用AI漫剧生成平台跑了两周分镜，说点踩坑后的实话

我最近想搞一部4集竖屏漫剧，每集3分钟，悬疑向，主角是个修钟表的老人。之前纯靠手绘分镜加外包配音，一集磨两个星期，预算还超了。这阵子我换了一台AI漫剧生成平台来跑全流程，两周出了16集素材，最终剪了4集成片。说点真实感受，有惊喜也有头疼的地方。

分镜脚本我拆了三遍才顺

第一遍我直接拿完整剧本原文往里丢，没做任何镜头标注，出来的分镜全是远景大特写来回切，节奏跟预期完全对不上。对比了几条成功案例的提示词后我发现，AI漫剧生成平台吃的是**"镜头语言"不是"文学语言"**。"他愤怒地摔了杯子"要写成"特写，玻璃杯砸碎桌面，碎片溅向镜头，老人右手悬在半空"，画面质感立刻不同。我最终每条分镜都按下面这三层来写：

• 景别加机位：中近景平视 / 特写俯拍15度 / 全景侧面跟拍，写清楚别含糊
• 主体动作用具体动词：不写"他在看"，写"他侧头，目光从表盘缓慢移到门口，停留一拍"
• 氛围词收尾，一两个就够："冷光、静"比"悲伤、孤独、落寞、压抑"出片效果好得多

第二遍按这个格式重写，16集分镜大概六个小时拆完。第三遍是回头调时长——有几场对话戏我原来给的镜头时长是4秒，生成出来3秒就自动切了，看着像跳帧。我把那些镜头的时长参数手动改成5秒重跑，节奏才顺下来。拆分镜这步比我想的费脑子，但比手绘省了至少一周。

角色一致性这块我真踩了坑

悬疑剧里老人出场频率极高，4集下来他大概有四十多个镜头。我一开始没给角色锚定参考图，每条提示词里都写"六十岁男性，花白短发，灰色工装背心"，结果每镜脸都不一样，有的偏胖有的偏瘦，胡子时有时无。第三集一场推门进屋的镜头，评论区有人问"怎么换了个演员"，我直接裂开。用AI漫剧生成平台做长序列内容，你不主动锁角色，它就每镜自由发挥。

后来我在特种猫的角色库里先单独跑了一张正面半身定妆照，确认满意后锁定为参考图。之后所有涉及他的镜头，提示词里只挂这张图，文字描述只写动作和表情，不再重复外貌。一致性好了很多，但不是百分百——侧脸角度超过60度的镜头偶尔还是会"漂移"，我一般把这种单独重跑，挑最好的那张用。

还有个细节坑：角色手里的道具如果跨镜头出现，比如那块怀表，不锁参考图的话表盘花纹每镜都微调，仔细看会发现不一样。我的处理是把道具也单独存一张参考图挂上去。这步多花了我两小时，但成片看着舒服太多了，观众不会盯着你的表看，但你自己看着别扭那就不行。

配音和节奏我磨了两天

画面出来之后我原以为配音最省事，结果踩了个没想到的坑。我把剧本对白整段粘进去让它自动分配，出来的语速太快，老人说"你听，这钟走得不对"那种句子，正常该慢悠悠带点沙哑，它给的是中年男声、播音腔、语速偏快，完全不是那个味道。后来我改成逐句输入，每句前面加语气标注，比如"（沙哑、慢速、带喘息）你听，这钟走得不对"，效果好了一个档次。

节奏方面，AI漫剧生成平台默认每镜3秒，但我悬疑剧里需要一些"呼吸感"——镜头多停一拍、声音先出来画面再切。我手动把需要留白的镜头加到5到6秒，然后在剪辑软件里把音轨和画面错开0.5秒，模拟"先闻其声后见其人"。这步它本身做不到，但生成的素材时长余量够我后期去调。

BGM也是它生成的，悬疑线我用的关键词是"低频弦乐、单音钢琴、偶尔金属短敲击"，别写"紧张、悬疑、惊悚"这种大词，出来全是罐头音效。写具体乐器和节奏型，底子能用。最后我还在剪辑里叠了一层钟表滴答的环境音，那个是另外录的，它做不了这种极细拟音，但叠上去氛围感差很多。

说几个现在还不太行的地方

最明显的：多人同框。我有一场戏是老人和孙女桌前对话，两人中景对坐，它生成的画面要么两张脸长得一模一样，要么其中一个人六根手指。我跑了七八遍，最终选了"一人正面一人背面"的机位规避。真正需要两个人都露正脸同框的镜头，目前别指望它一次过，还是得后期修或者干脆换机位。

第二个不太行的是长镜头运动。我想要一个从门口慢慢推到老人桌面的2秒运镜，它给出来的是跳切感——开头在门口，结尾在桌面，中间没有平滑过渡。我拆成两个静态镜头（门口全景、桌面特写）用剪辑软件做叠化，勉强糊过去了。如果剧本里大量跟踪镜头或环绕镜头，用AI漫剧生成平台跑会比较痛苦。

不过说回来，对于一个人做、预算有限、出片速度要求高的独立创作者，它把"从0到能看"的时间从三周压到一周，这个效率提升是实打实的。瑕疵有，但瑕不掩瑜，至少让我一个人也能交出4集像样的漫剧，不用到处求人凑钱了。

工具嘛，选适合自己的就行。我后来在特种猫社区里看到不少人也在用类似流程做漫剧，帖子底下经常有人贴提示词截图和分镜对比，比我一个人闷头摸索快多了。如果你也是想用AI漫剧生成平台低成本出片的独立创作者，可以去翻翻有没有人踩过跟你一样的坑。特种猫社区