端到端生产管线

这是多份创作者教程交叉验证出来的主流工作流。核心判断：先出图，再出视频，不要直接文生视频。

原因很简单——直接文生视频，每一镜的角色长相都会变。先把角色定死在图上，再让图动起来，脸才不会崩。

六步流程

剧本 → 角色定妆照 → 分镜脚本 → 分镜图 → 图生视频 → 剪辑合成

步骤	干什么	用什么
1. 剧本	写出单集剧本，拆出人物档案和场景清单	DeepSeek / 豆包 / Claude
2. 角色定妆照	给每个角色生成一张「身份证」照片	即梦图片生成
3. 分镜脚本	剧本转成镜号+景别+画面+台词的表格	大模型 + 人工调整
4. 分镜图	每个镜头出一张静帧，全部垫角色卡	即梦图片生成
5. 图生视频	静帧动起来	即梦视频生成 / Vidu / 可灵
6. 剪辑合成	配音、字幕、音效、BGM、成片	剪映

创作者给的工期参考是三天一集：第一天剧本和分镜，第二天出图和出视频，第三天剪辑。

每步的关键点

第 1 步：剧本

单集时长建议：第一集 2–3 分钟，后续每集约 1 分钟。单集剧本控制在 2500 字以内，AI 处理更精准。

要产出三样东西：

• 剧本正文
• 人物档案：年龄、性格、穿着、外形——这是后面所有生图的唯一标准
• 场景清单：标注内景/外景、白天/夜晚

现成的指令模板见剧本与分镜指令。

第 2 步：角色定妆照（最关键的一步）

提示词公式：风格 + 人物完整形象 + 纯色背景 + 无光影

2D日漫风格国漫质感，25岁亚洲男性半身正面立绘，短碎黑发额前微乱，
单眼皮细长眼，下颌线清晰，浅灰色衬衫袖口挽到小臂，神情疲惫警觉，
纯灰色背景，均匀平光无强烈光影，单人独立构图

要点：

• 纯色背景、无强烈光影——干扰元素越少，模型提取特征越准
• 按官方要求再单独出一张只有头部的大头照，用于锁脸
• 不要出三视图，官方明确说会加剧 ID 漂移和双胞胎问题
• 满意的那张超清导出存好，这就是全剧的角色卡

详见角色卡制作。

第 3 步：分镜脚本

让大模型把剧本改写成分镜表，字段见分镜脚本怎么写。

人工必须过一遍：AI 写的分镜经常一个中景怼到底，你要手动把景别打散，插入远景和特写。

第 4 步：分镜图

提示词公式：风格前缀 + 景别 + 场景 + 人物动作表情

三条铁律：

1. 风格前缀一字不差地重复，全剧统一
2. 每张图都垫角色卡（角色特征/角色参考），有创作者给的参考强度经验值是 70%——高于 80% 姿势僵硬，低于 50% 五官变形。这是单一来源的经验值，自己试
3. 删掉抽象描述。AI 不理解“指尖微微颤抖”，要么删掉，要么换成情绪对照表里的具体动作

第 5 步：图生视频

提示词公式：风格 + 人物动作/情绪 + 镜头运动 + 自然动态

• 动作写具体动词：「转头看向窗外」优于「思绪万千」
• 微动态优先：头发飘动、衣角摆动、镜头缓推，比大幅动作稳定得多，伪影少
• 对话镜头按每秒 2.5 个字估算时长

第 6 步：剪辑合成

• 配音：每个角色固定一个音色。如果用 Seedance 2.0 的 {} 台词功能，这步可以省
• 音效：脚步声、开门声、耳光声能极大提升沉浸感
• BGM 音量务必压低，不能盖过人声——这是被反复提及的坑
• 口型对不上的补救：补一个点头或沉思的镜头盖过去。漫画风有这个容错空间，不用死磕对口型

两条省钱建议

用便宜模型抽卡，用贵模型定稿。 Seedance 1.0 pro fast 官方标称速度快 3 倍、价格降 72%，拿它试构图，满意了再上 pro。

能一条多分镜就别拆成多条。 Seedance 2.0 支持一条提示词写多个镜头，一次 15 秒出三个镜头，比生成三次便宜，而且角色一致性和轴线连续性都更好。

已知的现实瓶颈

有创作者实测反馈：做 5 集 15 秒的片子，中途因积分不足被终止。

AI 漫剧真正的门槛不是技术，是抽卡成本。一个镜头抽三五次是常态，按这个量级去估算你的预算。