1. 先搞清楚“AI漫剧”和“提示词”到底指什么很多人一看到“AI漫剧”和“提示词”这两个词第一反应是AI绘画生成漫画或者用AI视频工具做动画。这个理解方向没错但太笼统直接上手写提示词很容易跑偏。你得先明确你手里的工具和你想做的“漫剧”具体是哪一种技术路线。目前主流的“AI漫剧”制作背后通常是几种技术的组合而不是单一模型文生图图生视频先用Stable Diffusion、Midjourney这类工具根据提示词生成单张漫画风格的关键帧画面再用图生视频模型如AnimateDiff、Stable Video Diffusion让画面动起来。这是最常见的“漫画动起来”的思路。文生视频直接生成直接用Runway、Pika、Sora这类文生视频模型在提示词里描述漫画风格、镜头和角色动作。这对提示词的要求更高需要包含风格、运镜、节奏。3D角色动画先用AI生成3D角色模型再驱动其做口型、动作生成类似3D动画的效果。这涉及到角色一致性、动作绑定等更复杂的问题。你的提示词怎么写完全取决于你走哪条路。路线1文生图图生视频是目前个人和小团队最可控、成本最低的方案也是我们今天讨论的重点。它的核心是你的提示词首先要为“静态画面”服务确保单帧质量其次才是为“动态连贯性”埋下伏笔。所以别一上来就琢磨“如何让AI看懂一个复杂故事”。AI看不懂故事它只能看懂你描述的“画面元素”和“画面间的变化”。你的任务是把脑海中的“漫剧”拆解成一系列连续的、可描述的“关键帧画面”。2. 从“一句话想法”到“可执行的画面描述”假设你有一个创意“一个孤独的宇航员在废弃空间站里发现了一株正在发光的植物。” 这是一个很好的故事核但对AI来说信息量几乎为零。直接把这个扔给文生图模型出来的结果可能千奇百怪。你需要做的是“翻译”和“细化”。第一步确定视觉基调与风格这是提示词的“定海神针”。风格词不明确后面所有描述都可能白费。风格参考不要只说“漫画风格”。要具体。是日式赛璐璐anime, cel-shading、美漫comic book, American comic style、水墨风Chinese ink painting style、还是绘本感storybook illustration艺术家参考加入你喜欢的漫画作者或插画师风格能快速锁定画面质感例如in the style of Makoto Shinkai新海诚或art by Lois van Baarle。渲染与质感cinematic lighting电影感灯光、unreal engine 5 render虚幻引擎5渲染、detailed line art精细线稿、soft shading柔和阴影。这些词决定了画面的“高级感”。对于“孤独宇航员”的例子我们可以先定下基调cinematic, sci-fi, detailed comic book style, dramatic lighting, lonely atmosphere电影感科幻精细漫画风格戏剧性灯光孤独氛围。第二步拆解核心画面元素主体、环境、细节用英文关键词多数模型对英文提示词响应更好列出所有必须出现的物体和状态。主体 (Subject)lonely astronaut in a white EVA suit穿着白色舱外服的孤独宇航员。lonely是情绪white EVA suit是具体形象。环境 (Environment)abandoned space station interior废弃空间站内部。可以继续细化corridor with broken panels and floating debris布满破损面板和漂浮碎片的走廊、flickering emergency lights闪烁的应急灯。核心对象 (Key Object)a single glowing plant一株发光的植物。继续细化bioluminescent plant, growing from a crack in the metal floor, emitting a soft green light生物发光植物从金属地板的裂缝中长出发出柔和的绿光。细节与状态 (Details State)helmet visor reflecting the plants glow头盔面罩反射着植物的光芒、weightlessness, floating dust particles失重状态漂浮的尘埃。第三步构图与镜头语言这是让单帧画面有“剧情感”的关键。AI能理解很多摄影术语。景别close-up shot特写、medium shot中景、wide shot全景、extreme close-up on the plant对植物的极端特写。角度low angle shot仰拍突出宇航员的渺小或植物的神圣、over-the-shoulder shot过肩镜头代入宇航员视角。镜头效果depth of field景深、motion blur运动模糊可用于表现转头或漂浮物运动。结合我们的例子一个完整的画面提示词初版可以是cinematic, sci-fi, detailed comic book style, dramatic lighting, lonely atmosphere, wide shot, a lonely astronaut in a white EVA suit floating in an abandoned space station corridor with broken panels and flickering lights, a single bioluminescent plant growing from a crack in the metal floor emits a soft green light, helmet visor reflecting the glow, weightlessness, floating dust particles, intricate details, 8k, best quality电影感科幻精细漫画风格戏剧灯光孤独氛围全景一个穿着白色舱外服的孤独宇航员漂浮在有着破损面板和闪烁灯光的废弃空间站走廊中一株从金属地板裂缝中长出的生物发光植物发出柔和的绿光头盔面罩反射着光芒失重漂浮的尘埃复杂细节8k最佳质量第四步使用负面提示词Negative Prompt排除干扰这是确保AI“不做什么”的保险。通用性较强的负面词包括worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, deformed, disfigured, morbid, mutated, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped最差质量低质量普通质量JPEG伪影签名水印用户名模糊畸形毁容病态突变解剖结构错误手部错误文字错误缺少手指多余手指手指过少裁剪。 对于我们的科幻场景可以额外加入people, crowd, earth, sunny, bright多人人群地球阳光明亮来进一步净化画面确保只有宇航员一个人类且环境是昏暗的太空站内部。3. 为“动起来”做准备提示词的连贯性设计单张图漂亮了但一连起来就跳戏、角色变脸这是做漫剧最头疼的。问题出在提示词没有为“连续性”服务。核心策略锁定角色与场景变的是动作和镜头。角色一致性在生成关键帧时使用相同的角色LoRA模型或通过Reference Only等技术。在提示词中用稳定、具体的描述来“锚定”角色特征。例如不仅说“宇航员”而是说“a female astronaut with short red hair and a scar on her chin, in a specific white EVA suit model-05”一位红色短发、下巴有疤痕、穿着特定白色舱外服型号-05的女宇航员。特征越具体AI在连续生成时越有可能保持统一。场景一致性主环境描述要保持稳定。abandoned space station corridor with hexagonal wall panels and blue emergency lighting有着六边形墙板和蓝色应急灯的废弃空间站走廊。在后续帧中这个基础描述不变只改变角色在其中的位置、动作和镜头焦点。动作序列化把故事拆解成动作序列为每一帧撰写提示词。帧1发现wide shot, astronaut floating, turns head, notices a faint green light in the distance down the dark corridor.全景宇航员漂浮转头注意到黑暗走廊远处有微弱的绿光。帧2接近medium shot, astronaut uses handrails to propel herself cautiously towards the light source, expression curious and wary.中景宇航员用手推杆谨慎地朝光源移动表情好奇而警惕。帧3特写extreme close-up, astronauts gloved hand gently touches the leaves of the glowing plant, the green light illuminating her visor from below.极端特写宇航员戴手套的手轻轻触碰发光植物的叶子绿光从下方照亮她的面罩。帧4反应close-up on astronauts face inside helmet, eyes wide with wonder, a faint smile visible.头盔内宇航员面部的特写眼睛因惊奇而睁大可见一丝微笑。使用“关键词延续”技巧在生成多张图时例如用SD的X/Y/Z脚本让核心的环境词、角色特征词在每一批提示词中都出现而只替换动作和镜头词。这能像“锚点”一样帮助AI维持一致性。4. 进阶提示词工程中的“语法”与“权重”当你发现AI总是忽略某个重要元素或者画面元素混乱时就需要用到更精细的提示词控制技巧。语法顺序多数模型如Stable Diffusion会更关注提示词靠前的部分。把最重要的主体放在最前面。通常顺序是[风格], [主体], [环境], [细节], [质量词]。权重控制(keyword:1.5)增加该关键词的权重到1.5倍。例如(glowing plant:1.3)会让植物更突出。[keyword]降低权重。但更常用的是(keyword:0.8)。不要滥用高权重把某个词权重调到2.0以上很容易导致画面畸形或忽略其他词。微调通常在1.1到1.5之间。交替词BREAK在一些工具或特定语法中使用BREAK或AND可以分隔不同的概念组合让AI更好地处理复杂场景。例如astronaut floating in corridor AND a glowing plant in the corner BREAK cinematic lighting。这暗示“宇航员”和“植物”是两个可分别处理的重点。动态提示词对于需要批量生成相似但略有变化的画面如不同表情可以使用__表情__这样的占位符配合一个包含happy, surprised, sad的词汇文件让脚本自动替换生成。5. 从提示词到工作流落地实操与避坑要点写了提示词只是第一步怎么用、在哪用决定了最终效果。工作流建议先用文生图模型如SDXL批量测试关键帧不要只生成一张。用你的提示词列表在相同的随机种子下生成多张挑选出角色、场景最稳定、质量最高的一组图作为你的“素材库”。这一步是筛选不是最终成片。图生视频时提示词策略要变当你把静态图喂给AnimateDiff这类模型时你给的提示词作用会减弱因为模型主要参考输入图片。此时提示词应更侧重于描述你想让画面产生的运动。例如slow zoom in, astronaut turns head slowly, dust particles float upward缓慢推近宇航员缓慢转头尘埃向上漂浮。同时负面提示词要加上视频常见的瑕疵如flickering, unstable, wobbling, deformed movement闪烁不稳定晃动变形运动。分镜与时长AI视频目前生成时长有限通常4秒左右。你的一个动作提示词如“转身”可能就对应一个4秒的短片。后期需要将这些短片剪辑配上旁白、音效、字幕才能成为“漫剧”。迭代与细化第一版提示词生成效果不理想是绝对的常态。分析问题是主体不清晰还是风格跑偏或是动作描述太笼统然后回头修改提示词。这是一个“写提示词 - 生成 - 分析 - 修改提示词”的循环过程。常见坑点与排查画面元素缺失或混乱检查关键词权重和顺序。把核心主体放前面并适当增加权重。使用更具体、无歧义的词用“EVA suit”而不是“spacesuit”。风格不一致确保风格关键词在每一组提示词中都稳定出现。考虑使用风格LoRA或Embedding模型来强化。角色“变脸”这是最大挑战。除了用角色LoRA在提示词中尽量固定发型、发色、脸型、显著特征眼镜、伤疤。在图生视频时使用IP-Adapter等工具进行角色特征绑定。动作不符合预期动作描述要具体、可视觉化。“她很高兴”不如“她睁大眼睛嘴角上扬”。“植物发光”不如“植物脉动性地发出柔和绿光”。资源与工具本地部署SD对于迭代测试最方便。在线平台如ComfyUI Cloud, Tensor.Art则免配置。视频生成对显存要求高通常8G以上才比较顺畅需要规划好硬件资源。最终让AI“看懂”你意思的秘诀不在于使用多么炫技的提示词魔法而在于你是否能用它所能理解的“视觉语言”清晰、无歧义地把你脑海中的分镜剧本翻译成一个由风格、主体、环境、构图、动作关键词构成的、可执行的列表。这个过程更像是在给一个理解力超强但缺乏常识的“超级画师”写极其详细的作画指令。你的指令越精准、越稳定它的发挥就越可控你的“漫剧”也就越接近最初的想象。
