AI短剧这四个字，听起来像是一行命令就能出片，但实际跑过一遍后你会发现，它是一条完整的生产链路。真正决定成败的不只是某个视频模型强不强，而是分镜脚本、角色一致性、批量任务稳定性这三件事能不能理顺。这篇文章面向想从零开始做AI短剧、AI动漫、AI动态漫或漫剧的人，尤其是刚知道即梦和ComfyUI、又不知道该从哪个工具入手的读者。最简单的入门路径是：先用即梦这类在线工具确认短剧的分镜和画面方向，再靠ComfyUI把批量生成、角色一致性和动态漫制作变成一套可重复执行的流程。

我最初也是从“随便生成一条视频”开始，结果发现生成的片段之间人物长相完全对不上。后来才意识到，做短剧和做单条视频是两套思路。下面按我实际走过的路径，把工具分工、单条跑通、ComfyUI工作流、角色一致性、动态漫制作、批量生产和常见报错排查全部拆一遍。

1. AI短剧制作不是“一键生成”，而是一条四环节流水线

1.1 短剧生产的最小流程

做一条AI短剧，看起来是输入一句话就能出来一段视频，但现实中的生产流程至少包含四个环节：文本环节、视觉环节、动态环节、后期环节。

文本环节是写脚本和分镜。很多人会忽略这个步骤，直接跑去生成画面。结果就是每条片段单独看都好看，连起来故事是碎的。AI短剧本质上是短剧，故事逻辑和镜头逻辑才是骨架，画面效果只是外壳。

视觉环节是把文字变成画面。这里可以生成单张关键帧，也可以直接生成视频。如果走ComfyUI路线，一般会先生成统一的角色图和场景图，再基于这些图去生成动态片段。这样做的原因很简单：连角色都还没固定，就去生成动态视频，结果一定乱。

动态环节把静态图变成“会动的素材”。目前主流做法是图生视频，也就是用一张或多张连续帧来生成短视频。这个环节决定动作是否自然，也是资源消耗最大的地方。如果显卡显存不够，最容易在这个环节卡住。

后期环节解决的是节奏问题。剪辑、字幕、配音、配乐、转场、音效，都在这一步完成。很多AI短剧看起来很粗糙，不是画面不行，而是没有卡点、没有音效、转场生硬。你把这层补上，成片质量会立刻上一个台阶。

这四个环节不是串行跑一次就结束，而是反复迭代的。比如生成视频后发现人物不像，要回头改视觉环节；如果分镜逻辑不顺，要回头改文本；如果节奏拖沓，要回到后期重新剪。理解这个循环，后面所有工具和参数的学习才有方向。

1.2 三种短剧形态，学习路径其实不一样

AI真人短剧，风格更接近影视实拍，常见题材是古装、都市、悬疑。它最吃角色一致性和镜头连贯性，因为观众对“人脸不统一”非常敏感。前一秒还是这张脸，下一秒换了一张，整部剧的观感立刻崩掉。

AI动漫，走的是二次元画风，对审美和画风统一要求高。它的重点在动漫模型、LoRA控制和动作流畅度。这个方向最依赖模型风格的控制能力，同一个角色要能在不同分镜里保持同样的五官和服装。

AI动态漫和AI漫剧，介于漫画和动画之间。它靠静态画面加镜头运动、局部动态来叙事。重点在静态图质量、分层作画和剪辑节奏。它比真人短剧省资源，因为不需要每一帧都是完整视频，很多镜头用静态图加镜头运动就能撑住。

这三条路共用一套底层技术：提示词组织、ComfyUI工作流、图生视频、后期剪辑。差别只是模型风格和制作标准不同。零基础入门，不用一开始就决定做哪一种。先把通用链路跑通，再根据自己喜好去选画风。

至于AI做短剧能不能赚钱，我的建议是先把制作流程跑稳再谈变现。直接拿不稳定的素材去批量发布，很难留住观众，内容质量比工具数量重要得多。

2. 工具分工：即梦适合验证画面，ComfyUI适合批量量产

2.1 先用即梦这类在线工具建立画面感

即梦是目前比较适合新手的AI创作工具，支持文本生成图片、图片生成视频。这类在线平台的好处是门槛低，浏览器打开就能用，不需要关心显卡、显存、依赖包。你只需要把分镜描述写清楚，等它出结果。

很多人提到的“即梦2.0古装剧分镜词”，本质上就是一套结构化的提示词写法。比如做古装短剧时，把年代、服装、妆发、光线、镜头、氛围逐项写明白，而不是只写一句“一个古装女子在庭院里”。描述越具体，画面越接近分镜预期。

不过在线工具也有明显边界。免费额度有限；批量生成要一次一次手动点；风格可控性不如本地工作流；当你需要连续生成100个镜头、还要保持同一个主角长相时，会上手效率低很多。所以我的定位是：入门阶段用即梦来测分镜方向、练提示词、确认审美风格；进入正式生产后，把重复性任务迁到ComfyUI。

2.2 ComfyUI本地工作流解决什么问题

ComfyUI是节点式工作流工具，简单说就是像搭积木一样，把大模型、提示词、采样器、视频生成节点、保存节点连起来。它解决短剧制作里三个刚需。

第一是批量稳定。同一套节点结构可以反复复用，换提示词、换参考图、换输出路径，就能批量出素材。第二是可控性强。可以接入ControlNet、IPAdapter、LoRA这类控制模块，把角色脸型、服装、姿势锁定住。第三是工作流可保存。一个工作流文件就是一份生产SOP，换电脑、换人操作，重新加载就能跑。

代价是门槛更高。要理解节点连接、模型下载、显存占用、插件冲突这些概念。初次打开ComfyUI界面，满屏节点确实让人发蒙。但只要按一条稳定工作流一步步跑起来，难度没有想象中那么高。

2.3 本地部署需要什么条件

我的机器不算高配，跑ComfyUI之前最担心的就是硬件。这里给一个通用参考，具体以你实际电脑为准。

项目	入门配置	推荐配置
显卡显存	8GB以上	16GB以上
内存	16GB	32GB以上
磁盘剩余空间	50GB以上	200GB以上
操作系统	Windows 10/11 或 Ubuntu	同上
网络	下载模型需要稳定网络	同上

8GB显存可以跑Stable Diffusion 1.5系列模型、部分轻量视频模型，但分辨率要压低，视频时长要缩短。16GB以上显存会更从容，可以做更高帧率、更复杂的工作流。

还有一个常见误区：很多人只看显卡，忽略磁盘。模型文件动辄几个GB到几十GB，加上插件和中间产物，收到一半硬盘满了，再好的显卡也跑不动。开始之前先看剩余空间。

3. 先跑通单条：从分镜脚本到第一段成片

3.1 分镜脚本不能只写剧情，要写可生成画面

我见过最典型的失败案例，是脚本里只有一句话：“女主走进院子，发现男主受伤了。”这一句话丢给AI，模型可能给你生成十种完全不同的画面。因为“走进院子”是一个动作概念，而不是一个可生成的画面描述。

正确做法是把分镜表拆成镜头号、景别、画面内容、台词或字幕、时长、参考图备注。例如：

镜头号	景别	画面内容	台词/字幕	时长	备注
S01	中景	女主推开门，走进庭院，风吹起头发	“你回来了”	3秒	角色参考图A
S02	特写	男主抬头，眼神从惊讶到安心	无	2秒	情绪连贯

这样写完之后，生成时才能给模型一个足够明确的输入。AI短剧的镜头之间不需要复杂的转场，同场景、同时段光线一致，观众就会觉得连贯。

3.2 写提示词的核心公式

写提示词可以套一个公式：主体 + 场景环境 + 光线氛围 + 镜头语言 + 风格限定。

示例：

古代年轻女子，穿淡青色长裙，站在庭院桃树下，
黄昏暖光，薄雾，微风，发丝轻微飘动，
中景镜头，浅景深，电影感，古装影视截图质感

这里最容易遗漏的是光线和镜头语言。光线不写，模型可能默认给你一个正面大平光，结果两个镜头的光线环境完全不搭。镜头语言不写，模型可能一直输出正面照，缺少短剧需要的紧凑感和代入感。

每一条分镜生成前，先把公式里的五项填满。不要偷懒，不要想着“AI能猜到我想什么”。它猜不到。

3.3 在即梦里完成第一段成片

操作顺序我建议这样做：

1. 打开即梦，进入文生图，把分镜脚本里的画面描述复制进去，生成第一张关键帧。
2. 从生成结果里挑出最接近预期的一张，选择“图生视频”。
3. 在生成视频时，把镜头运动描述写清楚，比如“镜头缓慢推进”“镜头从左向右平移”。
4. 等待生成，下载素材，检查人物、动作和质量问题。

对于古装短剧这类题材，即梦的古风生成效果通常不差，但分镜词要写得更细。“即梦2.0古装剧分镜词”这类热门讨论，核心价值就是把古装场景拆成了可复制的描述模板，直接套用比自己现想词稳定。

3.4 一段成片是否合格，看四个指标

• 主体一致：人物是不是同一个人，服装有没有突变。
• 动作自然：肢体有没有扭曲，走路、转头、拿东西是否正常。
• 画面闪烁：帧与帧之间有没有明显的亮度或噪点跳变。
• 剪辑适配：素材有没有头部和尾部缓冲，方便后期切入切出。

如果这四项有明显问题，不要急着堆特效。先回去调整提示词、场景描述和参数，问题通常出在源头。

4. ComfyUI基础工作流：从整合包到第一个节点图

4.1 整合包还是手动部署

ComfyUI本身是开源项目，需要Python环境、PyTorch和一堆依赖。手动部署适合有经验的人，新手很容易卡在环境配置上。

社区里常见的秋叶整合包，就是为了解决这个问题：下载后解压，运行启动脚本，通常会帮你配置好运行环境。使用整合包时有三个常见坑：

• 解压路径别带中文和空格，否则部分模型加载会报错。
• 模型不会全部内置。你需要把下载的模型放进对应目录，例如大模型放models/checkpoints，LoRA放models/loras。
• 版本更新后不要直接整体覆盖。先备份自己常用的工作流文件和自定义节点，再升级。

如果你用Ubuntu，可以手动部署。大致思路是安装Python、创建虚拟环境、拉取项目、安装依赖、下载模型。实际安装步骤以官方文档为准，这里就不贴命令了。

4.2 最基础的一个文生图工作流

ComfyUI界面由节点组成。一个最基础的文生图工作流，至少包含这些节点：

加载大模型(Load Checkpoint)
→ 正/负提示词编码(CLIP Text Encode)
→ 初始化潜空间(Empty Latent Image)
→ 采样器(KSampler)
→ 解码(VAE Decode)
→ 保存图像(Save Image)

加载大模型节点，决定使用哪个底模。提示词编码节点，把文字变成模型能理解的条件。采样器控制生成过程，里面有两个关键参数：步数和CFG。

CFG简单理解是提示词对生成结果的影响强度。数值太高，画面容易过锐甚至失真；数值太低，画面容易跑题。常见范围在3.5到8之间，具体看模型说明。

第一次跑这个工作流，不要追求复杂功能。先确认大模型能出图、采样参数正常、输出目录里有文件。再逐步加ControlNet、LoRA、视频生成节点。这样出了问题，你才知道是哪个环节导致的。

4.3 图生视频工作流怎么组织

短剧里大量素材来自图生视频，也就是给定一张角色关键帧或场景图，让模型生成一小段动态视频。在ComfyUI里，工作流大致是这个逻辑：

加载图像(Load Image)
→ 尺寸调整/编码
→ 视频模型节点
→ 帧数、步数、CFG设置
→ 视频解码与保存

这里最容易出错的是输入图像尺寸。很多视频模型对宽高有硬性要求，如果你直接把一张大尺寸图片丢进去，节点会报错。正确做法是先设定视频输出宽高，再让输入图像经过尺寸调整节点，保证输入输出一致。

4.4 常用的几个自定义节点类型

我把自己生产时经常用到的节点类型整理一下，具体插件名要以社区最新版为准：

• ControlNet系列：控制姿态、边缘、深度，适合固定人物姿势。
• IPAdapter系列：参考图信息迁移，适合做角色和风格统一。
• LoRA加载节点：注入训练好的角色风格文件。
• AnimateDiff类视频生成节点：做动态漫和短动画很常用。
• 遮罩和局部重绘类节点：修正瑕疵区域，不需要整张图重新生成。

插件安装后如果界面没变化，先重启ComfyUI。如果加载报错，多半是插件版本和ComfyUI主版本不兼容，优先检查这两个版本。

5. 角色一致性：短剧量产最容易翻车的地方

5.1 翻车现象是什么样的

AI生成单张图片，质量通常都不错。但放到短剧里，问题很快暴露：上一镜是瓜子脸，下一镜变成圆脸；上一镜穿蓝色长裙，下一镜变成白色。观众对短剧的连贯性很敏感，尤其主角。脸一旦不稳定，整部剧的观感立刻下降。

很多新手会立刻认为是模型能力不行，实际上大多数情况是工作流里没有做“角色锁定”。

5.2 最轻量的锁定方式：固定角色描述词

第一步，把角色的外貌写成一段固定的、每次都原样使用的描述文案。比如：

25岁东方女性，鹅蛋脸，柳叶眉，黑色长发扎成低马尾，
发饰为银钗，穿浅蓝色交领襦裙，气质温婉。

这段文案在每一个分镜生成时都放在提示词开头，不要随意改。它能明显降低“随机换人”的概率。

如果有人说固定描述词没效果，往往是因为描述词太短或太抽象。只写“漂亮女人”，模型当然自由发挥。要写到“换个发型都能看得出是同一个角色”的程度。

5.3 参考图、IPAdapter、LoRA分别怎么用

固定文字只是第一步。要进一步提升一致性，需要引入图像控制。

参考图是通用做法。选定一张主角脸最满意的图作为标准图，后续图生图、图生视频都基于它来生成。新生成的结果会保留参考图的很大一部分特征。IPAdapter适合做风格迁移和特征参考，操作比训练LoRA简单很多，适合项目中期需要大量保持一致性的阶段。LoRA则适合长期固定角色。如果你想做几十集短剧，同一个主角每集都出现，可以训练一个角色LoRA。缺点是要准备角色样本图和训练时间，新手可以先不碰。

我的建议是：单条测试用固定描述词加参考图；项目中期用IPAdapter；确认长期产出同一角色后，再考虑LoRA。

5.4 先锁角色，再谈动作

实际工作流里还有个顺序问题。先出角色标准图，再让角色去执行动作，不要直接让模型“边生成角色边做动作”。

先生成一张干净的站姿或半身角色图，再用图生视频或ControlNet加入动作控制，这样成功率会高很多。

场景也一样。同一个庭院、同一个房间，要有一张标准场景参考图。生成新镜头时把场景参考图带入，能减少背景穿帮。等后期才发现背景和上一镜完全不一样，重做成本很高。

6. AI动态漫与AI漫剧：静态图为主的生产路径

6.1 动态漫和漫剧到底有什么区别

还是先分清概念：

• 动态漫是把漫画风格静态图做成“会动”的效果，可能是局部动态、镜头推拉，也可能是逐帧手绘动画。
• 漫剧更接近竖屏短视频剧，用漫画风或AI生成风画面，配合字幕、配音、音效，按短剧节奏剪辑。

形态	画风	制作重点	常见输出
AI真人短剧	影视实拍感	角色一致、镜头连贯	横屏或竖屏片段
AI动漫	二次元	画风统一、动作流畅	系列动画剧集
AI动态漫/漫剧	漫画分格加局部动态	静态图质量、动态幅度	竖屏短剧

做动态漫通常比做真人短剧省资源。因为不需要每一帧都是完整视频，很多镜头用静态图加镜头运动就能完成“演出”。

6.2 动态漫的一个基础流程

我这里给一条从零开始也能走通的路径：

1. 先用ComfyUI批量生成角色和场景静态图。这个阶段要保证角色、场景、风格都稳定。
2. 在生图工作流里加ControlNet或IPAdapter，让每张关键帧保持角色一致。
3. 挑出关键帧，用图生视频节点生成人物局部小动作，比如眨眼、转头、发丝飘动。
4. 背景和前景分开处理。动态漫画面里，人物是前景，背景可以保持轻微移动或不移动。
5. 把动态素材导入剪辑软件，加镜头推近、拉远、平移，再加字幕和配音。

这里最重要的一点，是不要整张图大幅度抖动。动态漫的“动态感”主要靠镜头运动和局部动画，没必要让每一处都在动。动得越多，出错概率越高。

6.3 配音、字幕和音效决定成片质感

AI短剧和动态漫的画面生成完之后，很大一部分效果来自后期。声音上，可以用文本转语音生成角色对话，也可以用合成音色做旁白。字幕要单独放一层，方便批量修改。音效和背景音乐要根据情绪变化切分，短剧常用的卡点音效、环境音、氛围音乐，都能明显提升节奏感。

如果成片效果一般，先检查音画节奏，而不是重新生成画面。很多时候问题不是画面差了，而是每句台词之间没有留白，音效缺失，看起来像“画面配PPT朗读”。把音频轨道认真调一遍，观感会提升很多。

7. 批量生产与工程化：从一条素材到一整集短剧

7.1 先搭好目录和命名规则

批量生成前，先建立清晰的目录结构。我常用的结构是这样的：

workspace/
├─ episode01/
│  ├─ shots/       # 原始生成片段
│  ├─ refs/        # 角色与场景参考图
│  ├─ audio/       # 配音与音乐
│  └─ final/       # 剪辑后输出
└─ workflows/      # 保存好的ComfyUI工作流文件

文件命名要一眼能看懂，不要用截图默认名。“最终版2”这种命名方式是噩梦。推荐格式：集数_场次_镜头_版本。

ep01_scene02_shot01_v1.png
ep01_scene02_shot01_v2.png
ep01_scene03_shot01_v1.mp4

这样即使中途反复调整，也能清楚知道哪个版本在哪个目录里。

7.2 批量生成前，先跑三条样例

批量任务最忌讳一上来就全量跑。ComfyUI虽然支持排队生成，但如果提示词、尺寸、模型路径有问题，跑到第50张才发现，浪费时间和资源。

我一般会先取三个有代表性的分镜样例去跑。判断标准有两个：能不能成功生成，生成质量是否符合预期。样例通过后再扩大到全部镜头。

批量跑的时候，每隔一段时间看一次输出目录，确认文件在增长，同时观察显存占用和报错日志。不要等全部跑完再打开看结果，中间出问题能省很多时间。

如果你的任务量特别大，也可以写脚本调用ComfyUI本地接口，循环提交工作流。但脚本化有一个前提：单条工作流必须足够稳定。不然脚本只会帮你把错误流程重跑很多遍。

7.3 失败任务怎么处理

批量生成一定会有失败。不要看到日志里出现红色报错，就把所有任务重新跑一遍。先记录失败任务，单独处理。

一个可用的做法是：把失败任务的输入、提示词、报错信息复制到单独的文件夹，等当前批次结束后集中排查。如果错误类型都是显存溢出，那就降分辨率或降低并发，而不是改工作流。如果错误集中在某几张输入图上，那就是输入图本身的问题，换图即可。

7.4 低配置机器怎么降载

如果显卡显存有限，又想跑批量，可以考虑这些措施：

• 把批量数设为1，一张一张排队生成。
• 降低分辨率。短剧可以先低分辨率生成粗剪素材，最终成片时再放大。
• 关闭不用的后台程序，避免内存被占满。
• 使用半精度模式减少显存占用，但生成效果可能和全精度有细微差异。

低配置不是不能做AI短剧，而是要把预期从“快速出高清大片”调整为“先保证能稳定出素材”。素材能稳定产出了，再逐步提高参数。

8. 常见报错与排查顺序：节点、显存、模型和输入

8.1 节点报错的通用排查链路

ComfyUI里最常遇到的报错是“节点在执行过程中发生错误”，英文界面下会类似“failed to execute”。很多人看到这个就不知道从哪下手。其实报错信息里通常已经包含了节点名和错误原因，关键是别慌，按顺序排查。

1. 看提示里的节点名称。ComfyUI会标注具体哪个节点出错，先确认是不是某个插件节点。
2. 看错误信息的最后几行。OutOfMemory代表显存不足，FileNotFoundError代表文件路径或模型文件不存在，TypeError或ValueError代表输入类型不匹配。
3. 检查节点连线。有些节点要求输入图片，你直接把文本接过去，就会类型错误。
4. 检查输入图像尺寸。很多视频节点对宽高有要求，先用尺寸调整节点统一。
5. 检查模型文件是否完整。下载中断、文件损坏，加载时会在报错里直接体现。
6. 排除以上所有问题后，再考虑插件兼容性。禁用刚安装的插件，或者更新ComfyUI版本，看是否恢复。

8.2 显存不足怎么判断和处理

显存不足最明显的特征是：任务跑了一部分才报错，打开GPU监控能看到显存接近满载。

处理优先级是这样的：先降分辨率，再减批次数，再换轻量模型。不要一上来就调大虚拟内存，那只是缓解，不是根治。

短剧生产里，我建议把单次生成的分辨率和视频时长控制在模型支持的中低档。长视频不一定一次生成成功，可以拆成多个短视频片段，后期再拼接。

8.3 模型加载失败和路径问题

模型加载失败，很大概率不是模型坏了，而是路径不对。ComfyUI对中文路径、空格、反斜杠相对敏感。下载的模型建议放在模型目录里，文件名保持简单英文。

有些整合包要求把模型放在特定文件夹，如果你放到别的位置，加载节点里就找不到。另外，模型和插件不是越多越好。装一大堆模型，不仅占磁盘，还会让ComfyUI启动变慢。实际项目用一个底模、一个角色LoRA、必需的ControlNet模块，通常就够了。

8.4 即梦生成结果不稳定怎么办

在线工具生成结果不稳定，大部分和提示词详细程度有关。如果只写“古装女子在庭院里”，每次结果当然不同。把环境、光线、镜头、服装、妆发全部写满，输出会更接近预期。

生成不满意时，先改提示词再重试。不要把同一句提示词反复刷，那是在赌概率，浪费时间。如果角色只在某几帧有轻微变化，可以用图生图或局部重绘修正。如果变化太大，就回到上一环节，换一张更稳定的参考图再来。

8.5 什么情况下该怀疑工作流本身

当一个工作流之前能跑，最近总是报错，先回想你改了什么：换了模型？更新了插件？调整了输入尺寸？把改动还原试试。

如果是从社区下载的工作流，先检查模型路径、节点版本、插件是否齐全。很多所谓打不开的工作流，只是缺了某个节点，安装后刷新页面就能解决。这也提醒你：从网上下载工作流文件后，不要直接硬套进自己的环境，先花几分钟确认依赖和模型路径，能省掉后面一堆排错时间。

AI短剧制作的整条链路到这里基本拆完了。我最深的感受是：这个方向入门不难，但想稳定产出，必须把分镜脚本、角色一致性、批量工程化和排查能力当成基本功来练。先跑通单条，再谈批量和整集。工具更新很快，工作流也会不停变化，但“先确认输入，再跑任务，再看日志，最后调参数”这套做事顺序，什么时候都用得上。