AI漫剧制作全流程:工具详细使用示例

1. 角色资产库构建

目标：生成标准化、可复用的角色三视图与定妆图，确保后续制作中角色不“崩坏”。

•TGI2 图像生成模型

◦功能：生成角色标准三视图（正/侧/背）及多角度定妆图。

◦使用示例（提示词结构）：[主体描述], 全身像, 白色背景, 3D Pixar风格, 高清8K –niji 5 –style expressive

◦实操案例：

▪输入提示词：RUI, 28岁亚裔女性, 齐肩黑色波波头, 穿米色风衣配牛仔裤, 鼻梁右侧有小痣, 全身像, 正面视角, 白色背景, 3D Pixar风格, 高清8K

▪操作：生成后，挑选最符合预期的图像作为“正面基准图”。

▪多角度生成：修改提示词中的视角参数（如侧面视角、背面视角、45度侧脸），生成一套（建议8张）不同角度的定妆图，覆盖光影变化。

•GPT-Image-2（Thinking模式）

◦功能：生成带特定文字（如招牌、书本内容）的特写镜头，锁定细节。

◦使用示例（提示词结构）：[角色名]手持[道具]，特写镜头，道具上文字清晰显示为‘[具体文字]’，[艺术风格]

◦实操案例：

▪输入提示词：RUI手持直播间提示板，特写镜头，提示板上文字清晰显示为“限时5折！还剩10秒！”，背景虚化，3D Pixar风格

▪目的：验证模型能否精准渲染中文文案，同时锁定角色手部动作与道具特征。

2. 分镜制作

目标：高效生成带对话气泡的连贯分镜，减少后期修图与排版工作量。

•GPT-Image-2（主力）

◦功能：生成带精准中文对话气泡的分镜图。

◦使用示例（提示词结构）：镜头[编号]：[场景描述]，[角色名]说：“[对话内容]”，对话气泡内文字为‘[对话内容]’，字体为宋体12号，无错别字，[镜头角度描述]

◦实操案例：

▪输入提示词：镜头03：上海外滩夜景街道，RUI兴奋地举着“全场8折！”的招牌，对话气泡内文字‘姐妹们快来看！’，字体为宋体12号，无错别字，中景镜头，3D Pixar风格

▪输出：直接生成一张包含角色、场景、文字气泡的完整分镜图。

•Midjourney V7（辅助）

◦功能：生成复杂或风格化背景，弥补GPT-Image-2在环境细节上的不足。

◦使用示例（提示词结构）：[场景描述]，[艺术风格]，[光影参数]，[构图参数] –ar [宽高比] –v 7

◦实操案例：

▪输入提示词：赛博朋克风格的未来城市雨夜，霓虹灯光反射在湿漉漉的街道上，景深效果，广角镜头 –ar 16:9 –v 7

▪后期：将生成的背景图导入PS或视频编辑软件，与GPT-Image-2生成的角色分镜进行合成。

3. 动态化与镜头扩展

目标：将静态分镜转化为动态视频，补充镜头语言与特效。

•可灵AI原生4K模型

◦功能：生成高画质、角色一致的动作片段。

◦使用示例（操作流程）：

1..1.输入：上传GPT-Image-2生成的分镜图（如RUI举招牌的静态图）。

1..2.选择模式：图生视频，分辨率4K。

1..3.提示词（动作指令）：RUI微笑着向左挥手，招牌轻微晃动，背景人群缓慢移动，时长5秒。

1..4.关键设置：勾选“角色一致性锁定”，确保生成的视频中RUI的面部特征与服装不变形。

•万相Wan 2.7

◦功能：批量生成低成本过场动画。

◦使用示例（提示词结构）：[场景A]缓慢过渡到[场景B]，运镜方式[推/拉/摇]，时长[秒数]

◦实操案例：

▪输入提示词：从繁华的上海外滩街道（镜头03场景）缓慢拉远并上升，过渡到黄浦江全景，运镜方式为“拉”，时长3秒

•Seedance 2.0

◦功能：补充物理交互特效。

◦使用示例（操作流程）：

1..1.输入：选择视频中需要添加特效的片段（如RUI的头发）。

1..2.选择特效：风力模拟 -> 微风。

1..3.输出：生成头发随风轻微飘动的动态蒙版，叠加至主视频轨道。

4. 后期整合与输出

目标：通过多维度调节与批量处理，完成最终成片。

•多维相机调节系统

◦功能：生成分镜的多角度视图，完善镜头语言。

◦使用示例（参数调节）：

▪输入：静态分镜图（俯拍视角）。

▪调节参数：旋转角度：+15度，焦距：50mm -> 35mm（模拟广角效果）。

▪输出：生成一张带有仰拍效果的动态分镜，增强视觉冲击力。

•资产批量提取工具

◦功能：自动归类角色、场景、道具资产，跨集复用。

◦使用示例（操作命令）：

▪指令：提取项目“都市恋爱季1”中所有含“RUI”的图像资产

▪输出：系统自动从历史生成的素材库中筛选出RUI的所有定妆图与分镜图，打包供第2季制作调用。

5. 成本与效率优化：模型分层调用策略

原则：高成本模型仅用于核心镜头，普通镜头用低成本模型。

实操案例：

•制作一个10秒的主角对话场景：

0-5秒（主角特写）：使用可灵AI 4K生成，确保面部表情细腻、口型与台词匹配。

5-8秒（镜头拉远展示环境）：使用万相Wan 2.7生成背景动态，叠加主角静态图层。

8-10秒（转场至下一场景）：使用万相Wan 2.7生成“镜头模糊+移动”特效。