做AI漫剧批量分镜这件事我一开始是真没当回事。直到接了一个需要在两周内出完全部镜头脚本的漫剧项目单张图的生成速度完全跟不上角色脸一换场景就崩光修角色一致性就废了两个通宵我才意识到没有角色库和模板化的工作流AI漫剧分镜根本撑不起批量这两个字。这篇文章把我从选题到落地的完整7天流程记录整理出来里面包括角色库怎么搭、分镜模板怎么设计、批量生成时怎么控制质量适合正在做AI漫剧、AI短剧分镜或者想搭建AI工作流的朋友参考照着走能少踩不少坑。1. 漫剧分镜为什么必须批量角色库一起解决先给没做过漫剧的朋友说下背景。漫剧和传统动画、漫画都不一样它是按短视频的逻辑来做的一集45到90秒镜头切得很快基本3到8秒就是一个分镜一集下来少说25个分镜多的能到60个。如果一季有30集那分镜数量就是一千张起步。这个量级下一张一张找参考图、手动改提示词、再一张张精修人力根本扛不住。而AI漫剧分镜真正的痛点还不是量是人的一致性。你单张生成一个角色哪怕描述词写得再详细AI每次生成的五官、发型、服装细节都会漂移。脸还是那张脸但看着就是不像同一个人。更要命的是镜头一换场景光一换风格跟着跑整个漫剧的观感碎成渣。所以批量分镜的前提一定是要把角色和镜头都变成可复用的标准化资产。我的解决方案概括起来就两个东西角色库和模板化。角色库把主角、配角、路人甲的脸和造型固化下来生成任何分镜时都能稳定调用解决画的是谁的问题。模板化把分镜的类型、景别、机位、情绪、构图拆成一套固定参数每次只需要替换角色和文案解决镜头怎么拍的问题。这两件事合在一起才真正把AI分镜从抽卡式生产变成了装配式生产。接下来我把每一步具体怎么落地讲清楚。2. 角色库搭建锁定一张脸的完整操作链角色库不是多训练几个LoRA那么简单它是一套选型—出图—训练—验证的闭环。我用的工具是Stable Diffusion WebUI加LoRA训练如果你用的是即梦、可灵这类在线平台逻辑也是一样的只是训练入口不同。2.1 先用角色设定卡把特征定死很多人在训练角色库之前就没想清楚角色长什么样拿几张网图就开始训练出来的LoRA自然四不像。我的做法是先做角色设定卡把关键特征列成表格所有训练素材和提示词都以这张卡为准。特征项主角设定示例性别/年龄女22岁发型黑色长直发刘海偏右瞳色深棕色服装白色短袖T恤深灰工装裤配饰银色小圆耳环性格关键词冷静、略带疏离感这张卡的用途有两个一是约束AI不要自由发挥二是约束你自己后面在提示词里写的角色描述。一旦设定卡定了提示词里就不要动不动加red hairblonde这类冲突词否则训练再好的LoRA也会被带偏。2.2 训练素材的采集质量远大于数量训练LoRA最常见的翻车点是用20张正面大头照就开始训。这样出来的模型正面像侧面一塌糊涂全身镜头更是惨不忍睹。我的素材标准是数量30到50张为宜太少了特征学不够太多了训练时间翻倍但收益递减。角度正面、左右侧面、四分之三侧都得有最好包含几张背面保证转头不崩。景别大头照10张、半身照10张、全身照10张避免AI只记得一张脸。光线至少包含室内暖光、室外日光、夜晚冷光三组不然换光就变人。表情平静、微笑、皱眉各几张但表情幅度别太大否则AI会把表情当成脸的一部分。取材完成后我会统一裁剪到512×512附近并做一次同尺寸预处理避免画面比例混乱影响训练。2.3 训练参数的实践经验我训练用的是kohya的LoRA方案底模方面中文漫剧风格我用的是国风或二次元底模欧美写实风格则换对应的写实底模。参数上没有绝对唯一的标准但我把一批跑下来相对稳定的参数表放在这里参数推荐值说明分辨率512×512先低分辨率训练出图再高清放大训练步数1500到2000步步数太多容易过拟合太少特征学不到位Epoch8到10搭配步数控制不用单独拉满学习率1e-4左右太高容易过拟合太低学不进去触发词角色名拼音如xiaoya建议用无歧义的词组不要用常见英文名训练完成后一定要做验证而不是只看损失曲线。我会固定写一组提示词分别出正面、侧面、全身、不同光线下的图和角色设定卡做对比。如果侧面像换了一个人说明训练素材里侧面占比太低如果所有图都像同一个模板脸说明学习率太高过拟合了。2.4 多个角色进同一个镜头怎么处理实际漫剧里经常两个角色同框对话。这里有个经验之谈不要训练一个含两个角色的混合LoRA也不要指望单一描述词就能控制双人。正确做法是为每个角色单独训练LoRA然后在生成同框画面时在提示词里同时指定两个触发词配合负面提示词排除串脸。例子Prompt: xiaoya and awei, two people talking face to face, xiaoya with white t-shirt, awei with black jacket, medium shot, cafe background, soft daylight Negative prompt: extra fingers, deformed hands, duplicate faces, so close, bad anatomy同框图最容易出现的问题是一张脸融合成两个人或者一个角色忽然变成另一个角色的长相。遇到这种情况不要反复抽卡直接改用局部重绘把崩掉的头部区域单独重绘并锁定另一个角色的区域。3. 模板化分镜把叙事语言翻译成AI参数角色库解决的是谁模板化解决的是怎么拍。模板化的本质是把过去靠感觉写的提示词拆成一套结构化、可批量填充的参数骨架。3.1 分镜表是模板化的地基批量分镜不是AI自动生成一切而是人做决策AI做执行。我每次开工前会先做一个分镜表哪怕只是简陋的Excel也比直接让AI乱写强一百倍。分镜表至少要有这些列镜号景别机位角色动作/状态情绪环境/背景台词/字幕备注举个例子一个典型的第7镜镜号07景别中景机位平视角色小雅主角动作/状态站在窗边回头情绪悲伤环境/背景傍晚的教室夕阳从窗户照进来台词/字幕我可能不会回来了。这张表本身就是分镜脚本也是后面批量生成的输入数据。模板化的第一个收获是让你在还没生成一张图的时候就已经完成了整个故事的镜头语言设计。3.2 镜头模板的四大件镜头模板我总结为四大件角色占位符、景别描述词、动作/情绪描述词、环境统一词。其中环境统一词特别容易被人忽略。以07镜为例拆开来看角色占位符{character}批量填充为触发的LoRA词加服装描述。景别描述词medium shot, waist-up framing决定构图范围。动作/情绪描述词turn head toward window, sad expression, quiet sorrow。环境统一词sunset light through window, empty classroom, warm orange tone。环境统一词的意义在于全剧如果是在傍晚的教室背景下你必须让每一张出现这个场景的分镜都包含同一组环境词否则AI会自由发挥把教室变成仓库、把夕阳变成霓虹灯。我的习惯是把固定场景词单独存一个清单任何分镜用到该场景就整段复制进去。3.3 把分镜表变成批量生成脚本有了分镜表和镜头模板批量生成就顺理成章了。我实际用的是WebUI的提示词组合方式配合脚本或者用Python读取分镜表的Excel批量生成对应的提示词文本。大致结构长这样# 伪代码示意实际工具不限 for row in storyboard_rows: prompt f{row[character]}, {row[shot_type]}, {row[action]}, {row[environment]}, {quality_tags} seed row[seed] if row[seed] else random_seed() negative f{base_negative}, {row[special_negative]} # 调用Stable Diffusion接口生成这里的quality_tags也是模板的一部分统一追加高分词比如best quality, highly detailed, clean lineart, subtle shading。批量生成不等于把提示词拼接完就撒手不管还有一个非常关键的环节是种子管理同一个分镜如果要做多张备选记住每张的seed后续重抽风或者扩展构图时才能只改局部而不让整体完全失控。3.4 模板库的迭代比模板本身更重要第一次做模板时别指望一次就完美。我建议每个项目跑完都回填一次模板库哪些景别词效果好、哪些环境词总出异常、哪些情绪描述容易被AI理解反了。比如平静如果直接翻译成calm很多模型会直接给一张面无表情的死鱼脸加一个slight gentle smile效果就完全不同。这些经验不沉淀下来下一部漫剧还要重新踩坑。4. 七天流程全记录从设定稿到第一批成片下面是我实际跑过的一条7天完整流程目标是一部30集漫剧的其中一集分镜数38个。整体节奏我砍掉了所有犹豫环节每天都有明确的交付物。4.1 Day1剧本拆分与分镜表初稿第1天不做任何生成只做策划。把剧本按场拆成段落再从段落拆到单独的镜头填入分镜表。这一步很多人嫌慢但恰恰是最不能省的。我的经验是如果一集剧本需要25个分镜那么第一天至少要排出35行分镜草稿多出的10行为后续删减留余量。同时这一天要确定画风方向是日系、国风、韩漫、还是写实风。这个决定直接影响底模选型。我当时的参考观众是下沉短视频平台最终选了国风厚涂底模用了一个国产优秀大模型加配套LoRA。画风定完不要随便再换不然后面所有角色库都要重训。4.2 Day2角色库训练与基础验证第二天集中精力训练主角和重要配角的LoRA。主力角色先训配角如果有5个以上建议先只训戏份最重的2个其余用通用型角色词硬撑不然一天时间根本不够。训练步骤参考上一章参数表。跑完验证后我会额外做一个情绪测试用同一个角色LoRA生成开心、愤怒、悲伤、惊讶四个表情确认五官没有崩。这一步的目的不是看谁更美而是确认LoRA对表情的包容度足够否则后面表演戏码全都会变成换脸灾难。4.3 Day3风格基底测试与镜头模板初版第三天是承上启下的一天。先用主角LoRA生成几张全剧标志性场景的测试图确认画风统一。这里有个容易被忽略的事同一个底模配上不同环境词出来的色感有时差异巨大昼夜场景甚至会像两部剧。所以我建议先列出全剧出现的主要场景清单比如教室、便利店、天桥、夜晚的街道然后用统一的角色和镜头模板V0.1各生成3张测试图肉眼检查风格漂移。如果日景和夜景色温差太多就在环境统一词里加上consistent color grading或者干脆用固定色调的后期滤镜来兜底。4.4 Day4批量生成第一批分镜第四天开始动真格。把分镜表导入批量脚本每个分镜按主选outcome备选outcome的机制生成。我一般每个分镜出3到4张备选而不是只出1张就进下一步。批量生成的提示词统一从分镜表映射角色字段替换成角色LoRA触发词场景字段替换成环境统一词。38个分镜一轮跑下来按每张8到15秒的生成速度大约1到2个小时就能出完第一批。这里真正费时间的不是生成而是筛选从三四倍数量里挑出构图可用、脸不崩、手不废的图。4.5 Day5一致性筛选与结构修复第五天做的是差评工作。把昨天挑出来的图逐张对照分镜表检查重点关注三件事角色是否与设定卡一致尤其是侧面和远景下。场景是否有明显穿帮比如教室窗外出现现代建筑。人物的手、脚、道具和嘴部是否有变形。发现问题的图不要急着删除重跑先用修复方案处理。如果是脸崩但构图好就局部重绘如果是整张歪掉直接用同一个seed重新生成如果只是手残就裁剪特写重做。修复后要把修复手法记录下来方便形成批量修复规则。4.6 Day6细化与高清化分镜图到这一步已经能用但直接放进成片里清晰度不够。第六天做统一的高清放大。我用的是高清放大加轻度重绘的组合放大倍率1.5到2倍重绘幅度控制在0.2以下避免细节被改掉。同时在第六天把分镜图按镜头序列重新命名归档后续配音、动效、字幕都要依赖这个顺序。我的命名规则是第01集_镜07_景别_状态这样导入剪辑软件后能一眼定位镜头。4.7 Day7模板复盘与素材归档第七天不安排新任务专门做复盘和归档。把这一集实际用到的每个角色LoRA、环境统一词、镜头模板、批量脚本、种子记录全部归档到项目文件夹。更重要的是把无效模板也记下来比如哪些提示词生成效果差、哪些参数组合反复翻车避免下个7天流程重蹈覆辙。5. 批量生成中最容易翻车的三个环节及对策批量流程跑起来之后真正折磨人的不是生成慢而是不知道哪里会突然翻车。下面这三个坑我几乎每个项目都会遇到写出来给大家避雷。5.1 角色串脸与表情僵化批量生成多角色场景时经常出现角色A的脸突然长成了角色B。尤其是两个角色都用了LoRA的情况下AI很容易把特征混在一起。我的对策是同框时把两个触发词分开放在句首并明确归属比如xiaoya, awei is behind her。如果串脸只发生在脸局部用局部重绘单独修脸。表情僵化的根源通常是训练素材里情绪样本太少回头补一些夸张表情的素材重新训LoRA。5.2 场景描述记忆漂移同一个场景词在不同的分镜之间AI理解的背景常常不一样。前一个镜头教室里有三排课桌后一个镜头突然变成了空房间。这个问题的根源在于环境统一词写得不够细AI抓不住同一个场景的所有必要元素。我的做法是把每个固定场景的关键元素做成固定后缀比如教室场景统一用scene: empty classroom after school, wooden desks in rows, blackboard with math notes, sunset sunlight through windows, dust floating in light每次用到这个场景这段词一字不改地复制。宁可描述冗长一点也不给AI自由发挥的空间。5.3 批量生成后的自选式过拟合还有一个很多人没意识到的坑批量生成挑图时人会不自觉地只挑好看的图而忽略了分镜本身的叙事要求。比如分镜表写的是女主在雨中低头走备选区里有一张阳光灿烂下微笑的美图就走不动道了。这会直接导致整段叙事情绪断裂。所以在Day4的筛图环节我给自己定了一条硬规则每个分镜的筛选必须回到分镜表先确认情绪、动作、环境三项是否匹配再考虑美不美。不匹配的图再好看也一律放弃。6. 一些失败尝试和最终保留的经验最后把我在这个流程里尝试过、也放弃过的方案写一下。这些弯路不值当再走一遍。第一个放弃的是纯自动批量生成也就是不提前做分镜表直接让脚本按剧本自动抽图。出来的一百多张图单看还行串在一起故事完全断掉因为AI分不清哪些镜头是因果、哪些是情绪铺垫。分镜表的人脑决策功能AI暂时替代不了。第二个放弃的是不用角色库全靠提示词描述脸。这个方案在小红书图文里能糊弄但在漫剧这种连续叙事里根本撑不住。第3个镜头和第28个镜头的同一个人放在一起对比观众直接出戏。角色的稳定性只能靠模型级的角色库解决提示词只是辅助。第三个放弃的是过度训练。我曾经把一个角色LoRA训到3000步结果任何表情下那张脸都像一个蜡像耳环、项链这些配饰反被学成了固定面部特征。这让我深刻体会到LoRA不是越训越像而是要在像和变之间找到平衡。最后保留下来最值钱的经验就三条分镜表永远在人脑里先完成角色库和镜头模板必须分开迭代每一轮的seed和提示词都要归档。这三条看着不起眼但真正决定了一个AI漫剧项目能不能持续规模产出。我的7天流程跑完后第二集、第三集的分镜生成时间直接压缩到3天出头而且质量还更稳定。这个系统的威力只有在连续复用的时候才能真正体现出来。