最近一年，AI 短剧几乎成了内容创作圈最热的关键词之一。无论是短视频平台上刷到的“AI 真人感短剧”，还是以动态漫、漫剧形式出现的 AI 动漫内容，背后其实都有一套固定的生产管线：剧本拆解、角色图生成、分镜图生成、图生视频、配音配乐、剪辑合成。很多人以为做 AI 短剧需要懂绘画、会后期、能训练模型，实际上当前主流工具已经把门槛压得很低，真正拉开差距的是你对这整条流水线的理解深度。

这篇文章会从一个零基础创作者的角度，把 AI 真人短剧、AI 动漫、AI 动态漫、AI 漫剧制作的完整流程拆开讲清楚。全文会围绕“即梦 + ComfyUI + 剪映”这套低成本工具链展开，也会讲 ComfyUI 环境搭建、工作流节点组成、角色一致性控制、常见报错排查。不管你是想尝试第一条 AI 短视频，还是准备批量做 AI 漫剧账号，这篇教程都能给你一条可以直接照做的路径。

1. 先搞清楚：AI 短剧、AI 动漫、AI 动态漫到底是什么

1.1 AI 真人短剧的概念边界

AI 真人短剧，指的是用 AI 生成接近真人实拍画面效果的短视频剧集内容。它和传统短剧最大的区别，是不需要真实的演员、摄影棚、服化道和外景团队，而是靠大模型生成角色形象和场景画面，再用图生视频或文生视频技术，把静态画面变成连续动态镜头。

目前市面上的 AI 真人短剧，主要分为两种：

1. 全 AI 生成型：角色、场景、镜头全由 AI 生成，适合没有实拍条件的创作者。
2. AI 辅助型：真人实拍后，用 AI 做换脸、换装、特效处理，这种类型涉及肖像权和平台规则，普通创作者不建议碰。

这里需要特别提醒：那种“AI 一键卸甲”“AI 换脸明星”之类的内容，存在严重的肖像权和合规风险，平台治理也会不断收紧，并不适合作为长期创作方向。本文讲的 AI 真人短剧，是完全原创、可商用、符合平台规则的 AI 生成内容。

1.2 AI 动漫、动态漫、漫剧的区别

这几个概念经常被混用，我按创作习惯给它们做一个简单区分：

• AI 动漫：用 AI 生成动漫风格画面，再做成动态视频，视觉风格接近日本动画或国漫。
• 动态漫：介于静态漫画和动画之间，画面主体基本不动，但通过镜头推拉摇移、局部动效（眼睛眨动、头发飘动、衣角摆动、光斑闪烁）让画面“活”起来。
• AI 漫剧：动态漫的视频化内容形态，通常带配音、字幕、音效和剧情节奏，是抖音、B 站上常见的一类内容。

从制作流程上看，AI 真人短剧和 AI 动态漫有 80% 的环节是重合的，差异主要在画面风格控制和动态化策略上。所以这篇文章不会把它们当成两件完全独立的事来写，而是共用一套方法，再分别讲各自的侧重点。

1.3 为什么 AI 短剧值得系统学习

从成本角度看，传统短剧单集制作成本少则几万，多则几十万。AI 短剧的单集成本可以压缩到几十到几百元，核心成本变成了创作者的时间成本。从效率角度看，熟练之后一两天做出一集 1 到 3 分钟的短剧并不是夸张事。从能力角度看，AI 短剧涉及文本生成、图像生成、视频生成、配音剪辑四个方向，掌握这条管线，等于同时掌握了未来内容创作的底层能力。

2. AI 短剧制作全流程与工具矩阵

2.1 标准生产流水线

我习惯把 AI 短剧制作拆成八个环节。无论做什么题材，都建议按这条线走：

剧本创作 → 分镜拆解 → 角色资产设定 → 分镜画面生成 → 画面动态化 → 配音配乐 → 剪辑合成 → 发布复盘

2.2 每个环节的工具选型

生产环节	推荐工具	定位说明
剧本创作	Kimi、ChatGPT、文心一言	AI 辅助生成故事，短剧需要每集留钩子
分镜拆解	自己手动拆	用文档列出分镜号、景别、画面描述、台词、时长
角色资产设定	即梦、Midjourney、Stable Diffusion	生成角色正面、侧面、表情图，确定角色形象
分镜画面生成	即梦、Stable Diffusion、ComfyUI	批量生成场景分镜图
画面动态化	即梦、可灵、Runway、海螺	文生视频 / 图生视频
配音配乐	剪映、魔音工坊、Fish Audio	AI 配音、背景音乐、音效
剪辑合成	剪映、Premiere	画面、字幕、配音、音效合成
封面和包装	即梦、稿定设计	生成短剧封面，决定点击率

2.3 工具策略：先在线后用本地

如果你是零基础，第一周不需要碰任何本地安装的 AI 工具，先用“即梦 + 剪映”跑通一条完整流程。即梦负责生图和图生视频，剪映负责声音和剪辑，这两步能让你在完全不接触代码、不碰显卡配置的情况下，先做出第一条 AI 短剧。

当你开始遇到两个瓶颈时，再去学 ComfyUI：

1. 即梦单张出图太慢，或者一次需要生成大量分镜图，效率跟不上。
2. 角色形象不稳定，需要精确控制角色在不同分镜里保持一致。

ComfyUI 是 Stable Diffusion 的节点式工作流界面，看起来像一张流程图，每个节点负责一个功能模块，节点之间连线传递数据。它的优势是灵活、可控、适合批量生产，尤其是做动态漫、漫剧这种需要大量出图和角色一致性的内容，ComfyUI 几乎是绕不开的。

3. 环境准备：ComfyUI 安装与基础建模

先声明：以下安装步骤以当前版本为例，不同时期下载的整合包界面可能略有差异，但整体思路不变。

3.1 安装方式一：秋叶整合包（新手推荐）

秋叶整合包是目前国内使用人数最多的 Stable Diffusion / ComfyUI 一键整合包，它把 Python 环境、依赖库、常用模型管理、启动器都打包好了，不需要手动配环境。在相关社区搜索“秋叶 ComfyUI 整合包”可以找到下载地址。

解压后，目录结构大致是：

ComfyUI-秋叶整合包/
├── ComfyUI/
│   ├── models/                # 模型目录
│   │   ├── checkpoints/       # 主模型
│   │   ├── loras/             # LoRA 模型
│   │   ├── controlnet/        # ControlNet 模型
│   │   └── vae/               # VAE 模型
│   ├── custom_nodes/          # 插件目录
│   ├── input/                 # 输入图片
│   └── output/                # 输出图片
├── python/                    # 内置 Python 环境
├──启动 ComfyUI.bat            # 一键启动脚本
└── ComfyUI-管理器.exe          # 模型和插件管理工具

启动时双击启动脚本，浏览器会自动打开 ComfyUI 的 Web 界面，默认地址一般是 http://127.0.0.1:8188 。如果浏览器没自动打开，手动访问这个地址即可。

3.2 安装方式二：手动安装（适合已有基础）

如果你已经具备 Python 基础，或者更希望从原生版本开始，手动安装也很简单。以 Windows 为例：

# 1. 克隆 ComfyUI 官方仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 创建虚拟环境（建议）
python -m venv venv
venv\Scripts\activate

# 3. 安装 PyTorch 和依赖
# 这一步建议去 PyTorch 官网选择与你显卡 CUDA 版本匹配的命令
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 4. 安装 ComfyUI 依赖
pip install -r requirements.txt

# 5. 启动
python main.py

手动安装的好处是环境干净，升级方便，但对新手的坑也比较多，尤其是 PyTorch 版本和显卡驱动之间的匹配问题。所以我个人的建议是：零基础用户直接用整合包，等理解了目录结构之后，再决定要不要切换成手动安装。

3.3 下载必要模型

ComfyUI 本身不带有任何绘画能力，它只是一个工作界面。真正决定画风的是模型文件。

做 AI 真人短剧和 AI 漫剧，通常需要准备这几类模型：

类型	作用	放置目录
主模型	决定整体画风和质量，例如写实风、动漫风	models/checkpoints
LoRA	控制角色特征、服装、特定风格，是角色一致性核心	models/loras
ControlNet	控制动作姿态、构图线稿	models/controlnet
VAE	改善画面色彩和细节	models/vae

模型文件较大，一般 2GB 到 7GB 不等，下载后放到对应目录，刷新 ComfyUI 即可看到。不要一边下载一边用，容易出加载错误。

3.4 手机用即梦虽然方便，但本地 ComfyUI 的价值体现在哪

即梦这类在线工具适合生成单张高质量图片，但做漫剧时动辄几百张分镜图，如果全部使用在线工具，等待时间长、成本高，而且角色形象往往跑偏。本地 ComfyUI 一次配置好工作流之后，可以批量出图、批量换背景、批量控制角色姿势。这才是做“批量短剧账号”的核心竞争力。

4. 实战一：从零制作一条 AI 真人短剧片段

这一节会完整走一遍 AI 真人短剧的最小闭环，目标是产出一条 15 到 30 秒、包含完整剧情钩子的短剧片段。

4.1 生成剧本

我用一个古装复仇题材做示例，这类题材在短剧平台上验证度很高。用 AI 生成剧本时，不能只丢一句“帮我写个短剧”，要有明确的结构化要求。

你是一名短剧编剧。请写一部古装复仇题材短剧的第一集开头片段。
要求：
1. 时长 30 秒左右
2. 包含一个强冲突开场
3. 台词简洁，适合 AI 配音
4. 结尾留钩子，吸引观众看下一集
5. 输出格式：场景描述 + 对白 + 表演提示

AI 给出的结果可能比较散，需要人工整理。我在这里把最终版剧本做简化处理：

场景：雨夜，破败庭院。
女主 林晚秋 跪在泥地上，面前的将军 顾长风 拿着密旨。
顾长风：“圣意已定，林家通敌，满门抄斩，念在你我旧情，给你留一具全尸。”
林晚秋抬头，眼中全是恨意。
林晚秋：“顾长风，你欠林家的，我总有一天会亲手拿回来。”
顾长风冷笑：“你拿什么拿？”
林晚秋从袖中掏出一块令牌，顾长风脸色大变。
【钩子】画外音：“三个月后，新帝登基，没人知道那位权倾朝野的摄政王，就是当年的林家孤女。”

这个剧本虽然短，但具备了冲突、情绪反转、时间跳跃三个短剧核心要素。

4.2 拆解分镜表

分镜表是整条流水线的“施工图纸”。分镜写得越细，后面生成画面时越省力。每个分镜至少要有：分镜号、景别、画面内容、角色状态、镜头运动。

分镜号	景别	画面内容	台词/配音	镜头运动
01	远景	雨夜破败庭院，闪电照亮牌匾“林府”	雨声	缓慢推近
02	中景	林晚秋跪在泥地，衣衫湿透	顾长风台词	固定
03	近景	顾长风俯视林晚秋，眼神冷酷	后续台词	轻微下摇
04	特写	林晚秋抬头，眼睛含泪但充满恨意	林晚秋台词	推近
05	中景	林晚秋掏令牌，顾长风脸色大变	无台词	快速推近
06	空镜	令牌落地特写，雨滴打在令牌上	画外音钩子	环绕
07	转场	黑屏字幕：三个月后	画外音	无

分镜表不仅是给自己看的，也是后续生成提示词、控制视频时长的依据。建议用表格或文档管理，一个项目一个文件夹，避免后期混乱。

4.3 确定角色形象并生成角色资产

角色形象是短剧的脸面，也是 AI 短剧制作中最容易翻车的一环。如果你用即梦，建议先做角色设定图，不要上来就生成分镜。

对林晚秋这个角色，我给出一份可直接修改的提示词模板：

古装年轻女子全身设定图，约25岁，清冷倔强，穿浅青色素衣汉服，头发湿漉漉贴在脸颊，
眼神中带着隐忍与恨意，站在雨夜庭院中，背景灯笼微光，电影质感，写实风格，
面部细节清晰，浅景深，竖屏构图

生成角色图后，你等于获得了一个“角色锚点”。后面所有分镜图，都要基于这一版形象去生成。在即梦里可以上传这张角色图做参考图，再结合场景描述生成分镜，这样同一角色在不同分镜里才不会“换脸”。

4.4 用即梦批量生成分镜画面

即梦支持文生图和图生图。做分镜图时，我建议采用“参考图 + 场景描述”的方式。

对分镜 01，提示词可以这样写：

参考图中女子的形象，生成一张古装剧场景图：雨夜破败庭院，牌匾写着林府，
闪电照亮天空，一名古装女子跪在泥地上，身穿浅青色素衣汉服，背影带悲壮感，
电影级光影，写实风格，竖屏，中景

对分镜 03，也就是顾长风的画面：

古装将军男子，约35岁，身穿黑色战甲，撑伞站在雨中，俯视镜头，眼神冷酷，
面部棱角分明，背景是燃烧的府邸，电影级光影，写实风格，竖屏，近景

生成时需要检查几个点：

1. 画面比例是否统一。短剧建议统一用 9:16 竖屏比例。
2. 角色的服装、发型、五官是否和角色设定一致。
3. 画面中不要出现乱码文字、奇怪的手部、多根手指。

4.5 图生视频：让静态画面变成镜头

有了分镜图后，把每一张静态图导入即梦的“图生视频”功能，并在提示词里描述动态内容。

分镜	动态描述
01	镜头缓慢推近，雨丝飘落，闪电忽明忽暗
03	雨滴从伞沿滑落，将军面部冷酷，披风被风吹动
04	女子眼神变化，从隐忍到坚定，泪水滑落
06	令牌落地溅起水花，镜头轻微晃动

需要注意：图生视频不是万能的，画面元素越复杂，动作幅度越大，越容易出现变形。你只需要让画面“微动”即可，真正的节奏感交给剪辑。

4.6 配音、字幕与剪辑合成

最后一步是把所有片段拖进剪映：

1. 按分镜顺序排列视频片段。
2. 用 AI 配音功能分别生成顾长风和林晚秋的声音。建议男声用低沉音色，女声用清冷音色。
3. 根据配音时长微调视频片段长度。
4. 添加雨声、闪电音效和背景音乐。
5. 识别字幕或手动添加字幕，注意一句台词最多不要超过 12 个字，否则观众读不完。
6. 添加转场效果，比如用“闪白”转场表现回忆，用“黑幕”转场表现时间跳跃。

到这一步，一条 AI 真人短剧的最小闭环就完成了。你不需要一次性做出一整集，先做一条 15 秒的片段，确认整个流程能跑通，再逐步扩大制作规模。

5. 实战二：AI 动态漫 / 漫剧的 ComfyUI 工作流

动态漫和真人短剧的核心区别在于画面风格是动漫插画风，同时动态化方式更加依赖局部动效。动态漫的受众习惯是“一张好看到炸的图 + 轻微动效 + 强配音”，对视频流畅度的要求反而比真人短剧低。这也是为什么动态漫非常适合用 ComfyUI 批量产出。

5.1 动态漫制作流程与真人短剧的差异

动态漫的标准流程是：

剧本 → 分镜 → 角色设定 → 用 ComfyUI 批量出图 → 局部动态化 → 配音 → 剪辑

差异主要在两方面：

1. 画面生成环节：动态漫需要更高的一致性控制，因为观众会对动漫角色的长相更敏感。一个角色换个发色、换个脸型，立刻就会出戏。
2. 动态化环节：动态漫很少做大幅动作，更多是分层动效。比如背景静止、头发飘动、眼睛眨动、光效流动，这需要后期工具支持。

5.2 认识 ComfyUI 工作流的基本节点

ComfyUI 的工作流本质是一张节点图。下面是一个最基础的文生图工作流节点结构：

Load Checkpoint（加载主模型）
        ↓
CLIP Text Encode（正向提示词）
        ↓
CLIP Text Encode（负向提示词）
        ↓
KSampler（采样器） → VAE Decode（解码） → Save Image（保存图像）

在 ComfyUI 界面里，你可以用鼠标拖拽节点、连接端口。正向提示词就是你希望画面里出现的内容，负向提示词是你不希望出现的内容。负向提示词通常填一些常见劣质元素：低分辨率、模糊、多手指、变形等。

5.3 通过固定提示词模板保证角色一致性

动态漫生产中最让人头疼的就是角色一致性。同一个角色，第一张图是瓜子脸，第二张图变成圆脸，剧情就没法看了。

解决思路是“拆碎提示词”。不要每次都重新写一长串描述，而是把角色描述固定下来。

角色描述模板：

shenqi girl, long black hair, amber eyes, pale skin, wearing dark purple hanfu,
slight smile, elegant, fantasy style

场景描述模板：

ancient Chinese palace, night, candlelight, moonlit courtyard, cherry blossom petals,
cinematic lighting, detailed background

每次出图时，把两份描述拼在一起，顺序是：角色 + 场景 + 镜头 + 画质后缀。优点是角色部分完全不变，场景部分按需调整。这种方式比每次重新写提示词稳定得多。

如果想进一步提升一致性，可以用 LoRA 模型。LoRA 可以理解为一个小型“角色特征包”，你可以在本地用一些图片训练特定角色的 LoRA，训练完成后，把它加载到工作流里，出图时角色面容会明显更稳定。不过训练 LoRA 对显卡和数据集有要求，新手可以先把提示词模板法用熟。

5.4 一个可落地的 ComfyUI 工作流结构

下面用文字描述一个适合动态漫批量出图的工作流。节点连接关系如下：

Load Checkpoint（动漫主模型）
        ↓
Load LoRA（角色LoRA，可选）
        ↓
CLIP Text Encode（角色提示词）
CLIP Text Encode（场景提示词）
        ↓
CLIP Text Encode（负向提示词）
        ↓
Empty Latent Image（设置 512x768，batch_size=4）
        ↓
KSampler（种子固定，步数25，CFG 7，采样器 Euler a）
        ↓
VAE Decode
        ↓
Save Image

这里的 Empty Latent Image 设置 batch_size=4，表示一次生成 4 张同系列图，适合快速批量出分镜草稿。固定随机种子后，同一提示词生成的多张图片会趋近一致，这也是做连续性画面时的常用手段。

5.5 动态漫的动态化技巧

ComfyUI 主要负责出静态图，动态化一般交给视频生成工具或剪辑软件完成。

动态漫制作中有一个成本很低的动态化思路：分层动效。

1. 在剪辑软件中导入静态分镜图。
2. 对图片做“缩放 + 平移”动画，模拟镜头推拉摇移。
3. 在局部位置叠加粒子素材，比如飘落的樱花、火光、光斑。
4. 用文字转语音生成配音，加上音效和背景音乐。

这种方式不需要任何图生视频功能，单靠剪映就能完成，效果在手机端看完全够用。当你需要更细腻的动态，再配合即梦的图生视频生成头发飘动、眼神变化等小幅度动势。

6. 常见问题与排查思路

做 AI 短剧过程中，90% 的问题其实是固定那几种。下面这张表是我整理的高频问题清单，建议收藏备查。

问题现象	常见原因	解决思路
ComfyUI 启动报错，界面打不开	端口被占用、依赖缺失	换个端口启动；更新依赖
ComfyUI 节点执行过程中发生错误	模型格式不对、节点缺少依赖、显存不足	查看错误日志定位具体节点，确认模型路径，降低分辨率或 batch
生成图片黑屏或灰屏	VAE 缺失或模型加载失败	检查 VAE 是否正确加载，换一个 VAE 文件
手部、面部崩坏	模型分辨率不够、提示词缺少细节	提高分辨率，使用更高精度模型，增加负面提示词
同一角色不同分镜长相不一致	提示词不稳定、没有使用参考图/LoRA	使用角色提示词模板，配合参考图或 LoRA
图生视频时人物变形严重	动态幅度过大、原图细节不足	减少提示词里的动作幅度，优先处理局部动态
生成图片比例不统一	忘记设定固定分辨率	在 Empty Latent Image 节点统一分辨率，不要随意改
在线工具生成的内容审核不过	提示词触发了敏感词或画面违规	调整提示词，采用含蓄表达，避免暴力、色情、真实人物肖像

注意：ComfyUI 报错时，不要只看红色报错文字，关键是看触发报错的节点名。比如上图你看到了“node”和你实际加载的工作流节点对应，一般可以在控制台日志里找到类似“Error occurred when executing KSampler”这样的信息，它已经告诉你是采样环节出了问题。

排查顺序建议：

1. 先把出错的节点截图。
2. 检查节点上的模型路径是否存在。
3. 检查模型是不是放错目录。
4. 检查显存占用，降低 batch_size。
5. 更新所有插件。
6. 如果还不行，换回默认工作流测试，判断是不是自定义节点冲突。

这套流程能解决 ComfyUI 95% 的本地报错。

7. 效率提升与工程化建议

7.1 建立可复用的项目文件夹结构

做单条视频时，怎么放文件都无所谓。但当你开始做系列短剧，比如每周更新 3 集漫剧，文件夹规划就非常重要。我建议按剧集维度组织：

project/
├── 01_剧本/
│   └── 剧情大纲.md
├── 02_分镜/
│   └── 分镜表.csv
├── 03_角色/
│   ├── 林晚秋_设定图.png
│   └── 顾长风_设定图.png
├── 04_分镜图/
│   ├── 第01集/
│   └── 第02集/
├── 05_视频片段/
│   ├── 第01集/
│   └── 第02集/
├── 06_音频/
│   ├── 配音/
│   ├── 音效/
│   └── BGM/
└── 07_成片/
    └── 第01集_final.mp4

这样的好处是：无论隔多久回来继续制作，都能快速找到素材，不会出现“我记得那个图在哪来着”的尴尬。

7.2 沉淀提示词模板库

提示词是你最大的资产。很多 AI 短剧创作者每天都要改提示词，但实际上大部分内容是重复的。我建议用表格或文档维护一份模板：

• 角色模板：不同性别、不同服装、不同气质的固定描述。
• 场景模板：古装庭院、现代都市、玄幻森林、雨夜街道等。
• 镜头模板：近景、特写、远景、俯拍、仰拍、环绕。
• 画质模板：电影感、浅景深、8K、细节丰富、柔光。

出图时按“角色 + 场景 + 镜头 + 画质”四段式拼接，效率提升非常明显。

7.3 批量生产与版本管理

在 ComfyUI 里，固定随机种子（seed）可以帮助你生成相同的画面，这是做连续分镜的关键。不同随机种子则会生成不同变体。做批量出图时，建议每一种组合先设置 batch_size=4，快速选出最优结果，再对选中的结果进行精细调整。

同一套角色设定和场景提示词，最好在同一个项目文件夹下保存一份“出图参数快照”，记录下用的主模型、LoRA、采样器、步数、CFG、种子这些参数。否则过几天你再想复现某张图的风格，很可能已经回忆不起来了。

7.4 合规红线必须从一开始就关注

这一点放到最后，但反而最重要：

1. 不要使用真实明星、素人照片做换脸和 AI 生成，涉及肖像权侵权。
2. 不要在短剧里使用受版权保护的歌曲、影视素材、漫画分镜。
3. 发布 AI 生成内容时，留意平台关于“AI 生成内容标识”的规定。
4. 不要做虚假宣传、医疗/金融类违规内容，也不要用 AI 短剧做灰产引流。

AI 创作工具给了普通人很大的创作自由，但不意味着可以无视法律和平台规则。守住底线，这个方向才能走得远。

8. 总结与学习路径建议

如果读完这篇教程，你只记住一件事，那就是：AI 短剧并不是“一句话生成一部剧”的魔法，它是一条清晰的生产流水线。先会拆解流程，再熟练掌握每个环节的工具，最后在某个环节上做出自己的方法沉淀，这才是AI短剧创作者真正的护城河。

给不同基础的人一条学习路径参考：

• 零基础：先下载剪映，注册即梦，照着实战一做一个 15 秒 AI 真人短剧片段。目标不是完美，而是跑通流程。
• 有一定短视频经验：学习 ComfyUI 安装和基础工作流，用固定提示词模板做角色一致性控制，尝试制作第一条 AI 漫剧。
• 想规模化运营：研究批量出图、LoRA 角色训练、系列化剧情设计、矩阵账号运营。

下一个建议学习的方向是 LoRA 训练。如果你能针对自己的原创角色训练一个专属 LoRA，角色一致性将实现质的飞跃，这也是 AI 短剧和动态漫制作中最有技术含量、也最值得投入时间的一环。

工具会不断升级，但分镜思维、叙事能力、审美判断力无论到什么时候都不会过时。先用最小成本跑通流程，再逐步迭代质量，这是做 AI 短剧最务实的路径。希望这篇教程能成为你第一条 AI 短剧的起点。