AI漫剧从0到1：拆小说、定角色、生场景，全流程Prompt都在这里

刷到那些画面惊艳的AI漫剧时，你心里大概飘过同一个问题：这到底是怎么做出来的？

过去一部动画短剧，背后是一整条生产线：编剧、美术、导演、分镜、剪辑，一个都不能少。现在这套流程被AI压缩成了一条一个人就能跑通的链路，业内喜欢叫它"文-资-视-剪"。

今天我就把这条链路完整拆给你看，五个环节，每个环节都配上能直接用的提示词。老规矩，先收藏再读。

一、文：故事从"拆"开始

内容行业有个残酷的事实：爆款是可以被拆出规律的。

别急着动笔。先挑3-5本和你想做题材一致的小说，交给AI，让它从四个维度做一次"解剖"：

• • 开头怎么钩人：前三章靠什么留住读者；
• • 高潮怎么顶情绪：情绪峰值出现在什么位置、用什么方式引爆；
• • 反转怎么设计：转折点埋在哪里，凭什么让人意外；
• • 爽点怎么排布：读者是靠着什么"爽感"一路追下去的。

对应的提示词可以这样写：

请帮我拆解这几本小说的内容逻辑，分别从开头钩子、情绪高点、转折设计、爽点密度四个维度分析，并总结它们共同的创作规律

拆完你会发现，所谓爆款，拼的从来不是文笔，而是这套骨架踩得准。

接下来别急着写正文。先把故事的章节大纲列出来，10章也好、20集也好，大纲确认了再往下走。方向对了，后面每一步都是加分项。给每个主角定一张'视觉身份证'

二、资：让角色和场景先"立住"

故事有了骨架，接下来要把文字翻译成画面。这一步的关键词是：编号管理。

把剧本里所有要出镜的东西列成一张资产清单：角色、场景、道具，分别编号——角色C01、C02，场景S01、S02，道具P01、P02。有了编号，后面生成视频时引用参考图才不乱。

角色资产：先立绘，再三视图

给每个主角定一张"视觉身份证"：年龄、体型、发型、服装、标志性配色。然后分两步出图：

• • 第一步，出单人全身立绘，9:16竖版、纯白背景，先确认这个角色"长对没有"；
• • 第二步，角色形象确认了，再补三视图，16:9横版，正面、侧面、背面各一个角度。

三视图不是随便摆三个姿势，而是一张"制作级参考图"，最好包含：完整造型三视角、面部特写、毛发和服装的配色板、配饰等局部细节、用黄金比例参考物做身高对照。一句话：让任何一个人拿到这张图，都能还原出这个角色。

场景资产：一个地方，三张图

重要场景至少要出三张：正打、反打、侧面全景。正反打按角色可能的站位和对话方向设计，方便后期分镜直接对机位；侧面全景用来交代完整的空间关系。场景里不要出现人物，也不要出现文字，保持干净，方便后续合成。

道具资产：单独展示

关键道具单独出图，纯白背景，突出材质、年代感和使用痕迹。如果这个道具和剧情线索有关，在提示词里点明它的重要性。

一个实用小技巧：每个角色用不同的配色方案，同框时一眼就能区分；同一角色多张图之间，提示词里写死画风和特征，否则AI会给你画出"两张脸"。

三、视：把故事翻译成镜头语言

资产齐了，开始分镜。这一步是把"小说的文字"翻译成"能拍的镜头"。

专业做法是建一张分镜脚本表，每一行一个镜头：分镜号、景别、运镜、画面内容、台词、预估时长、分镜出图提示词。

写分镜时有几条铁律：

• • 一镜控制在3-5秒，一集十几秒，节奏要快；
• • 景别要有变化，远景、中景、近景、特写轮着来，别一镜到底全是中景；
• • 运镜写具体：推、拉、摇、移、跟、环绕、升降，而不是"镜头缓缓移动"这种废话；
• • 台词标注声音来源：画面里说话写"角色名说"，心里想的写"内心独白"，人不在画面里写"画外音"；
• • 心理活动不能直接拍，要翻译成动作、表情、道具细节；
• • 对话场景用正反打，情绪转折处用空镜接画外音，电影感一下就出来了。

这段提示词可以直接用：

你是一位资深电影剪辑师和AI视频分镜设计师。请根据我提供的剧本，拆解成适合AI视频制作的分镜表格，包含分镜号、景别、运镜、画面内容、台词、预估时长、分镜出图提示词。心理描写请翻译成可拍摄的动作和表情。

四、生：用Seedance 2.0把分镜变成画面

分镜表拿到手，进入生成环节。以Seedance 2.0这类视频模型为例，有几种"入戏方式"：

• • 文字生视频（T2V）：直接拿文字提示词生成；
• • 图片生视频（I2V）：上传角色图、场景图做参考，让画面"动起来"——漫剧最常用的方式；
• • 视频参考生视频（V2V/R2V）：拿上一段视频当参考，续写或衔接动作。

这里有个特别重要的原则：每张参考图只负责一件事。这张图管角色长相，那张图管场景，另一张图管首帧或尾帧。不要让一张参考图既管人物又管动作，否则它会两头都管不好。

生成单集分镜时，可以按时间轴来写提示词，把15秒分成几段：

0-3秒：建立场景，镜头推进，交代环境氛围3-6秒：主角入场，中景，完成第一个动作6-9秒：冲突推进，镜头环绕，情绪上升9-12秒：高潮爆发，特写，视觉冲击最强12-15秒：收尾留余韵，空镜，落版

再强调一遍：运镜、光线、情绪都要落到具体描述上，少用"唯美""震撼"这种空词。写清楚"谁、在做什么、镜头怎么走"，画面才有信息密度。

声音也一样。对话、口型、音效、环境声、配乐，这些现在都能生成，但别一股脑全丢给模型。分镜阶段就标清楚每段声音的来源，效果会稳定很多。

五、剪：连贯，靠尾帧和抽帧

最后聊一个最容易被忽略、却最决定成品质感的问题：连贯性。

• • 尾帧要记下来：每段视频的最后一帧是什么画面、什么光线、什么构图，写清楚。下一集要接它。
• • 抽帧接力：上一段的结尾截一帧，作为下一段的首帧参考图，画面就"接得上"了。
• • 残次镜头先出图：遇到复杂的极限镜头，与其硬跑视频，不如先用出图工具把分镜图做出来，再图生视频，成功率更高。

把"上一集尾帧"变成"下一集首帧"，这一条习惯，能让你的漫剧从"一堆碎片"变成"一部连续的作品"。

写在最后

把整条链路压成一句话：

故事靠拆，资产靠编号，分镜靠表格，生成靠参考，连贯靠尾帧。

你不需要会写小说，不需要会画画，也不需要懂剪辑。你需要的，是把一条大流程拆成可以执行的小步骤，然后一遍一遍地跑通它。

下一期，我们挑一部热门AI漫剧，用今天这套框架拆它的镜头语言，看看爆款到底赢在哪。想看的在评论区扣个"1"，关注皮咻喵AI知识库，我们下期见。