AI漫剧做到第三周我最大的体会不是哪个模型画得更好看而是能靠全自动流程做出来的成品基本都长一个样。很多人第一次接触AI漫剧都会把它想象成一条省心的流水线剧本交给大语言模型画面交给图像生成模型动效交给视频工具配音交给TTS最后套个剪辑模板导出。每一环都有AI工具理论上只要输入一行剧情梗概就能得到一条完整成片。真按这个思路跑过一遍的人都会撞上一堵墙能用AI出片和能靠AI出精品是完全两码事。我见过不少新手的第一部AI漫剧单看画面很精致配音也清楚但整体看完就是没那味儿。角色上一格是一个长相下一格换了个发型剧情前后没有钩子每一格都好看却连不成一个让人想往下看的故事。所以这篇不是“一键生成AI漫剧”的教程而是想聊清楚一个更底层的问题精品漫剧到底是怎么做出来的我的判断先放在这里精品漫剧从来不是依靠全自动流程制作完的。全自动决定作品的下限人工判断决定作品的上限。真正值得花时间研究的不是把所有环节都换成AI而是在每个环节里找到“人管什么、AI管什么”的边界。顺着这个思路我会先拆一条制作流水线再讲清楚现在被反复提到的“skill”能解决什么问题最后给出一套能落地的入门路径和问题排查顺序。1. AI漫剧不是一键生成而是一条四段流水线1.1 四段流水线怎么分工AI漫剧本质上是AI辅助的“图文短视频”它把漫画的分镜语言和短视频的节奏感结合起来。常见制作流程可以拆成四段剧本与设定世界观、人物关系、剧情梗概、分集大纲、对白和旁白。视觉资产角色形象设定、风格参考图、场景设定。这一段的产出决定了全片“长什么样”。画面生成与动态化按剧本逐格生成画面再通过运镜、缩放、补帧等方式让静态图产生动态感。声画合成与后期配音、背景音乐、音效、字幕、转场、调色最后导出成片。这四段里每一段都有成熟的AI工具参与。但每一段也都有必须由人拍板的地方。比如剧本段的“这个反转到底站不站得住”画面段的“这个角色和上一集是不是同一个人”后期段的“这段节奏是不是拖了”——这些判断模型很难替你完成。1.2 全自动的真正问题出在哪全自动最诱人的地方是省事但它有一个容易被忽略的代价你在把执行工作交给模型的同时也把审美判断一并交了出去。而模型擅长的是“生成一个合理的画面”不是“生成一个非它不可的画面”。打个比方全自动流程像请了一个特别听话、效率很高的实习生。他能按你的要求把东西做出来但他不知道为什么要这样做没有审美偏好也不会在交稿前反复琢磨“这里是不是换个节奏更好”。这不怪模型模型本来就不是为“你的作品”诞生的。这就是为什么全自动产出的AI漫剧单看每一格都不错合起来却像一碗没有调味的面。每根面条都合格但没有让人记住的味道。所以判断一个AI漫剧工作流好不好不是看它能不能全自动而是看它能不能在关键节点上让“人的判断”更方便地介入。2. 先把skill这个概念说清楚它是方法不是插件2.1 skill到底是什么近半年agent类工具越来越流行skill这个词出现的频率也高了起来。但很多人把它理解成“一个插件、一个脚本”这其实窄了。在常见实践里skill是一个包含说明、规则、模板和示例的文件夹它的作用是告诉大模型“某个具体任务应该按什么流程做、按什么格式输出、按什么标准检查”。你可以把提示词理解成一句话指令把skill理解成一套可复用的操作协议。提示词用一次就过去了skill可以反复调用还能在多次使用中不断改。举个具体例子。同样是让AI写一个三分钟漫剧分集普通提示词可能是“写一个悬疑漫剧三分钟反转结尾。”模型会给你一段看起来合理但很空泛的文本。而一个剧本创作skill会要求模型先确认用户想要的故事类型、目标平台、集数和单集时长再拉一版人物表和大纲大纲确认后再写分集分集里必须带场景、景别、画面描述、对白、情绪和钩子。最后还要按质量标准自检一轮。同一个模型有没有skill产出的内容专业度差别非常大。这不是模型变聪明了而是skill把“怎么做好这件事”的隐性经验显性化了。2.2 skill和MCP有什么区别很多人在搜索里问“agent skill和MCP有什么区别”这里用一个容易理解的说法区分MCP解决的是“AI能碰什么”。它像一扇扇接口让模型能读取本地文件、调用外部API、查询数据库或操作某个工具。没有接口模型就接触不到外界数据。skill解决的是“AI把事做成什么样”。它是一套工作流、格式要求和质量标准告诉模型在接到这类任务时该按什么顺序、用什么表达、检查什么红线。如果拿厨房类比MCP是给厨师提供食材、刀具和炉灶的通道skill是菜谱、操作规范和出品标准。菜谱和厨房环境是两回事但好厨房离不开两者配合。对一个做AI漫剧的人来说可以先不管复杂的MCP部署但skill是值得尽早学习和沉淀的。因为漫剧创作每一步都是强流程、强格式、强标准的任务正好是skill最擅长覆盖的场景。2.3 为什么剧本创作特别适合做成skill剧本创作是AI漫剧流水线里第一个环节也是后面所有环节的输入源。它非常依赖稳定的工作流先定题材和目标再立人物再拉大纲再写分集每一集要埋钩子每一场要标明画面信息。这些步骤是稳定、可复述的天然适合写进skill。更关键的是剧本不只是给读者看的它还是画面生成、配音和剪辑的施工图。如果剧本里没有场景描述、景别、情绪走向图像模型根本不知道该画什么配音也不知道语气应该怎样。一个写得好的剧本skill必须在输出格式上和下游工具对齐。这也是我建议新手第一个先做剧本创作skill的原因它的杠杆最大。3. 从零搭建一个剧本创作skill最小可用版本3.1 一个skill的最小目录结构不用把skill想得太复杂一个最小可用的创作skill通常就是几个文件。下面是一个常见结构示例你可以按自己的工具环境调整script-writer-skill/ ├── SKILL.md # 主说明角色、流程、输出规范、检查项 ├── templates/ │ ├── outline.md # 大纲模板 │ ├── episode.md # 分集剧本模板 │ └── shot-table.md # 画面提示词表模板 └── examples/ └── sample-episode.md # 一份符合要求的示例分集如果你用的工具支持单文件skill也可以把所有内容压进一个文件。但目录结构的好处是规则、模板、示例分开维护改模板不用动主说明更容易长期迭代。3.2 SKILL.md核心内容写什么SKILL.md是整个skill的入口。它的核心不是让AI“会写故事”而是让AI“按你定义的流程和标准写故事”。通常要写清楚几块角色定义你是一名经验丰富的短视频漫剧编剧擅长在短篇幅里建立人物、冲突和钩子。工作流程接到任务后先确认题材、目标平台、单集时长、集数再产出人物表和大纲确认后再进入分集写作完成后按检查表自检。输出格式分集剧本里每场必须包含场景、时间、景别、画面描述、对白、情绪、钩子。质量标准单集要有明确的冲突推进、结尾要有悬念人物动机不能前后矛盾对白要口语化不能书面腔。反例说明哪些写法不符合要求比如“用大段旁白解释剧情”“画面描述写得太抽象”“每集没有钩子”。下面是一个简化的分集输出格式示例第X集单集时长约60秒 场次1场景雨夜便利店景别中景 画面描述少年站在货架前手里握着只剩两格电的手机镜头缓缓推近他的脸。 对白 少年低声三分钟……只剩三分钟了。 情绪紧张、压抑 本场钩子便利店玻璃门外有人影停在雨中没有离开。这个格式看起来很基础但它决定了后面图像生成能不能顺利接住。很多全自动流程翻车根源就在这里剧本根本没给到下游需要的字段。注意先不要急着写十集。先用一条样本确认剧本格式能被下游图像工具稳定接住再谈批量。3.3 让skill真正好用的三个小细节第一输出格式必须和下游对齐。如果你后面用Stable Diffusion这类模型生成画面剧本里的“画面描述”要尽量写成图像模型能理解的关键词句式主体、动作、环境、光线、镜头。别写“气氛很沉重”这种抽象词要写“低角度机位、冷蓝色调、雨幕中的便利店霓虹灯”。第二把反例写进skill。模型看过反例之后比只看正例更容易理解边界。比如明确写“禁止用连续三行旁白解释人物心理”它就很少再犯。第三为skill做版本管理。我今天改了一版模板下周可能想对比效果没有版本管理你很难知道是哪次改动导致了输出变好或变差。不需要复杂工具用日期给目录文件命名就够了episode-template-20250203.md。4. 为什么全自动会翻车精品漫剧的五个关键失控点4.1 画面层失控角色一致性和风格统一第一个失控点是角色一致性。AI生成图像的一大难题是同一角色在不同分镜里很容易“换脸换装”。今天穿黑衣服明天穿蓝衣服这个镜头是短发下个镜头突然变长发。漫剧的多集连载特性让这个问题被放大。全自动流程里模型每次生成都是独立采样没有“记忆”所以角色一致性几乎一定会崩。缓解手段有一些用角色参考图、训练轻量LoRA、固定随机种子、在每格画面提示词里重复角色特征描述。但这些手段都需要人来建立规范而不是靠模型自觉。第二个失控点是风格统一。全自动生成时模型风格很容易漂移上一格是精细写实下一格变成厚涂插画。风格不统一会直接击穿观众的沉浸感。解决办法是提前确定一套风格参考在每格都携带统一的风格描述或者用同一底模和同一后处理流程来收敛。4.2 叙事层失控动机连贯、分镜密度与节奏情绪第三个失控点是剧情动机连贯。大模型写短段落很厉害但写多集剧本时经常出现前后矛盾第一集里角色为了找妹妹踏上旅程第三集却突然为了复仇打起来中间没有交代动机变化。全自动流程不会主动帮你维护人物弧光你需要自己在skill里设计“每集检查人物动机是否延续”的强制环节。第四个失控点是分镜信息密度。很多AI写的剧本画面描述非常笼统“两人在街边聊天”这对图像生成来说等于没有结构。精品漫剧的分镜信息密度要高得多景别怎么切、镜头怎么运动、人物位置关系、光线方向。没有这些画面生成只能靠猜。第五个失控点是节奏与情绪。这是最不像技术问题的技术问题。一集60秒的漫剧前10秒要建立情境中间要有起伏最后3秒要留钩子。模型能生成文字但很难判断“这里是不是拖了”“这个反转来的是不是太早”。节奏感是靠人的观看经验磨出来的AI短时间内替代不了。一句话总结这五个失控点全自动能保证“每格都合理”但“合起来好看”需要人对角色、风格、动机、分镜和节奏逐一做判断。这就是精品漫剧不能全自动的原因。5. 新手入门的正确路径先跑通再控质量5.1 先选定一个极小的样本新手最容易犯的错误是一上来就想做一部十集精品。正确做法是只做一条样本一到两分钟十到十五格画面一个小冲突一个反转。先把整条流水线从头到尾跑通接受它在画面、配音、节奏上的粗糙。这一步的目标不是质量而是让你理解每个环节的输入、输出和交接关系。我在实践里通常会记录一张交接表剧本输出了什么格式图像生成为什么需要这些字段配音需要哪种语气标注剪辑需要哪些素材。这张表就是你自己的工作流地图。5.2 一个维度一个维度地收口跑通之后不要同时改进所有环节那样你根本不知道问题出在哪。我建议按这个顺序逐个收口先把剧本打磨到“每一场都有画面感、每一集都有钩子”。再固定角色形象和风格参考解决一致性。再调画面生成参数让画面稳定输出。再处理动态和转场解决“PPT感”。最后配音和音乐解决“像机器朗读”的问题。每改一个变量就重新跑一遍完整样本。并发、批量、分辨率这些参数先保守设置确认稳定后再逐步放大。每改一个维度就重新跑一遍完整样本对比前后差异。这个“一次只改一个变量”的思路是所有排查方法里最朴素也最有效的。5.3 把每次经验沉淀回skill跑完一条样本后你一定会积累一堆经验。比如“雨天场景很容易生成出脏水渍”“女主的短发特征必须在每个画面描述里重复两次”“钩子放在最后一句对白里比放在旁白里更有效”。这些经验不应该留在脑海里而应该写回skill。我自己的习惯是每次做完一条片花十五分钟更新一次skill文件。一个月后这个skill就变成了属于你的创作方法论。它比任何网上现成的模板都更符合你的题材、你的流程和你的审美。这也回应了前面那句判断精品漫剧不是靠全自动做出来的而是在一次次“人把经验写进流程、再由AI执行流程”的循环里磨出来的。6. 出品过程中的常见问题排查先看现象再逐层定位6.1 按现象定位问题层AI漫剧制作环节多问题出现时不要急着改参数。先判断问题发生在哪一层可以用下面这张表快速定位现象优先排查方向角色脸崩、服装不一致角色参考图、