在“AI浪潮创作计划”这类话题里，真正难的不是生成一张图、写一段文案，而是把一个即兴脑洞，比如“我的男朋友好惨啊！不过话又说回来……”，稳定地产出一条有剧情、有人设、有画面的 AI 短剧或漫画脚本。很多人玩 AI 创作时都有这种体验：单看每一段生成结果都不错，串成完整故事却角色长相漂移、剧情前后矛盾、配音和字幕对不上。这篇文章要解决的就是这个问题。

我会以“用户即兴输出一句话作为故事种子”为起点，走一遍从文案拆解、角色一致性控制、分镜生成、视频或漫画合成，到质量检查与排错的完整流程。内容不仅适用于 AI 短剧，也适用于 AI 漫画、AI 绘本、动漫风格短视频和基于 AI 的营销素材生产。整条链路会贴近真实创作场景，既包含提示词工程，也包含工具选型、素材命名规范、生成批次记录、版权检查和非一致结果的修复方法。即使你手头没有任何 AI 绘画和视频工具，也能先学会用工程化方法组织创作。

1. 先想清楚：一个即兴灵感要变成 AI 作品，中间缺的不是模型而是流程

很多人拿到“我的男朋友好惨啊！不过话又说回来……”这种标题型灵感，第一反应是打开一个 AI 绘画或视频工具，把这句话直接粘进去。结果往往很尴尬：模型不知道谁是主角、不知道场景在哪、不知道到底要喜剧还是悲剧，最后生成一堆漂亮但毫无叙事关系的独立画面。问题不在模型，而在创作流程。

一个合格的 AI 图文、AI 短剧或 AI 漫画项目，必须先把模糊灵感拆解成六个可执行模块：

• 故事主角：谁是这个“男朋友”，性格是什么，外貌特征怎么描述。
• 核心冲突：他为什么惨，惨到什么程度，是搞笑惨还是感动惨。
• 转折方向：“话又说回来”到底要转折到哪里，是发现被爱着，还是发现惨但有价值。
• 场景清单：哪些画面必须出现，画面之间怎么衔接。
• 视觉风格：是 2D 动漫、3D 皮克斯风、国漫厚涂还是写实风。
• 输出载体：做成横屏短剧、竖屏短视频、静态漫画，还是动态漫剧。

其中主角一致性是最容易翻车的环节。AI 绘画工具本身没有“记住某个人”的能力，它只根据当前输入的一组提示词生成图像。如果你每一帧都用不同的描述去形容同一个角色，角色外观一定不稳定。正确做法是，把角色外观固化成一段可复用的“角色锚定词”，每次生成画面时都把它拼进提示词里。

这里先给出一个可以直接落地的角色描述模板：

角色锚定词 = 角色名 + 性别年龄 + 发型发色 + 眼睛形状颜色 + 
            脸型 + 体型 + 服装风格 + 标志性配饰 + 情绪基线

举个例子：

林小满，男，25岁，黑色短发微卷，深棕色圆眼，偏瘦，
奶白色连帽卫衣，深灰色休闲裤，左耳戴黑色耳钉，
总是带着有点无奈的笑容。

后面所有分镜画面里，只要出现林小满，提示词头部统一带上这段描述。不要每次临时改发型和衣服，否则后期修复成本极高。

1.1 把模糊灵感拆成“故事钩子 + 分镜脚本”

“我的男朋友好惨啊！不过话又说回来……”本质是一个故事钩子，不是一部作品。它的价值在于制造了反差和悬念：先强调惨，再转折到另一个视角。AI 创作的第一步，是把这种钩子扩展成三幕式结构。

叙事段落	时长占比	内容作用	示例
第一幕：铺垫	20%	建立人物和日常状态	展示两人关系、男友的日常付出
第二幕：冲突	50%	把“惨”具象化	加班、背锅、被误会、身体疲惫
第三幕：转折	30%	用“话又说回来”翻盘	另一视角揭示付出有了结果或幸福意义

有了叙事结构之后，再拆成分镜。不要直接让 AI 生成完整视频，而是先让 AI 生成脚本和分镜表，再由人工确认画面内容。下面是一份可以直接参考的脚本表：

镜号	景别	画面内容	台词/旁白	情绪
01	远景	雨夜，公司大楼灯还亮着	无	疲惫
02	中景	男友趴在工位，外卖没吃	“又加班到凌晨”	心疼
03	近景	他打开手机看到女友留言	“但他说，再撑一下就好了”	温柔
04	特写	女友给他带了热汤	“话又说回来，他其实不惨”	温暖

一个分镜脚本是否合格，就看三件事：每个镜头的画面是否唯一、情绪是否明确、台词是否能在 3 秒内被观众看懂。

1.2 明确 AI 创作不同于传统剪辑的流程差异

传统视频创作是“先拍摄素材，再剪辑叙事”，而 AI 短剧更接近“先设计分镜，再批量生成画面，最后检测一致性”。流程反转带来了几个实际影响：

• 你必须在生成前就把镜头清单写清楚，中途再改会浪费大量生成次数。
• 角色信息需要结构化管理，不能只存在人脑里。
• 生成结果需要打分和筛选，不是所有画面都能直接使用。
• 画面拼接时可能出现逻辑硬伤，例如上一秒衣服是白色，下一秒变成黑色。
• 版权风险不同，AI 生成素材的权属、训练数据授权、商用范围都要在开工前确认。

结论是，AI 创作本质上是一个小规模内容生产线。你需要给自己建立项目管理意识，哪怕只有一个人也是同一个流程。

2. 确定 AI 作品形态，再选工具和工作流

AI 创作的第一步不是打开某个网站，而是确定交付物。交付物不同，工具链完全不同。

交付物	建议工具方向	核心难点	适合场景
AI 图文/漫画	AI 绘画 + 图像处理	角色一致性、文字气泡排版	小红书、朋友圈、公众号
AI 动态漫剧	AI 绘画 + 图生视频 + 配音	镜头运动幅度、口型匹配	抖音、B站、快手
AI 短剧	AI 视频工具 + 剪辑工具	情节连续性、人物一致性、台词节奏	视频号、抖音、短剧平台
AI 绘本/教程	AI 绘画 + 文本排版	风格统一、图文顺序	教育内容、知识分享

从热搜词里的“AI 短剧”“AI 漫剧”“AI 绘画”“AI 视频”“AI 漫剧制作教程”能看出，当前创作者最关心的是动态化产品。建议第一次尝试不要直接做长视频，而是先做 6 到 9 张静态画面的“漫剧预告片”，跑通全流程后再加入运动效果。

如果输入材料没有指定具体工具版本，落地前要确认三件事：

• 你选择的绘画模型是否适合动漫、写实或厚涂风格。
• 是否提供了图生图、局部重绘、参考图功能。
• 生成图片的分辨率是否满足视频裁剪要求。

推荐学习路径是：先用支持“图生图 + 局部重绘”的绘画工具生成角色三视图和场景素材，再用支持“参考图约束”的视频工具把关键帧转成动态画面，最后在剪辑工具里配音和加字幕。每一步之间用统一的命名规范串联起来。

2.1 用角色三视图和参考图锁住人物一致性

任何 AI 短剧项目开始前，都要先做一组“角色设定图”，也就是同一个角色至少生成三张图：正面、侧面、背面。这组图负责锁定角色详细信息，后续每张分镜图都基于其中一张做图生图，或作为参考图传入，能明显降低角色变形概率。

三视图生成提示词可以这样写：

一个男生的角色三视图，全身，正面图，侧面图，背面图，
站立姿势，动漫风格，
黑色短发微卷，深棕色圆眼，偏瘦，
奶白色连帽卫衣，深灰色休闲裤，左耳戴黑色耳钉，
白色纯色背景，人物居中，画质清晰，特征一致。

生成后检查三视图是否满足这些条件：

• 三张图中发型、发色、虹膜颜色、脸型保持一致。
• 服装颜色和款式没有突变。
• 人物的身高比例协调。
• 没有多手指、断肢、面部崩坏等明显问题。

三视图合格后，把它裁剪成单角色画面，保存到专门的 reference 目录。后续生成分镜时，将这张参考图挂到图生图入口，同时在提示词里仍写清角色锚定词。不要把“参考图”当成唯一约束，参考图加文字描述一起用，稳定性最高。

2.2 提示词里既要有“固定部分”，也要有“镜头部分”

很多 AI 作品风格混乱，是因为提示词里混入了不同风格的关键词。比如同时写“皮克斯风格、厚涂、写实摄影、水彩”，模型会给出一个“四不像”结果。提示词应当分成固定部分和变化部分，固定部分每次不变，变化部分只控制画面元素和镜头。

固定风格提示词：
动漫风格，新海诚式细腻光影，柔和色调，高清细节，
电影感构图，高分辨率，8k，杰作，高质量。

变化分镜提示词（第 01 镜）：
林小满，男，25岁，黑色短发微卷，深棕色圆眼，偏瘦，
奶白色连帽卫衣，深灰色休闲裤，左耳戴黑色耳钉，
深夜公司办公室，窗外的雨，工位上的热咖啡，
疲惫的表情，趴在桌上，远景，冷色调。

把这两段拼接后生成的画面，更可能同时满足“风格统一”和“内容具体”。

强调一点：不要在设计阶段就追求真实照片级画质。短剧和漫剧观众对“风格统一”的容忍度低于“画质是否逼真”。一张画面干净、风格统一的 2D 图和一张逼真但风格跳跃的图，前者成片效果更稳。

2.3 最短可行工作流：从一句话到一组分镜图

以下是学习环境里的最短路径，适合验证流程：

一句话灵感 -> 拆成三幕 -> 写成 6 到 9 个分镜 ->
给每个分镜写变化提示词 -> 生成三视图 ->
用第一镜做图生图 -> 得到全部分镜图 -> 检查一致性 ->
用图生视频生成动态镜头 -> 剪辑配音字幕 -> 成片

这个流程每步都能单独验证，不会等到最后才发现风格崩了。学习环境里不建议一上来就追求完整剧情短片，而是先让 9 张图形成“能看懂故事”的节奏，再补动态。

3. 从文案提示词到分镜提示词，统一剧情与人设

AI 短剧最容易出现“画面很美，剧情很空洞”的情况。原因是很多人把文案和画面分开处理：先让对话模型写故事，再拿着故事去生成画面，结果模型生成的画面只理解单句，不理解上下文。更稳妥的办法是自己写台词，再用提示词引导画面对应剧情。

以“我的男朋友好惨啊！不过话又说回来……”为例，可以从三个角度创作剧情：

• 喜剧反转：男友是被欺负的倒霉蛋，但结果发现他其实是隐藏的百万富翁。
• 情感治愈：男友每天拼命工作，但女友视角到最后发现，他这些辛苦都是为了给女友一个家。
• 热血逆袭：所有人都觉得他惨，但其实他在默默积蓄力量，最后一鸣惊人。

这三种方向对应的画面完全不同。创作时先选定一个方向，再写文案，不要一边写一边换风格。

3.1 用表格把文案、画面、音频绑在一起

推荐使用一张“创作总表”管理整个过程。列内容可以这样设计：

镜号	文案/旁白	画面提示词	音频/情绪	时长(s)	状态
01	“我的男朋友，真的很惨”	雨夜加班的全景	舒缓钢琴，低沉	4	待生成
02	“他总说没事”	男友疲惫微笑特写	钢琴，人声轻叹	4	待生成
03	“可话又说回来”	女友推门送热汤	音乐转明亮	3	待生成
04	“有他在，就是最好的事”	两人相视一笑	温暖，轻快	5	待生成

这样一张表就是整个项目的中心。后续无论生成图片、视频还是配音，都围绕这张表进行，不会出现“台词和画面各走各的”情况。

3.2 避免让对话模型直接“包办”故事

对话模型适合做素材生成，不适合做最终决策。一个常见错误是把整个剧本交给对话模型，然后不加修改直接用。问题在于对话模型生成的文案往往缺少画面感，也缺少镜头意识。

建议把对话模型用于以下辅助工作：

• 对一句话灵感扩展出 10 个反转方向。
• 把平淡描述改成有情绪张力的旁白。
• 根据分镜表生成更丰富的镜头描述。
• 为视频画面生成备选字幕文案。

但最终分镜、台词、画面风格由人工确认。AI 生成内容只作为第一版草稿，不能直接成为交付物。

4. 图生视频和漫画拼接：让静态画面动起来

跑通图片生成后，下一步是把静态画面转成动态镜头。这里有两个主流路径：图生视频和动态漫剧剪辑。

图生视频的关键是“给画面一个合理的运动方向”。常见运动方式包括：

镜头类型	运动描述	适用情况
推镜头	从远景缓慢推进到人物面部	强调情绪变化
拉镜头	从人物拉远到环境全貌	展示孤独感或大场景
横移镜头	镜头沿水平方向移动	跟随人物动作
固定镜头	画面静止，只有人物微动	对话镜头、特写
放大局部	聚焦到眼睛、手、道具	制造悬念或情感细节

在图生视频工具里，提示词不要写太复杂，例如“镜头从窗外缓缓推向工位上的男生，窗外雨滴滑落，男生抬头看手机，表情从疲惫到微笑”。运动描述写得越具体，生成结果越可控。如果对某一镜头的运动不满意，优先修改运动描述，而不是重新生成整个画面，因为重绘容易引入角色不一致。

4.1 漫画拼接的顺序：先排版，再加动态

如果你选择做漫剧或漫画，拼接顺序特别重要。正确顺序是：

1. 先按分镜顺序排列图片。
2. 检查同一角色在不同分镜中的服装和环境。
3. 调整图片宽高比，统一画幅。
4. 用局部重绘修复不一致或崩坏的细节。
5. 加台词气泡、旁白文字。
6. 最后才用剪辑工具加转场和音效。

很多新手先加转场特效，再修图，结果特效掩盖了细节问题，成片发布后才被观众发现角色变了。排版和修复必须放在特效之前。

4.2 配音和字幕对齐的三个技巧

配音和字幕是决定“惨感”和“转折感”的关键。这里给出三个实用技巧：

• 旁白语速控制在每秒 3 到 4 个字。4 秒旁白对应 12 到 16 个字，画面时长要留够。
• 情绪转折处加 0.5 秒空白。例如“话又说回来”之前留 0.3 到 0.5 秒停顿，能明显增强反转感。
• 字幕不要简单居中，要在关键情绪词上加高亮色。例如“惨”用冷色，“最好的事”用暖色。

如果音频生成工具只支持整体合成，建议把旁白分成多段生成，再按分镜表拼接。分段生成的旁白更容易控制每段情绪，也方便某一句不满意时单独重录。

5. 视觉一致性和版权安全问题必须前置

AI 生成作品发布到公开平台前，有两个问题不能拖：角色一致性问题和版权授权问题。前者影响观众体验，后者影响是否合规发布。

角色一致性检查按以下顺序进行：

1. 看发型和发色是否一致。
2. 看服装颜色和款式是否一致。
3. 看脸型、眼型、肤色是否稳定。
4. 看人物比例有没有忽胖忽瘦。
5. 看同一场景中的道具摆放是否冲突。

发现角色不一致时，不要直接整幅重画。优先做局部重绘，把变化最大的部位单独选出来修复。这样既能保住其他满意区域，又能降低重绘带来的全局变化。

版权与原创性方面，发布前至少确认：

• 该 AI 绘画平台的用户协议是否允许商用或公开发布素材。
• 该模型生成的图片是否可能包含与现有角色、商标高度相似的表达。
• 文案是否原创，是否已去掉直接从模型复制的大段内容。
• 是否保留了项目命名、生成参数、素材版本等创作记录。
• 发布平台对 AI 生成内容是否有标识要求。

这些检查不应省。真实项目里出现过很多案例：AI 生成的角色与某游戏角色相似，结果收到投诉；平台升级审核策略后，没有标注 AI 内容的账号被限流；同一人物在不同分镜中长相漂移，导致评论区全是“换人了”。把这些记入发布前检查清单，可以有效降低风险。

注意：AI 工具生成的作品不等于“原始创新”。公开发布前，应结合自身素材和场景进行改写和确认。

5.1 用命名规范和目录结构管理素材

一个人创作时，素材管理往往被忽略。但当你生成超过 50 张图片时，没有规范的文件名会直接导致混乱。推荐目录结构如下：

ai-drama-project/
├── 01-script/
│   └── script.md
├── 02-character/
│   ├── character-linxiaoman-front.png
│   ├── character-linxiaoman-side.png
│   └── character-linxiaoman-back.png
├── 03-scene/
│   ├── scene-01-office-night.png
│   ├── scene-02-street-rain.png
│   └── scene-03-home-warm.png
├── 04-shots/
│   ├── shot-01-v1.png
│   ├── shot-01-v2.png
│   ├── shot-02-v1.png
│   └── ...
├── 05-video/
├── 06-audio/
└── 07-output/

命名格式推荐： 用途-镜号-版本号 。例如 shot-03-v2.png 表示第三个镜头第二版。如果某张图被选中使用，再复制到 final 目录并改名为 final-shot-03.png 。生成历史不要直接删除，因为后期可能要回退。

5.2 生成批次记录有什么用

建议每批生成都做一次记录，包括：

• 使用的模型名称和版本。
• 固定风格提示词版本。
• 角色锚定词版本。
• 生成日期。
• 使用的参考图路径。
• 种子值或随机数设置。
• 生成结果挑选情况。

记录不是为了写文档，而是为了复现。当你发现“上一周生成的脸比这周好看”时，没有批次记录就只能重试，重试又要消耗大量生成次数和时间。

记录可以用最简单的表格，不需要复杂系统：

批次	模型版本	风格版本	参考图	选中图	备注
batch-01	模型A	style-v1	char-front	shot-01-v2	人物微胖，待修
batch-02	模型A	style-v1	char-side	shot-02-v1	发色偏浅
batch-03	模型B	style-v2	char-front	shot-03-v3	风格更统一

6. 常见问题与排查路径：画面崩、角色变、剧情散

AI 创作过程中问题几乎一定会出现。掌握“从现象倒推原因”的排查思路，能让你快速定位问题，而不是反复随机生成。

6.1 角色长相漂移

现象：同一角色在不同镜头里脸型、发色、服装不一致。

可能原因：

• 每张图的提示词里角色描述不一致。
• 没有使用图生图或参考图功能。
• 风格提示词中混入了过多风格关键词。
• 使用了不同模型或不同画风参数。

排查方式：

• 检查每个镜头的提示词里，角色锚定词是否完全一致。
• 检查是否所有分镜都基于同一张参考图。
• 检查固定风格提示词是否被改过。
• 检查生成批次记录里是否混用了模型版本。

解决方案：

• 将角色锚定词复制到一个公共文件，从那里复制到每个提示词。
• 所有分镜都用三视图中的正面图作为参考图。
• 固定一套风格提示词，不随意加风格词。
• 统一使用同一模型版本生成所有分镜。

6.2 画面好看但不符合剧情

现象：单张画面质量高，但画面内容与台词或分镜说明对不上。

可能原因：

• 分镜脚本写得太抽象，例如只写“他很惨”。
• 提示词缺少人物动作、环境、道具和情绪描述。
• 对话模型撰写脚本时没有充分理解镜头逻辑。

排查方式：

• 检查分镜表里“画面内容”是否具体到人物动作和环境。
• 检查变化提示词是否包含主角动作、场景、道具、情绪、景别。
• 找一两个人试读分镜表，看他们能否在脑中想象出画面。

解决方案：

• 把“他很惨”改成“他一个人坐在空荡的办公室里，桌上放着凉掉的泡面，窗外是雨夜，屏幕显示凌晨 2 点”。
• 每张图的提示词都写清“主角在做什么 + 在哪里 + 状态如何”。
• 重要镜头增加负向提示词，例如“不要出现笑容、不要出现多个人物、不要出现白天光线”。

6.3 生成视频时画面变形或闪烁

现象：图生视频后，人物面部扭曲、背景闪烁、运动不自然。

可能原因：

• 输入图片分辨率不足。
• 运动幅度过大，模型插帧难度高。
• 图内元素过多，模型无法建立稳定的前景后景关系。

排查方式：

• 检查输入图片是否被未成年压缩分辨率，建议不低于 1536x1024 或当前工具推荐尺寸。
• 检查运动描述中是否包含快速转身、大幅度位移等高难度动作。
• 观察闪烁是否集中在外景或背景纹理区域。

解决方案：

• 提升基础图分辨率后再图生视频。
• 优先使用慢速推拉镜头，避免大幅横移。
• 背景保持简洁，减少细碎纹理。
• 分多次生成短镜头，再把片段拼接，不要追求一键生成长视频。

6.4 配音和画面节奏不匹配

现象：旁白念完了但画面还没结束，或画面换了好几个但旁白只说一句话。

可能原因：

• 分镜时长估算不准。
• 旁白分段没有和分镜对应。
• 生成视频的实际时长和计划时长差异过大。

排查方式：

• 统计每段旁白字数，按每秒 3 到 4 字换算时长。
• 检查每个镜头在剪辑软件里的真实时长。
• 检查旁白分段是否严格对应分镜表。

解决方案：

• 剪辑时优先以旁白时长为准，不够的部分用空镜头填补。
• 如果画面过长，在剪辑软件中调整速度，同时注意运动幅度别太快。
• 每段旁白在生成时就按镜号命名，如 audio-shot-01.wav ，避免拼接混乱。

7. 从一个人创作到团队协作：统一规范能避免返工

很多 AI 创作项目后期会从一个人扩展成多个角色协作：有人写文案、有人生成图、有人剪辑、有人配音。这时候最大的问题不是模型能力，而是协作规范。

建议团队开工前统一以下规则：

• 提示词公共版本由一人统一管理，其他人不允许随意改风格词。
• 角色锚定词和参考图统一存到共享目录。
• 所有生成批次记录使用同一份表格格式。
• 分镜表是唯一剧情来源，任何改动都先改分镜表。
• 每个环节的交付物有固定命名规则。
• 每个镜头至少保留两版备选，避免某一版不可用时重新开始。

规范越简单越好。两个人在两张表格里记录同一件事，比一个人不记录更容易出错。

7.1 建立你自己的 AI 创作检查清单

以下是一份可直接复制使用的通用发布前检查清单：

检查项	是否通过
主角在每个镜头中外貌一致	是/否
主要角色服装与环境没有冲突	是/否
分镜顺序能讲清完整故事	是/否
台词与画面内容对应	是/否
旁白时长与画面时长匹配	是/否
背景音乐情绪与剧情转折匹配	是/否
模型生成素材符合平台商用与发布规则	是/否
无侵权角色或商标相似度风险	是/否
命名规范和批次记录已整理	是/否
生成参数和参考图路径可追溯	是/否

每次发布前跑一遍清单，至少能减少半数可避免问题。

7.2 扩展方向：从短剧到互动内容与系列作品

跑通一遍完整工作流后，可以尝试以下扩展方向：

• 制作“多结局”漫画，同一主角，不同选择分支。
• 创建固定世界观，让同一批角色出现在多个短剧中。
• 把已经生成的角色动画资产复用到下一部作品，形成个人 IP。
• 将创作流程沉淀为提示词模板和批处理脚本，提高产量。
• 使用 AI 编程工具开发简易的本地素材管理脚本，自动整理命名和批次记录。

一个更长期的方向是建设“迷你角色库”。每完成一个项目，把角色的三视图、角色锚定词、常用场景描述、语气风格整理成一个可复用文件。下一个项目直接调用，角色定义会越来越稳定，内容生产效率也会明显提升。

8. 收尾：把即兴灵感变成可持续创作习惯

回到最初那句话：“我的男朋友好惨啊！不过话又说回来……”。它不适合直接成为提示词，但非常适合成为创作的起点。真正管用的流程是：先确定情绪方向，再把情绪转成三幕结构，再把结构转成一张张分镜表，最后用角色锚定词和固定风格提示词去统一生成画面，经过一致性修正、配音和字幕合成后，形成一部可以被观众理解的作品。

对新手最有价值的练习，不是一次性做出 60 秒完整短片，而是只做 9 张图的分镜漫画。目标只有一个：让不认识任何背景的人看懂“惨”和“话又说回来”的反差。跑通这个最小闭环后，再添加动态、配音、转场和系列扩展。AI 创作工具更新很快，但项目管理、一致性控制、排查思路和发布前检查清单这些技能不会过时。