本文由 辛梓煜@词元2号站（www.ciyuanerhao.com）撰写，转载请注明出处。

快速摘要

如果你只想要一句话的结论：AI 漫剧的整条生产线，可以拆成"剧本脚本 → 角色与场景定型 → 视频生成 → 配音配乐 → 后期与画质增强"五个环节，每个环节都有现成的国内工具能接上，普通人用一台电脑就能跑通一遍。真正卡住大多数人的不是工具不会用，而是没人把"先做什么、再做什么、哪一步会埋雷"这条路径完整地铺出来。 这篇文章我把自己反复折腾下来的链路一步步拆开讲清楚：剧本怎么用大语言模型生成再人工校正、角色一致性这个最大的坑怎么填、Seedance 2.0 的全能参考模式为什么是分水岭、闭源模型过审卡住时怎么换成开源方案、最后用 Topaz 做画质增强收尾。全程不讲玄学，只讲原理和能复现的操作。

文中所有例子都做了通用化处理，工具版本截止到我写稿时（2026 年）能查到的公开信息。想看完整拆解，往下翻就行。

一、AI 漫剧到底是什么：先把概念和底层逻辑捋清楚

很多人第一次听到"AI 漫剧"这个词，脑子里大概是问号的。我自己一开始也分不清它和动画、和真人短剧的边界在哪。所以先用一段大白话把它说明白，再往下聊操作才不至于云里雾里。

1.1 一句话解释：什么是 AI 漫剧

所谓 AI 漫剧，简单说就是用 AI 工具批量生成、以竖屏短剧形式呈现的动画或拟真人剧集。一集通常很短，几十秒到一两分钟，剧情节奏快、冲突密，刷起来容易上头。它和传统动画最大的区别是：过去画一帧要靠原画师一笔一笔抠，现在剧本、画面、动作、配音几乎全部由模型生成，人更多是在做"导演"和"质检"的活。

行业里还有一个更细的分类叫"AI 仿真人短剧"，画面追求接近真人质感，是这两年涨得最猛的一支。这里有个有意思的现象值得记一笔：DataEye 研究院数据显示，2026 年 2 月抖音漫剧百强榜中，AI 仿真人漫剧占比高达 58%，而 2025 年同期仅为 7 部。一年时间从个位数变成过半，这个变化速度本身就说明了赛道的热度。

1.2 为什么 2026 年突然就火了

技术、平台、市场三件事正好凑到了一块儿。

技术这边，视频生成模型在角色一致性、镜头控制上有了质的突破，下面会专门讲。平台这边动作也很猛——字节跳动在 2025 年底上线独立 App"红果免费漫剧"，仅一个月月活就冲到 854 万；紧接着腾讯在 2026 年 2 月推出"火龙漫剧"，当天上线 1701 部作品。各家老牌视频平台也都跟着更新了创作者扶持规则。

市场规模这边的预测同样夸张：综合 DataEye 等多家机构预测，2026 年 AI 漫剧市场规模预计为 240 亿至 243.6 亿元。当一个新赛道同时具备"工具成熟、平台抢人、需求爆发"这三个条件时，门一旦打开，进来的人自然就多了。

1.3 它能持续运转的"内容模型"

光热闹不行，得弄明白它为什么能形成一套可复制的内容生产逻辑。AI 漫剧的题材高度集中在几个能快速给观众情绪反馈的方向上。根据公开行业数据，排名靠前的逆袭、穿越、架空等题材，2026 年 1 月关联播放增量均超 39 亿，本质上是把互联网时代最核心的"即时满足"可视化，让观众在尽可能短的时间内获得最大化的情绪价值。

理解这一点很关键：AI 漫剧不是在比谁画得精致，而是在比谁能在七秒之内把钩子甩出去、让人忍不住点下一集。整条生产线之所以"可复制"，是因为它把"造一个能勾人的七秒片段"这件事，拆成了一套有固定环节的流水线。后面我讲的所有步骤，都是在为这个流水线服务。

1.4 泼一盆冷水：别被"门槛低"骗了

工具确实让制作门槛降下来了。早在 2024 年，业内团队就以 4 人 40 天产出 33 分钟专业级内容验证了 AI 全流程制作的可行性；如今 3 人团队用时 5 天即可完成 80 集内容，单集成本压缩至传统动画的十分之一。但同一份资料里还有另一组很扎心的数据：AI 漫剧的爆款率不足 4%，每天上线的 470 部新剧中，能真正跑出来的不到 20 部，九成以上的非头部作品陷入亏损。

我把这个放在第一章的最后，就是想先把预期摆正：这篇文章教你的是"怎么把流程跑通、怎么不在低级坑上翻车"，而不是"做了就一定能出头"。能把基础质量做扎实，你就已经把大部分半途而废的人甩在身后了。

1.5 题材的选择决定了你站在哪条起跑线

既然爆款率这么低，那从一开始选对方向就格外重要。我观察下来，AI 漫剧的题材高度集中，不是因为创作者偷懒，而是因为这些题材天然适配 AI 的能力边界和短剧的传播规律。

逆袭、穿越、架空这几个大类长期霸榜，背后是有逻辑的。它们的共同点是：冲突来得快、情绪给得足、不需要复杂的现实细节支撑。 AI 现阶段擅长生成有视觉冲击力的画面，但对极度生活化、需要微妙表演的现实题材还不够稳。所以选一个"靠情绪和反转推进、不依赖细腻表演"的题材，等于是顺着工具的长处走，事半功倍。

我自己的做法是，在动笔前先想清楚一件事：这个故事的"情绪钩子"是什么？ 是逆袭的爽感、穿越的反差、还是身份反转的意外？把这个钩子想明白，剧本的方向就稳了一半。我踩过的一个坑就是早期贪心，想做一个剧情很"高级"、铺垫很长的故事，结果前三集都在交代背景，观众根本等不到那个钩子就划走了。短剧的节奏，和你写小说、写长视频是完全两套逻辑。

这里还要提一句趋势上的变化。整个行业正在从"拼数量"转向"拼质量"——头部平台明确把方向定为从量的积累实现质的飞跃，推出精品计划，深耕题材，打造长生命周期的 IP。这对新手其实是好消息：早期那种粗制滥造堆量的窗口正在收窄，但只要你愿意在剧情和基础质量上多花心思，反而更容易被算法和平台青睐。 这也是为什么我后面要花那么大篇幅讲剧本和分镜——这才是真正拉开差距的地方。

二、动手前先建立全局认知：一部 AI 漫剧的完整生产链路

我踩过的最大的坑，就是一上来就急着去生成画面，结果剧本逻辑没理顺、角色长相每集都在变，返工返到怀疑人生。所以这一章不讲具体操作，只讲一件事：这条流水线一共有几个环节，它们的先后顺序为什么不能乱。

2.1 五个核心环节

无论是做 AI 视频还是真人实拍，要做出一个有故事、有质量的成片，底层流程其实是一样的：你得先有故事，再有人和景，然后才能拍，最后做后期。映射到 AI 工具上，就是下面这五步：

这张表你可以先收藏着，后面每一章其实都是在把表里的某一行展开讲。

2.2 用一张流程图把顺序锁死

为什么顺序不能乱？因为后一步严重依赖前一步的产出。角色形象没定型，视频生成就没有一致的参考；剧本没拆成分镜，生成画面时就得手打一大段提示词。我画了张图把依赖关系标出来：

flowchart TD
    A[灵感 / 一个画面] --> B[大模型生成第一版剧本]
    B --> C[人工校正逻辑 / 补细节 / 删废镜头]
    C --> D[拆分镜：标镜头一、镜头二...]
    D --> E[文生图：角色形象图]
    D --> F[文生图：场景环境图]
    E --> G[视频生成：喂分镜+角色图+场景图]
    F --> G
    G --> H[配音配乐：多数音效自动生成]
    H --> I[剪映剪辑：字幕/转场/竖屏]
    I --> J[Topaz 画质增强]
    J --> K[成片发布]

看明白这张图，你就理解了一个核心原则：越靠前的环节，犯错的代价越大。 剧本里一个没回收的细节，可能在视频生成阶段被放大成每一集都对不上的穿帮。所以我现在的习惯是把大量时间花在前两步上，宁可剧本多打磨两小时，也不愿意在生成阶段反复抽卡。

2.3 工具不是越多越好

新手很容易陷入"工具焦虑"，看到别人用什么就跟着装什么。我的建议反过来：先用一套能闭环的最小工具组合把流程跑通一遍，再去优化单点。比如剧本用一个顺手的大模型、出图和出视频都用即梦、后期用剪映，这一套就足够你完整产出第一集了。等你知道哪个环节卡你了，再针对性地换更专业的工具，效率反而更高。

我把这套"最小闭环"单独拎出来强调一下，因为它真的能救很多人。我见过太多人卡在"准备阶段"——光是研究该用哪个出图工具、该不该上开源模型、要不要配高端显卡，就耗掉了好几周，结果一集都没做出来。这条赛道最稀缺的不是工具知识，而是真正完整跑完一遍的经验。 你哪怕用最朴素的组合做出一集略显粗糙的成片，收获也远大于把十款软件的参数都研究透却一帧没生成。

所以我的态度很明确：先求"通"，再求"精"。 第一遍允许它丑、允许它有瑕疵，目标只有一个——把从灵感到成片的整条链路真实地走一遍。走通之后，你对每个环节的痛点会有切身体会，那时候再去升级工具、抠质量，每一分投入都花在刀刃上。下面各章虽然把每个环节都讲得挺细，但你第一遍跑的时候，完全可以先用最简单的方式略过那些进阶技巧。

三、第一步：用大语言模型写出能落地的剧本脚本

这是整条线里最被低估、也最容易决定成败的一环。我把它放在最靠前的位置详细讲，因为剧本的质量直接决定了后面所有环节的天花板。

3.1 先分清"剧本"和"脚本"

这两个词新手经常混用，但它们服务的对象不一样，得先掰开。

剧本更像是给导演看的大纲：故事讲的是什么、梗概是什么、人物的心理是怎样的，某些地方画面的细节不一定写得那么死。脚本则要细得多，因为它是实际拍摄时直接照着做的依据——每一处细节都要描述清楚，画面里要体现的人物心理、背景音乐是什么，都得落到具体的镜头上。

这里有个实操中的小麻烦要提前知道：你让大模型写"剧本"，它给你的东西有时候其实更像"脚本"，镜头、画面内容、音效、时长甚至人物内心独白全给你列出来了。遇到这种情况不用纠结，如果它直接给的就是脚本形式，那就拿来直接用；如果给的是粗剧本，你可以先把剧本改顺，再要求它以表格形式生成更细致的脚本。

3.2 该用哪个大模型来写

经常有人问我剧本到底用哪个模型写最好。我的答案是：别纠结，挑一个中文表达顺、你用着顺手的就行。 现在主流的几个大语言模型，写短剧剧本的能力都足够了，差别更多在交互习惯和修改的便利度上。

不过有一点值得说道：豆包这类模型在网页端直接修改文本的功能相对有限，改起来不太顺手。所以我的习惯是，框架性的大改在模型对话框里让它做，等剧本基本成型后，把文本下载到本地，用本地的文档工具去抠细节。 本地修改的自由度高得多，标记、批注、对比都方便。这个小习惯能省掉不少来回折腾的时间。

另外提醒一句，无论哪个模型，它生成的剧本都不能完全信任。 以目前大模型写剧本的能力，框架它能给你搭得不错，但具体内容大概率需要你逐句看、逐句改。把它当成一个干活很快但需要你盯着的助理，而不是一个能交钥匙的编剧，心态就对了。

3.3 给 AI 一颗"灵感种子"，而不是完整故事

很多人写提示词时想一口气把整个故事框架塞给 AI，结果反而把它框死了。我的做法是反过来——只给一个种子，把发挥空间留给模型，再用追问去收敛。

种子可以小到只是脑子里一个还不错的画面加一点设定。举个通用化的例子，你可以这么开头：

帮我写一个 AI 动画短剧的第一集剧本。
题材：校园情感。
女主：一名转校生，开学前夕在城市江边租了套房子。
第一集的内容：女主在江边晨跑。

你看，这连个完整框架都算不上，只是"一个设定 + 某个瞬间"。但大模型很快就能据此生成出第一集的雏形。这一步的关键心态是：先让它跑起来，别指望一次到位。

3.4 第一版剧本的通病：信息密度太低

第一版几乎一定是不能用的，而且毛病往往很统一——画面有了，但信息空洞。 比如它可能给你这样一条线：先来个江边大桥的空镜交代地点，再给女主一个特写交代形象，然后女主跑步、停下休息、镜头拉远拍江面。

看着挺完整对吧？但你品一下：哪里告诉观众"女主是刚搬来的"？唯一透露这个信息的，可能只是一句很弱的内心独白"新的城市，新的学校会是什么样子"。这种靠旁白硬塞的信息，传递效率极低，观众根本接收不到。

第一版剧本的本质问题，是它在"描述画面"而不是在"用画面叙事"。 认清这一点，你就知道下一步该往哪个方向逼它了。

3.5 导演式追问：一步步逼出画面感

这时候就该"导演发力"了。方法很简单：不满意就具体地提要求，把你想要的信息点明确告诉它。 接着上面的例子，我会追加一句：

我需要在画面里体现出"人物刚刚搬来"这个信息，
请补充她搬进江边小区这个过程的细节描述。

你会发现 AI 立刻就把剧本改了一个样子：开场不再是干巴巴的跑步，而是先给江面空镜交代地点，紧接着镜头落到小区门口停着的一辆小型搬家车——第一个镜头就把场景和"有人在搬家"这个事件交代清楚了，观众扫一眼就能联想到。然后第二个镜头再给女主，交代她的穿着、发型。

这就是导演式追问的威力：你越具体地说出"我要传达什么"，它就越能把抽象的剧情翻译成有信息量的画面。 这个追问可以反复进行，直到画面感达到你的要求。

3.6 逻辑校对：删废镜头、补生活细节、清理"伏笔陷阱"

大幅修改之后，剧本框架一般就 OK 了，但小细节的逻辑坑还很多，这部分得靠人工一条条过。我总结下来主要是三类活：

第一类，删掉没有意义的镜头和动作。 这里我要专门讲一个我自己最在意的坑，姑且叫它"伏笔陷阱"。剧本里如果出现了一个本身没有后续作用的小道具——比如给女主腕上安排了一块手表，但这块手表既不是谁送的、也没有任何纪念意义、后面剧情也不回收——那它就不该存在。

为什么？因为这种小道具在生成阶段是大麻烦。手表很小，可以戴左手也可以戴右手，款式细节也多。一旦它没有明确的存在理由，AI 在不同镜