 来梳理故事线。先让大模型帮你把大纲写出来，然后再拆解成具体的分镜脚本。

分镜脚本的核心是“画面描述”和“镜头语言”。你可以直接复制下面这段提示词，让大模型帮你生成标准化的分镜表格：

你现在是一位专业的影视分镜师。请根据我提供的故事大纲，将其拆解为15个分镜。每个分镜需要包含以下字段：镜号、景别（特写/中景/全景等）、画面内容（详细描述人物动作、表情、环境光影）、镜头运动（推/拉/摇/移/固定）、台词/旁白。请确保画面描述具有强烈的视觉冲击力，适合转化为AI绘画提示词。我的故事大纲是：[在此输入你的大纲]

拿到分镜后，我们需要把“画面内容”翻译成 Midjourney 或 Stable Diffusion 能懂的提示词。这里有个小技巧：把人物特征、环境、光影、摄像机角度分开写，用逗号隔开，不要写成一长串没有逻辑的句子。

角色设计与一致性控制：打破换脸魔咒

做连续剧最怕主角下一集就换脸。在 AI漫剧自动化工作流 中，角色一致性是重中之重。目前最稳妥的方案是使用 Midjourney 的角色参考功能，或者 ComfyUI 的 IPAdapter 节点。对于新手，我强烈推荐 Midjourney 的 --cref 参数，操作门槛最低。

首先，你需要生成一张非常满意的主角正面全身照，作为“种子图”。拿到这张图的链接后，在后续生成所有包含该角色的分镜时，都要带上这个链接和权重参数。

一个年轻的赛博朋克黑客女孩，穿着黑色机能风外套，戴着发光的战术护目镜，站在霓虹灯闪烁的暗巷里，雨水打湿了她的头发，电影级光影，赛博朋克风格，8k分辨率，极高细节 --ar 16:9 --cref [你的种子图链接] --cw 100

注意 --cw 100 这个参数，它表示参考整张图片的特征（包括脸和衣服）。如果你只想保持脸部一致，想换衣服，就把权重改成 --cw 0。另外，每次生成后，挑出最像的一张，替换掉旧的种子图，这样能防止特征在多次生成后逐渐偏移。

动态生成与运镜：让静态画面产生电影感

静态图生成好之后，接下来就是让画面动起来。目前做图生视频，可灵AI 和 即梦AI 是性价比和效果最好的两个选择。把 Midjourney 生成的图喂给它们，加上运镜提示词，就能得到几秒的高质量动态素材。

这里最大的坑是“动态幅度”。AI 视频模型对物理规律的理解还不够完美，动作幅度太大极易出现肢体扭曲或脸部崩坏。实操时，一定要控制运镜和人物动作的幅度。

电影级镜头，缓慢向前推镜头，女孩微微转头看向镜头右侧，眼神警惕，头发和衣服随着微风轻轻飘动，背景霓虹灯闪烁，景深效果，高帧率，平滑运动，物理规律真实

提示词里多用“缓慢”、“微微”、“轻轻”这类限制幅度的词。如果是大场景，可以多用“平移”、“环绕”等镜头运动词汇，减少人物本身的复杂动作。生成时记得开启“专业模式”或“高画质”选项，虽然耗费积分多一点，但成片质感完全不是一个级别。

配音剪辑与成片：音效人声完美融合

素材都齐了，最后一步就是进剪辑软件组装。剪映专业版 足够应对90%的需求。配音方面，如果不想自己录，可以使用 魔音工坊 或者 剪映自带的文本朗读。选声音时，注意语速和情绪要贴合角色设定，悬疑剧选低沉冷静的，搞笑剧选活泼跳脱的。

漫剧的灵魂其实在音效（Foley）。很多新手剪辑只铺BGM和人声，画面看起来就像PPT。你需要根据分镜，手动添加脚步声、衣服摩擦声、环境音（如雨声、风声）、甚至是技能释放的音效。

  • 环境音垫底：全程铺一层微弱的场景白噪音，让空间感更真实。
  • 动作音效卡点：人物转身、拔枪、开门，音效必须和画面动作严格对齐，误差不要超过两帧。
  • BGM起伏：高潮部分推高音量，对话时自动闪避（降低音量），剪映里开启“音频闪避”功能就能一键搞定。

把视频、人声、音效、BGM分轨对齐，导出时选择 1080P 或 4K，码率拉高，一部完整的AI漫剧就大功告成了。

常见问题

在AI漫剧自动化工作流中，如何保持角色在不同分镜中的长相一致？

核心是使用角色参考功能。在 Midjourney 中，先生成一张标准的角色正面图作为种子，然后在后续所有提示词末尾加上 --cref [种子图链接] --cw 100。如果衣服需要变化，将 --cw 改为 0 即可只固定脸部。建议每生成5张图就替换一次种子图，防止特征衰减。

生成的动态视频经常出现人物脸部崩坏或肢体扭曲怎么解决？

这是因为动作幅度超出了AI模型的物理理解极限。解决办法是做减法：在提示词中加入缓慢、微小动作等限制词，尽量用镜头运动（如推、拉、摇）来代替人物的大幅度肢体动作。此外，尽量使用首尾帧控制功能，指定运动的起始和结束画面，能大幅降低崩坏概率。

新手跑通这套AI漫剧工作流大概需要多少预算和时间？

预算方面，Midjourney 基础会员加上 可灵AI 或 即梦AI 的会员，每月工具成本在200元以内。时间方面，熟练后制作一部3分钟（约30-40个分镜）的漫剧，从写剧本到最终剪辑导出，大概需要 6-8 小时。前期摸索阶段可能需要一两天。