最近一段时间一直在折腾AI漫剧整套流程反复跑了二十多遍总算把“零基础”三个字从前置条件里划掉了。这套组合就是标题里那三个工具用Kimi K2.5写本子Flux生图Seedance 2.0把静态画面变成能动起来的镜头。三条工具串成一条流水线之后一部三分钟的漫剧从创意到成片一个人窝在电脑前最快一个晚上就能拿出初版。这篇教程我尽量按手把手的方式来写每一步是什么、为什么这么做、踩了什么坑我都会讲清楚零基础的朋友直接照着抄就行。1. 这套AI漫剧流水线的整体逻辑三个工具各干各的活1.1 为什么偏偏是这三个工具做漫剧本质上不是“画漫画”而是把漫画的静态画面变成带时间轴的动态影像再加配音、配乐、字幕和转场。它需要四样东西剧本脚本、画面素材、动态镜头、声音包装。普通人的痛点很清楚不会画画写剧本也没底剪视频还嫌麻烦。三个工具正好对应解决前三样剪辑交给剪映或者必剪这类成品软件收尾。先说Kimi K2.5。漫剧对剧本的要求跟小说不一样它需要的是分镜脚本也就是每个镜头画面里有什么、人物说什么话、镜头怎么切、每段大概几秒。用语言模型来干这件事核心是它能按你给定的字段批量产出规范文本。K2.5在我实测里的优势是长文本稳定性不错三分钟漫剧大概需要二十到三十个分镜它一次输出不太会写到一半开始重复或者逻辑断线这对后续生成图片和视频很重要。Flux负责生图。市面上生图模型很多但漫剧对画风和一致性要求高。Flux对中文理解不算强项但通过英文提示词驱动时它在构图、光影、写实人物细节上都有比较稳的表现尤其是手部、人物五官这类容易翻车的地方整体瑕疵率比一些老牌模型低不少。Seedance 2.0负责动效。它做的是图生视频输入一张静态图加上动态提示输出几秒到十几秒的镜头。漫剧不像真人短视频那样要求超写实物理规律它更看重风格化、可控的运动强度和镜头感Seedance 2.0在这两点上跟我需求匹配。三个工具不是三选一的关系而是接力关系。K2.5干脑力活Flux干视觉活Seedance干动态活。1.2 整个环节的物料流转与角色分工先把完整的物料流说明白这样你在实操时才知道每个环节交出什么东西、下一个环节吃进什么。第一步Kimi输出分镜脚本表格包含镜号、景别、画面描述、人物动作、台词、时长。第二步把画面描述改写成生图提示词导入Flux生成分镜图每张图对应一个镜头。第三步把图片和动态描述一起丢给Seedance 2.0生成短视频片段每段对应一个镜头。第四步把视频片段全部导入剪辑软件按镜号顺序排列加上配音、字幕、背景音乐和转场导出成片。这里有一个核心设计思路每个环节都产出一个“中间物”脚本表、图片集、视频片段它们既是结果也是下一步的输入。这样做的好处是任何时候画面崩了只需要回到对应环节重新生成不用从头跑整条链路。2. 零基础开干前先花十分钟把环境和素材备好2.1 三个工具怎么选在线、API、还是本地部署零基础的朋友听到“部署”两个字容易头皮发麻。先说结论第一次跑通流程能在线就用在线不要碰本地部署。Kimi K2.5直接在Web端或者App上操作就行不需要写代码也不用API。Flux的获取方式比较灵活可以在一些在线生图平台上选Flux模型也可以用API调用如果电脑配置好、愿意折腾也可以本地部署。我给你的建议是先用在线方式基础画质已经足够漫剧使用等熟练了再考虑本地化。Seedance 2.0同样以在线的形态使用把图片传上去填好参数等它生成。提示整个教程里我默认你用的是在线平台所有操作都以浏览器页面为准。在线生成会消耗算力点数或会员额度刚开始调试阶段建议用短时长和较低画质来省额度。2.2 一个能直接抄的文件夹结构物料多的时候最怕文件乱。我自己固定使用下面这套结构按序号排列01_剧本存放Kimi生成的分镜脚本、台词文本02_分镜图存放Flux生成的原始图片按镜号命名例如J01、J0203_动态片段存放Seedance生成的视频按下划线加镜头号命名例如D_J0104_配音存放TTS生成的音频按配音角色或镜号命名05_成片存放剪辑软件工程文件和最终导出视频不要小看这一步。漫剧动辄几十个文件没有规范命名剪辑时找素材的时间比剪的时间还长。命名规则能统一就统一我个人偏好两位数的镜号J01到J30超过三十个镜头说明脚本本身需要压缩了。2.3 第一跑建议先跑通最短路径不要一开始就试图完成一部完整的三分钟漫剧我强烈建议你先做一个五秒到十秒的迷你样片。这相当于跑通一次“最小闭环”检验工具账号是否正常、流程是否顺畅、风格是否满意。最短路径长这样让K2.5写一个只含两个镜头的微剧本一个镜头是角色出场一个镜头是角色特写。然后用Flux生成两张图再用Seedance 2.0分别把它们变成两三秒的动态片段最后把两个片段拼在一起加一句配音导出。整个过程半小时内能完成。跑通之后你实际上已经理解了全部步骤再去做完整剧集只是工作量问题。3. Kimi K2.5写本怎么让语言模型吐出能直接开拍的分镜脚本3.1 一份可以直接套用的剧本提示词模板很多人都用过对话模型写东西但写出来的内容要么太散文要么太笼统根本没法用来生成画面。问题出在你没有告诉它“输出格式”和“内容边界”。我给K2.5的提示词模板一般长这样“你是一名漫剧编剧。请根据下面的故事梗概写一份分镜脚本。要求共12个镜头每段时长3到6秒故事节奏快反转清晰。输出格式为Markdown表格表头依次是镜号、景别、画面描述、角色台词、时长秒。画面描述必须具体到场景环境、人物动作、表情、服装、镜头运动方向避免使用情绪形容词必须是可以直接画出来的具体画面。”这里的关键词是“场景”“动作”“表情”“镜头运动”。如果你不限制它会给你写“她愤怒地转身离开”这种话生图模型收到这种描述只会给你一张没法用的图。你要的是“她在便利店门口转身左手捏紧饮料瓶头微微低垂身后是傍晚泛蓝的街道灯光”这类画面信息。3.2 让AI按“镜号-景别-画面-台词-时长”输出分镜脚本的每一条字段都有它的用处我逐个解释。“镜号”是剪辑时排序的索引一定要连续中途插入镜头时可以按移动端习惯用J03_1这样的子编号。“景别”决定生图构图的景深控制要写“远景、全景、中景、近景、特写”这类固定词模型更不容易发挥过头。“画面描述”重点描述主体、背景、光线、动作它直接改写成生图提示词信息越具体越好。台词专门写给配音用怎么断句、语气可以在括号里标注情绪例如“小声别动我自己来”。时长单位是秒它决定视频生成的时长和剪辑节奏。我测试过如果只让模型输出“剧本”而不指定字段最后还得自己重新拆分成分镜浪费的时间很多。直接让它按表格输出相当于把拆分的活也交给了模型。多轮对话里如果某个镜头的画面描述不够细可以直接说“重新写第5镜把人物表情和背景灯光补充完整”K2.5能针对局部修改不需要整篇重来。分镜脚本的处理有个通用建议先让K2.5写12到15个镜头的精简版你审一遍故事逻辑再让它扩到30个镜头。直接生成30个镜头容易出现中后期情节平铺、缺乏反转的问题分两步走反而质量更高。3.3 脚本阶段我踩过的坑这个阶段最常见的问题有三个。第一模型太爱写对白。漫剧是画面优先的媒介台词过多会让观众不停看字幕失去看画面的乐趣。我在提示词里会加一句“全片台词总数控制在100字以内尽量用画面叙事”。第二场景过多导致成本爆炸。一个镜头一个场景30个镜头就有30个不同场景生图和生成视频的工作量都很大。我会先给故事限定条件比如“故事只能发生在城市便利店和出租屋两个室内场景”从源头控制场景数量。第三情绪描写过多可画信息过少。解决办法前面说过了要求它写动作和环境不写情绪。脚本阶段多花二十分钟打磨后面生图能省一半时间。4. Flux生图把文字描述变成统一画风的分镜画面4.1 用哪个版本、怎么调基本参数Flux有不同版本差异主要体现在生成速度和细节精度上。我的建议是出正式分镜图时用更高精度的版本测试时用更快的版本避免测试阶段白烧算力。基本参数里最关键的四个分辨率。漫剧建议直接用竖屏9比16也就是适合短视频平台的比例。像素在1080乘1920左右或者平台支持的范围。分辨率设置太高生成速度会明显变慢而且漫剧画面需要做放大和运动过高的像素并没有带来质的提升。采样步数。步数越多细节往往越丰富但超过一定数值后收益递减还会增加生成时间。我一般设置在25到30步这是速度和画质的平衡点。提示词引导系数也就是大家比较爱说的CFG。太高会让画面过锐、饱和失真太低会让模型忽略提示词内容。漫剧这类二次元或半写实风格我通常设置在5到7。不同版本最优值有一定浮动测试时可以用同一张图分别出4张对比挑出肉眼最舒服的值。随机种子。用于复现同一张构图。当你调试提示词时固定种子能让基础构图不随意变来变去有利于后续角色一致性控制。4.2 分镜文字如何改写成生图提示词Kimi写的画面描述不能直接扔给Flux尤其是中文长句信息密度太低。需要先做一步“翻译压缩”把描述改写成英文关键词组合结构是“主体人物动作表情场景环境光线镜头语言画风”。举个例子脚本里写的是“清晨一个背双肩包的年轻女孩走进便利店店员低头擦柜台”。改写后的生图提示词大致是young woman with backpack entering convenience store in morning, clerk wiping counter, soft window light, anime style, wide shot, cinematic lighting。注意比例尺通常中文写五六个要素英文提示词里包含十个以上关键词都还有优化空间。画风统一也是靠提示词固定。我会在每张图的提示词末尾都加同一个画风描述例如“anime style, clean lineart, vibrant colors, character design sheet quality”。不要图省事漏掉漏一次画面风格就跳一次整集漫剧的画风就很难稳住了。4.3 角色“换脸不崩”的实操方法漫剧最怕角色脸变来变去一个角色上一秒是这个样下一秒变成另一个人。由于Flux从单张提示词生成图片时不会自动记住你的角色单纯靠文字描述很难保证一致性所以更实用的做法是“参考图驱动”。先花时间生成一张角色的标准正面立绘把这张图作为参考图在生图时上传。每次生成分镜图都带上这张参考图同时提示词里注明“same character as reference image”。如果平台支持局部重绘和区域控制还可以锁住面部区域只重绘周围场景。注意参考图也决定了你这套角色的上限所以值得反复打磨。先花一晚上做出三到五张核心角色的标准图确认脸型、发型、服装都稳定了再开始批量生成分镜图否则后面每张图都在给角色“整容”。角色表情变化是另一个难点。多生成几个偏好角度、夸张表情的备份图在分镜需要时把对应的“表情图”作为参考而不是只依赖文字写“微笑”“生气摇头”。5. Seedance 2.0动效静态图怎么变成动态漫剧5.1 图生视频为什么最适合漫剧漫剧的动态需求并不追求物理真实而是追求“画面在呼吸”。角色眨个眼、头发飘一下、背景有细微的光影变化这些就足够让观众觉得是动态影像了。图生视频模型正好解决这个需求它不需要你提供连贯的关键帧只要一张图加一句动态描述就能生成一段顺滑的动态片段。和文生视频对比图生视频的构图完全由你控制。文生视频里模型经常自由发挥比如指定了一个场景它却自己换了个机位导致画面内容和分镜图对不上。图生视频从固定构图出发只做运动和变化能延续生图环节的一致性。这也是我把整个链路拆成“先出图再动效”而不是“文字直接生成视频”的根本原因。5.2 Seedance 2.0的四个关键参数Seedance 2.0在界面里一般有几个核心参数我逐个解释它们的实际含义。动态幅度。数值越大画面中的物体运动越剧烈人物动作越明显。但调得过高人物和背景容易在运动中出现扭曲。漫剧建议放到中等偏下水平宁可动得少不要崩得狠。运镜方式。常见选项有推近、拉远、横移、摇镜、固定机位等。漫剧对话场景用固定机位加轻微呼吸感表现情绪张力时用缓慢推近动作场面用横移。每次生成的时长较短一个镜头最好只设置一种主要运镜不要同时要求推加横移加旋转容易互相打架。时长。一般能生成几秒到十几秒。漫剧建议每个镜头就按脚本写的时长来不要贪长。分段生成的转场前镜头控制在3到6秒足够展现动作又不会拖垮剪辑节奏。画面比例。最好在生成端就固定为9比16竖屏方便后续直接进剪辑软件。不要先生成方形再裁切裁切会损失细节还会把构图核心内容切掉。5.3 运镜、口型与转场节奏的实际控制实际操作里我会把分镜分成两类来处理。第一类是静止对话类。这种镜头不需要大幅度动作动态描述写“人物轻微呼吸、发丝飘动、背景光影慢慢变化”Seedance会输出一种很稳的“活照片”效果。如果角色在说话就加上“说话时嘴巴微动”的描述但漫剧不需要精确口型同步后期配音配上去观众不会盯着口型看。第二类是动作表现类。比如走路、转身、风吹动窗帘这类画面动态描述要写清楚“从哪里动到哪里”。例如“女孩从画面左侧走向右侧背景灯光逐渐变亮摄影机跟随人物缓慢平移”。不要只写“她在走路”模型需要知道运动方向、范围、速度感。转场节奏上我遵循一个原则镜头时长不超过6秒必要时宁可做短。AI生成的视频如果超过一定长度后半段非常容易出现变形和闪烁。用短镜头拼接出来也有一个好处就是节奏天然变快符合漫剧“短平快”的传播特点。6. 后期三件套配音、字幕、合成导出6.1 配音的几种省力方案漫剧的配音分为对白配音和旁白解说两种。对白可以先用免费的TTS工具生成情感表现够用但不够丰富。旁白更推荐TTS因为旁白对语气要求相对低。预算充足的话对白可以找真人配音漫剧单人制作最大的成本往往在这里。零基础方案是全TTS。操作流程是把分镜脚本里的台词按角色整理成一个人一份TTS工具里选择对应音色一次性批量生成。要注意TTS对多音字和标点特别敏感生成前先在台词文本里加好标点生成后听一遍语气明显不对的句子单独调。提示生成TTS时不要贪图AI音色的“高级感”。漫剧观众接受度更高的是自然得像真人的声音。选音色时优先试听口语化、有气口的音色不要选播音腔。播音腔放在漫剧里会显得很出戏。6.2 字幕、BGM与音效处理字幕要跟着台词走一句话一行不要拆得稀碎。很多剪辑软件支持自动字幕识别不过对AI配音的识别率不够稳定我更建议直接用TTS输出的台词文本做字幕导入。BGM音量是很多新人会忽略的坑。漫剧靠台词语气引导情绪BGM压得过大会让人听不清对白。我习惯把BGM调到比人声低6到10分贝。音效可以不做但适当地加点效果会提升质感比如脚步声、开门声、风声。这些音效剪辑软件自带素材库就能搜到。6.3 导出规格与发布建议导出设置按主流短视频平台的标准就行竖屏9比161080乘1920帧率30。码率选一个折中的默认选项不用拉满拉满只会让文件巨大但画质并没有显著提升。发布建议只说一点。漫剧标题、封面和前三秒最影响点击一条漫剧做完后单独花时间截一张最有视觉冲击力的画面做封面效果比随便截一帧好得多。7. 高频问题排查与效率技巧7.1 画面跟脚本对不上怎么办分镜脚本描述的是“女孩走进便利店”生图结果却是“女孩站在门口”这种不一致多半是提示词中间信息被模型忽略。最直接的排查方法是重写提示词把最重要的主体信息放在最前面次要的环境信息往后挪。生图模型通常对提示词开头和结尾的信息响应更敏感。另一个做法是缩小描述范围。一个镜头只做一件事画面主体永远只有一个。如果你想同时突出“女孩进门”和“店员惊讶抬头”那就拆成两个镜头来画不要在一个镜头里要求模型呈现两件事。7.2 角色脸崩和不一致怎么处理脸崩通常发生在人物脸部占比很小的远景镜头里模型用很少的像素去画一张脸很难稳住。解决方法是优先用参考图并保证参考图发型、脸型有鲜明辨识度。角色不一致还有一个隐蔽原因提示词里角色名称和特征描述反复换词。同一个角色不能一会儿写“黑长直少女”一会儿又写“马尾女孩”模型会当成两个人。固定角色的描述词说话时保持一致的叫法能明显减少跨镜头的形象漂移。7.3 动效效果差闪烁、变形、卡顿闪烁和变形多出现在动态幅度调得太高的场景。排查时先把动态幅度降一档同时检查运镜方式是不是过于复杂。如果问题依旧就缩短生成时长比如原来生成6秒改成生成4秒。问题基本出现在后半段切掉就干净了。卡顿更像是视频生成时的抽帧策略差异。解决方式简单重新生成一两次随机性一般能带来不同结果。长镜头重生成比后期加补帧更省事。7.4 把整个流程从3小时压到40分钟的提速清单熟练之后真正耗时的大头是等待AI生成而不是操作本身。提速的核心是并行处理。先让K2.5一次性生成全部分镜脚本不要来回修改超过三轮。脚本确定后Flux批量生成分镜图时用关键词固化风格减少试错。Seedance阶段按镜头排队批量提交生成完一组就顺手检查发现问题镜头单独重生成不要停下整个队列。最后一步是剪辑模板化。把开场、转场、字幕样式、结尾这些环节固定成模板下次做新剧集时只替换素材。模板化之后一部三分钟漫剧的纯后期时间能压缩到半小时以内。这套流程我实际跑下来最大的体会是“流水线思维”比任何单点工具都重要。AI漫剧不是你学会某一个工具就能做得快而是要让脚本、画面、动效、声音这些环节像工厂传送带一样顺畅衔接。我一个人用这套方式做完第一部漫剧大概花了四天后来熟练了单集稳定在两到三个小时。建议你第一次做不要贪长先拿十个镜头以内的超短片练手完整跑通一遍流程再去铺量。熟能生巧之后你甚至可以在写脚本阶段就提前想好哪些画面适合后期二次创作做什么题材都有底气。