跑了三集AI漫剧，分镜和提示词说点实在的

最近接了个竖屏AI漫剧的活，三集每集40秒，两个角色，场景基本锁死在一个咖啡馆里。我翻了一圈AI漫剧制作平台，从分镜到出图到合成全跑了一遍，中间返工了不下五六次，今天把真正管用的部分拎出来，省得你们再走我那条弯路。

分镜先别急着画，先把动作拆干净

很多人拿到剧本直接往AI漫剧制作平台里丢一大段文字，出来的画面全是"正确的废话"——人物站那儿，背景是咖啡馆，然后呢？没了。我的做法是把每集拆成8到12个分镜，每个分镜只写一个核心动作，别贪多，一镜里塞两个动作基本就废了。

比如第一集开场，我拆成四步：推门两秒、环顾三秒、落座两秒、对面角色抬头三秒，而不是写一句"一个人走进咖啡馆坐下了"。具体格式我固定成三行——镜头类型、角色动作（一个动词为主）、表情或视线方向，这样喂给生成器画面不会乱飘，角色不会莫名其妙转个方向。

另外场景描述我写死一段话反复用："室内，暖光，木质吧台，背景有书架和两盆绿植，色调偏琥珀色"。角色外貌也锁死，别每镜改一个形容词，不然脸会飘。有个小细节，平台自带分镜模板默认每镜五秒，我觉得对漫剧来说太拖了，手动改成三秒节奏会紧很多，40秒的片子能塞下十来个信息点。

提示词我磨了两周才不崩

说个真事，我第一版提示词是"一个穿白衬衫的年轻男人，表情惊讶，在咖啡馆里"，出来的人穿灰色西装、表情微笑、背景是图书馆。我连着调了四天换了各种写法，最后发现AI漫剧制作平台对提示词的理解跟你想的不太一样，它不是读句子，是抓关键词权重，你写得多它反而挑不出重点。

我后来把每条提示词改成固定结构，按顺序写，别跳步也别加戏。核心原则是角色用编号（A、B）不用全名，动作一个动词带完别写复合句，环境色调最后补一句就够了。具体顺序如下：

• 镜头景别：中景 / 近景 / 特写，只写一个
• 角色编号加动作：例如"角色A双手撑桌，身体前倾"
• 表情过渡：最多写两个状态，例如"从平静变为错愕"，写三个就乱了
• 环境和色调：最后补一句，"背景虚化，暖色调"
• 负面提示词：精简到五条以内，别抄一整屏

还有个坑：我一开始负面提示词抄了十几条"no extra fingers, no blurry face, no distorted hands"之类的，结果画面反而发灰、细节丢失，人脸五官模糊。后来砍到五条最关键的，出图质量反而稳了，手指没那么多六根的情况。

角色一致性卡了我一整晚

这是我最头疼的一步。两个角色在同一个镜头出现时，AI漫剧制作平台经常会把B的脸画成A的五官，或者A的发型莫名跑到B头上，颜色对得上但五官全串了。我第一反应是在提示词里把两人外貌描述全写一遍，效果一般，该混还是混，改了半天没用。

后来我换了个笨办法：分开生成两个角色的半身像，后期在剪辑软件里合成同框镜头。这招的前提是同框镜头不能太多——我三集片子里同框镜头总共只有五个，忍一下手动拼，剩下的单人镜头直接出。同框那五个我专门把景别拉到中远景，脸部占比小一点，混血感就没那么明显，观众不太看得出来。

说句实话，纯AI出同框多角色的画面，现在还是不太行，我在特种猫社区发帖问了半天也没找到特别靠谱的解法。如果你片子同框镜头超过七八个，建议前期分镜就规避，别跟自己较劲，真不如老老实实找画师补几个关键帧，时间成本反而更低。

出图之后剪辑的几个小习惯

图出来只是半成品。我在AI漫剧制作平台导出的素材默认24帧，但我成片用30帧，中间得插帧，不然动作衔接有顿挫感，角色转头那个瞬间会卡一下。镜头之间我留0.3秒硬切，不加转场动画——漫剧本身是静态图加微动效，再叠花哨转场反而显得廉价，观众会觉得你在凑时长。

音效这块我比较抠，不是随便铺一条BGM就完事。我每次导出素材后第一件事是把时间线跟分镜对齐，然后按每个动作节点叠短音效，BGM和音效的层次不能混，具体叠法我列一下：

• 环境音铺一条底：咖啡馆的杯碟声、远处模糊人声，音量-20dB
• 每个分镜动作节点叠短音效：推门"吱呀"、落座"咚"、椅子响"沙"
• BGM别全程拉满，角色对话时压到-12dB左右，否则台词听不清
• 片尾最后一镜留1.5秒静帧加渐黑，别硬切黑场

最后一步我在时间线上把每镜时长再微调一次。平台出图时长是固定的，但叙事节奏不是——反应镜头我从三秒压到两秒，情绪留白我拉到四秒。这步不能省，省了整部片子就是PPT轮播，观众三秒就划走了，你前面再怎么磨提示词都白搭。

整体跑下来，三集40秒从分镜到成片我花了五天，其中两天全耗在角色一致性上。这套AI漫剧制作平台的流程比较适合角色少、场景固定、以对话和表情驱动的小体量漫剧，动作戏或大场面群戏现阶段还是不太行，别硬上。我平时在特种猫社区跟同行交流比较多，最近那边在搞短剧创作大赛，有提示词写法上的问题或者想看别人怎么拆分镜的，可以过去逛逛。