想做AI漫剧的朋友多少都被“批量分镜”这四个字卡过。剧本拆好了角色设定写好了但一到出图环节就头疼同一个角色上一秒还是圆脸下一秒变锥子脸连续两个镜头之间场景风格像两部剧手动一张张抽卡抽得人想摔键盘。这套问题的根源本质上是角色一致性、场景一致性、批量效率三个环节没有打通。我花了7天时间把从“剧本拆分”到“批量出分镜图”的完整流程跑通了一遍核心思路就是角色库 模板化。这篇文章就是这次实操的完整记录包括角色库怎么搭、分镜模板怎么设计、批量出图怎么排产、踩过哪些坑全都一次说透。适合正在做AI漫剧、AI短剧内容的人参考尤其是那种一周要更3集以上、靠手动出图根本来不及的创作者。1. 为什么批量分镜要先解决角色库和模板化做AI漫剧跟做传统漫画分镜完全是两回事。传统漫画的分镜角色是画师手绘的同一人物在不同格子里保持样貌一致靠的是画师的绘画功底和人体记忆。AI出图本质上是概率生成同一个提示词在不同批次下出的脸各不相同这就是最常见的“千人千面”问题。如果不做任何约束批量分镜出来根本没法用。角色库解决的就是“这个人到底长什么样”的问题。不管是训练一个专用LoRA还是用角色参考图作为条件输入目的都是把角色的脸型、发色、服饰、气质固定成一套可复用的“视觉档案”。有了角色库之后你再写分镜提示词不需要每次重新描述一遍长相只需要调用角色名模型就知道该让谁上场。这才是批量分镜能成立的底层前提。模板化解决的是“批量”这件事的操作成本。分镜画面看起来千变万化本质上可以拆成有限个元素机位远近、景别大小、角色动作、角色表情、环境场景、镜头角度。把高频出现的组合固化成模板比如“过肩对话”“双人全景对峙”“单人特写情绪变化”需要生成新分镜时只需要替换角色、场景和情绪关键词就能在几分钟之内产出一批次可用的画面。没有模板化每一张图都从零开始写提示词批量就无从谈起。所以“角色库 模板化”不是两个独立的功能而是一条流水线上的两道工序。角色库负责“谁在画面里”模板化负责“画面怎么拍”两者配合才能做到批量又不乱。2. 7天流程的整体规划与目标拆解7天听起来时间很紧但如果按工序拆开实际上每一天都有明确的交付物节奏是能落地的。我先说结论前3天都是“做地基”真正的批量出图集中在第4、5天第6天统一修正第7天合成验收。如果你跳过前3天直接批量出图后面返工的时间绝对不止3天。2.1 7天时间轴总览天数核心任务交付物Day 1剧本拆分与分镜表设计分镜明细表每镜包含景别、角色、动作、表情、场景、台词Day 2角色库素材准备每个角色的基准图集包含正脸、侧脸、多表情、全身、半身Day 3角色库训练与验证可调用的角色LoRA或角色参考图包以及10张验证图Day 4场景风格固定与分镜模板设计统一场景风格包 分类分镜模板表Day 5批量分镜生成第一批全部分镜的AI出图Day 6筛选、局部重绘、统一修正终稿分镜图集Day 7合成、字幕、配音与成片验收可过审的成片样片这个表格是我实际操作时的排期实际执行中Day 3和Day 4的边界会有点模糊因为场景风格测试通常要跟角色效果叠在一起看。但总的节奏是对的先固定人再固定场景最后批量出而不是边生成边摸索。2.2 为什么是7天而不是5天或10天很多教程会说“AI漫剧一天做一集”那是把后面熟能生巧之后的产能当成了初始速度。第一次搭角色库和模板一定会经历试错训练数据集不够导致角色像但环境崩、模板写得太死导致构图雷同、提示词里角色权重跟场景权重打架。这些问题在头3天都会集中爆发。7天的意义在于前3天你有足够的余量去调整角色库和模板而不是压到最后一刻才慌。如果压缩到5天你大概率会在第4天的批量生成阶段发现角色库某组数据有问题然后整个排期被打乱。10天又太长AI工具的迭代速度很快拖久了之前的配置又要重新适配。7天是我实测下来比较合理的“建立标准动作”周期。3. 角色库搭建实战从素材准备到训练调优角色库是整个流程里技术含量最高的环节也是返工成本最高的环节。我建议第一天拆完剧本之后立刻把角色名、外貌关键点、参考图需求列成清单。一个角色需要固定哪些特征在写剧本的时候就要想清楚比如现代都市剧角色发型和穿搭是核心记忆点古装剧角色发髻和服饰纹样更容易让观众记住。3.1 角色库的两种路径怎么选路径一训练一个角色LoRA。这是目前保证一致性最稳的做法适合镜头量大、角色出镜频繁的漫剧。过程是准备一组角色多角度图片训练成一个小体量LoRA模型之后写提示词时只要挂上角色名触发词就能稳定召唤出该角色。LoRA的优点是彻底解决崩脸缺点是训练成本高一个角色通常要准备20到30张图训练一轮需要试参数。路径二用角色参考图Reference/ControlNet类功能作为条件输入。现在已经有不少AI绘图工具支持上传参考图来锁定角色特征每次生成时把角色基准图作为参考条件再配合提示词控制动作和表情。这种方式的优点是零训练成本适合角色少、镜头少的项目。缺点是需要逐张指定参考图批量效率略低而且极端角度和表情下的一致性不如LoRA稳定。我的建议是主角或出镜率超过30%的角色训练LoRA次要角色用角色参考图。全角色都训LoRA的话时间和算力都吃不消而且多个LoRA叠加使用容易互相干扰。3.2 训练数据集准备决定成败的细节无论你用什么方案角色基准图集的质量直接决定最终效果。我准备数据集的规范如下同一个角色准备24到36张图分辨率统一不低于1024×1024宽构图、窄构图、竖构图最好都有。角度覆盖正脸、左45度、右45度、全侧脸、仰视、俯视。表情覆盖平静、微笑、愤怒、悲伤、惊讶至少5种基础表情。服饰覆盖该角色在剧中的主要2到3套服装各拍全半身和全身。背景尽量干净纯色或简单室内背景为主避免复杂背景干扰角色特征学习。图片里不要有其他人物入镜多人物同框图会让模型混淆特征。这里有个很容易忽视的点素材图片的“风格”也要统一。如果你用AI生成角色素材那就要在同一组风格词下生成如果你是手绘设定图那要保证所有角度都出自同一风格。否则训练出来的LoRA会继承素材里的风格撕裂导致成品角色“笑的时候像A风格生气的时候像B风格”。3.3 训练参数参考基于我用过的常见开源训练工具比如kohya类工具来给一个相对通用的参数建议学习率放在0.0001到0.0002之间训练步数按照图片数量来算单角色24张图、每张重复15次总步数控制在1800到2500之间网络维度用64网络alpha值用32这个组合在保持细节和防止过拟合之间比较平衡。训练过程中的验证集选一张正面、一张侧面看人物特征是否在10到15个epoch内稳定不崩。这些参数不是绝对的不同版本的模型底模对参数敏感度不同。我建议训练时随时盯着验证集看而不是等一轮跑完再检查。LoRA训练过拟合的表现往往是角色面部出现明显噪点、纹理过度锐化甚至肢体变形这时候就要提前停止训练或降低训练步数。3.4 角色触发词与角色卡描述模型训练完之后还有一道工序不能省略——写角色描述模板。这个模板会用在后续每一张分镜图里相当于AI给这位演员建的“艺人档案”。一个标准角色卡应该包含触发词训练时定义的唯一标识比如sks girl外貌基本盘发色、发型、瞳色、脸型、体型标志性特征痣、耳环、发型刘海走向服装描述常穿的几套要有明确命名情绪描述库开心、难过、愤怒时面部特征怎么写实际用的时候分镜提示词里不需要每次都写全部的详细外貌只需要“触发词 当前场景情绪 当前动作”即可。比如远景镜头里角色很小连脸都看不清这时候再写一堆脸部细节没有意义写动作和环境就足够了。这是很多新手常犯的过度描写错误。4. 模板化分镜脚本的设计让批量生成有章法角色库是“演员”分镜模板就是“导演手册”。没有模板的批量出图就像让演员即兴发挥每一张图都在赌运气。有了模板就是在固定的拍摄框架内调整变量成功率会大幅提升。4.1 分镜表的字段设计分镜表不要只写一个镜头描述要拆成结构化字段让每一个字段都能对应到提示词片段。我用的分镜表字段如下字段示例对应提示词作用镜号S01-03标识与排序景别中景控制画面信息量机位平视微仰控制镜头角度角色女主角色触发词指定角色库条目动作转头看向窗外角色姿态描述表情隐忍含泪情绪描述场景办公室窗边阴天场景描述构图参考单人偏左三分线画面布局这个表最大的作用是让你在写提示词时不会漏项也是让你能批量替换变量的前提。比如你一周要更新3集每集有60个分镜那这60个分镜里可能有40个都在重复使用“中景对话”这个基础模板只是角色和台词不同。结构化之后你只需要改动角色、表情、动作三个字段剩下全部复用。4.2 高频分镜模板库我整理了AI漫剧里最高频出现的6类分镜模板几乎覆盖了日常制作80%以上的镜头需求正反打对话模板中景、近景轮流切换人物占据画面左侧或右侧三分线位置背景虚化突出对话感。适合文戏。情绪特写模板大特写或特写聚焦眉眼到唇部区域突出表情变化背景完全虚化。双人同框对峙模板全景或中全景两人各占画面一侧中间留出空间感。适合冲突戏。单人动作全景模板全景角色在画面中占比小于三分之一重点展示动作与环境关系。适合出场、转场。空镜模板不包含具体角色只有场景和环境细节作为转场、情绪缓冲。俯视/仰视强调模板通过极端机位强化压迫感或渺小感通常用于情绪高潮。每一类模板在提示词里都有一个固定的“架式”景别词 机位词 背景虚化参数 镜头焦段词。你只需要在模板基础上替换角色与动作描述就能保持画面语言统一。4.3 批量生成时Prompt的组合规则提示词组合的顺序会影响模型的理解优先级。我的规则是角色触发词尽量放在靠前的位置场景风格词放在中间情绪和动作词放在靠后但如果是强调情绪特写情绪词就要提到角色词后面。这不是绝对的而是需要根据底模习惯进行调整。批量生成的提示词里还有一个细节负面提示词不能每张都一样。比如你批量生成的是夜景场景那“明亮的灯光”“白天”这类负面词要保留如果你生成的是雪景那“雪”相关的负面词反而该去掉。不少人偷懒一套负面提示词用到天荒地老结果场景特征被负面词误杀。4.4 场景风格如何一并固定只固定角色不固定场景批量分镜出来之后会出现一个很尴尬的情况角色是同一个人但每一张图的画风、滤镜、质感都不一样放到一集里像好几个团队画的。所以我在Day 4专门做了一件事场景风格库。操作上是选定一套风格底模或风格LoRA然后为不同场景各出10张样品从中挑出色彩、光影、构图最统一的一组作为“风格基准”后续所有分镜图都在这套风格基础上生成。如果你的剧集有很多场景比如办公室、街头、咖啡馆每个场景也要单独固定一个“场景描述词包”。不要试图用一个通用场景词概括所有环境AI对环境的感知远比你想象的敏感。5. 批量分镜生成的工程化排产到了Day 5前面做的所有准备都要在这一天爆发产出。批量生成不是“把75个分镜提示词丢进去然后等结果”而是一个需要排优先级、分批次验证、及时修正的工程过程。5.1 批量生成的时间线与批次策略我的做法是把分镜表按场景分组。同一个场景的分镜图尽量在同一个批次里生成因为同一个场景如果在不同时间生成光线、氛围可能会因为模型随机性出现飘移。一批次生成5到8张生成完之后立刻抽检角色一致性有问题当场调整参数不积压问题。批次排序原则先出角色少的分镜后出多角色分镜。单角色特写最容易出效果能快速验证角色库是否生效双人同框和多人场景复杂度高放到批量排产的后面等单角色效果稳定了再开始。这样即使中途出错返工成本也较低。5.2 画面筛选与秒判技巧AI批量生成出来的图不是每一张都能用筛选标准要提前定下来。我的筛选优先级角色是否崩脸、崩手、崩肢体这是硬性淘汰项角色是否符合当前分镜要求的动作和情绪构图是否符合模板预期画风是否与场景风格库一致第1项和第2项容易理解第3项常被忽视。同一套模板出来的图可能出现人物位置偏移、主体过小、多出不该出现的物体这些要在筛选时一并标记。第4项最主观建议把“风格基准”那10张图设为A\B对照每张新图跟基准图做比对风格偏差明显的直接重出。5.3 局部重绘与二次修正筛选之后总会有一部分图“整体可用但有瑕疵”比如角色表情正确但嘴角略有变形或者场景正确但背景出现杂乱物品。这些不需要整张重出用局部重绘功能圈选问题区域重新生成即可。局部重绘的两个关键参数是“重绘幅度”和“局部提示词”。重绘幅度过高会连带着把已经正确的部分也改掉过低则修不掉瑕疵。我一般把幅度控制在0.4到0.6之间根据瑕疵范围具体调整局部提示词只写需要修正的内容不要重复写全图提示词否则AI会自作主张调整整张图。6. 常见问题角色崩脸、风格漂移、出图混乱的排查实录这7天里踩的坑不少以下是最典型的几类问题以及排查思路建议收藏。6.1 角色明明用了LoRA为什么偶尔还会崩排查顺序从高到低第一判断是否叠加了多个LoRA导致特征冲突第二判断是否触发词位置太后被场景词稀释了权重第三判断分镜提示词里是否出现了跟角色特征矛盾的关键词比如“微笑”跟角色卡里的“冷酷脸”冲突第四检查局部重绘时是否没有挂载角色LoRA。实际过程中崩脸最常发生在多角色同框画面因为LoRA之间的特征会相互竞争这种情况下通常要降低其中一个角色的权重或者分两步生成再拼图而不是在一张图里硬塞两个强特征角色。6.2 模板化之后画面雷同感太强怎么办模板化确实会带来同质化问题所有中景对话镜头如果角色位置、动作都一模一样观众看几集就会疲劳。解决方案是给模板增加“变化参数”同样的中景对话可以变化机位高低、左右翻转构图、加入道具互动、调整背景元素的位置。在模板固定框架内给两三个可变量参数比如人物视线方向、双手动作、前景遮挡物就能在保持统一风格的同时做出差异化。批量分镜不是复制粘贴模板只是下限保证上限取决于你的变量设计。6.3 批量出图时排队慢、算力占用大这个属于实操效率问题。批量生成如果是逐张排队确实很浪费时间。我的做法是尽量利用支持并行队列的平台或工具分批次提交任务而不是一次提交全部任务以免在某个环节故障时全部作废。同时可以按角色、场景类别拆分任务组每组生成中如果发现模板参数有误只需要取消该组其他组不受影响。6.4 分镜顺序的连贯性怎么保证AI是按单张图片生成的不会天然理解前后镜头的剪辑逻辑。我遇到过最常见的问题前一幕角色站在画面左侧下一幕同样场景突然变成站在右侧看起来像瞬间瞬移。要规避这点维护一张“人物位置连续性记录表”记录每个场景中角色的位置和朝向生成新分镜时参考上一镜的位置描述把位置信息补进提示词里。这听起来麻烦但真正做了之后分镜剪辑时的连贯性会提升很多。7. 最后的实操心得这7天跑下来我最大的体会是AI漫剧批量分镜真正难的从来不是“按几下生成按钮”而是前面的标准化工作。角色库和模板化看起来要花时间去搭实际上是在给后面的每一集节省时间。一集分镜出图从最初的手动抽卡三四个小时到现在搭建完成后个把小时就能出完全部的分镜基底这个效率提升是数量级的。还有一个我后来才意识到的细节每完成一个项目把最终验证有效的角色卡、分镜模板、提示词组合统一归档下一次新剧集可以复用大部分场景模板和提示词结构只需要换上新的角色库就能开工。这个过程像滚雪球做得越多后面的项目启动越快。如果你是刚开始尝试AI漫剧不必追求一步到位即使先从一个角色、三个场景模板、20个分镜开始也能体验到这套流程的威力。先把一条线的标准化跑通再横向扩展到全片这才是可持续的产能路径。