我们要把每一个创作决策拆解到可以直接执行的操作指令级别。

一、选题的第0天:用200元测试一个题材是否成立

1.1 测试前的准备清单(30分钟)

步骤1:写出故事的三句话版本

• 第一句:主角是谁+初始状态(15字以内)
• 第二句:遭遇什么冲突+获得什么能力(20字以内)
• 第三句:用能力达成什么目标(15字以内)

错误示例:“一个少年在家族被欺负,后来变强了,打败所有人”

• 问题:信息模糊,无法指导后续创作

正确示例:“废柴少爷林枫/家族大会被退婚/觉醒吞噬系统吞噬敌人修为/三个月内踩爆退婚者”

• 为什么正确:有具体名字、具体场景、具体能力机制、具体时间目标

步骤2:画出情绪曲线图(15分钟)

拿一张A4纸,横轴是时间(按集数),纵轴是情绪强度(1-10分)

第1集的情绪设计:

• 0-30秒:情绪值3分(日常场景,被欺负)
• 30秒-1分钟:情绪值跌到1分(被退婚,全场嘲笑)
• 1分钟-1分30秒:情绪值拉到7分(系统觉醒,金光特效)
• 1分30秒-2分钟:情绪值冲到9分(当场吞噬一个嘲笑者的修为)

关键指标:

• 情绪低谷不能超过40秒(用户会流失)
• 第一个高潮必须在90秒内出现
• 每集至少3个情绪波峰,波峰间隔不超过45秒

步骤3:列出必需场景清单(15分钟)

第1集需要的场景:

1. 家族大厅(主场景,会反复使用)
2. 林枫的破旧小院(对比场景)
3. 系统空间(特效场景,纯黑背景+发光界面)

每个场景写明:

• 时代背景:古代/现代/未来
• 建筑风格:中式/欧式/赛博朋克
• 色调:暖色/冷色/对比色
• 光源:自然光/人工光/魔法光
• 参考图:找3张风格接近的图片

家族大厅的详细描述:

时代:古代修仙世界
风格:中式宫殿,红木立柱,青石地板
色调:暗红色为主(压抑感),金色点缀(权力象征)
光源:顶部天窗自然光+两侧灯笼暖光
空间:纵深15米,宽10米,高8米
陈设:正中高台3个座位,两侧各5排座位
参考:故宫太和殿内景+《庆余年》鉴查院大厅+某游戏CG截图

为什么要这么细?因为后面AI生成场景时,这些描述会直接转化成提示词。

1.2 第一次生成测试(2小时)

测试目标:验证3个核心要素能否被AI准确生成

要素1:主角形象的稳定性

生成主角林枫的10个不同角度:

• 正面平视
• 45度侧面
• 背面
• 仰视(从下往上看)
• 俯视(从上往下看)
• 左侧面
• 右侧面
• 3/4侧面(左)
• 3/4侧面(右)
• 远景全身

判断标准:

• 面部特征一致性:眼睛形状、鼻梁高度、嘴唇厚度误差不超过5%
• 发型一致性:发际线位置、头发长度、刘海走向完全一致
• 体型一致性:肩宽、身高比例、体态特征一致
• 服装一致性:衣服款式、颜色、破损位置一致

测试方法:
把10张图并排放在一起,遮住其他部分只看眼睛,如果你能一眼认出"这是同一个人",就通过。

常见问题及解决:

问题1:正面和侧面像两个人

• 原因:AI对角色的3D理解不足
• 解决:先生成正面标准照,然后每次生成都引用这张图作为参考
• 具体操作:在提示词里加入"与参考图同一人物,仅改变角度"

问题2:远景时面部细节丢失

• 原因:分辨率不够
• 解决:远景镜头不展示面部细节,用体态和服装特征识别
• 具体操作:设计一个标志性服装元素(比如左肩有个破洞),远景时靠这个识别

问题3:不同情绪表情时五官变形

• 原因:AI把表情和五官结构混淆
• 解决:分开生成,先生成标准脸,再用工具调整表情
• 具体操作:建立表情库,愤怒、惊讶、得意、绝望各生成5个版本备用

要素2:关键场景的氛围营造

生成家族大厅场景的5个版本:

• 版本1:白天,阳光从天窗洒下
• 版本2:傍晚,昏黄光线
• 版本3:夜晚,灯笼照明
• 版本4:阴天,压抑氛围
• 版本5:雨天,窗外雨声

判断标准:

• 建筑结构一致性:柱子数量、位置、粗细完全一致
• 空间比例一致性:纵深感、透视关系一致
• 可识别度:用户看到任何一个版本都能认出"这是家族大厅"

测试方法:
把5张图的建筑轮廓描出来,叠加在一起,误差不超过10%就通过。

常见问题及解决:

问题1:每次生成的柱子数量不一样

• 原因:AI对数量概念模糊
• 解决:在提示词里精确描述"左侧3根红木立柱,右侧3根红木立柱,正中高台后2根"
• 验证:生成后数柱子,不对就重新生成

问题2:透视关系混乱,近处的人比远处的柱子还大

• 原因:AI空间理解错误
• 解决:分层生成,背景、中景、前景分开做,后期合成
• 具体操作:先生成纯场景(无人物),再把人物抠图放进去,手动调整比例

问题3:光影不统一,左边是白天右边是黑夜

• 原因:AI对全局光照理解不足
• 解决:在提示词里明确光源方向"顶部天窗自然光从右上方45度角射入"
• 验证:检查所有物体的阴影方向是否一致

要素3:特效场景的视觉冲击力

生成"系统觉醒"场景的3个版本:

• 版本1:金色光柱从天而降,笼罩主角
• 版本2:主角身体发光,周围出现古文字环绕
• 版本3:主角眼睛变成金色,身后浮现虚影

判断标准:

• 视觉冲击力:截图发给10个人,8个以上说"很炫"就通过
• 可识别度:用户看到这个特效就知道"主角开挂了"
• 可复用性:后续每次系统出现都用类似特效,形成记忆点

测试方法:
把特效场景做成3秒短视频,发到测试群,统计"哇"“牛逼”"这什么"等惊叹词出现频率。

常见问题及解决:

问题1:特效太花哨,看不清主角

• 原因:特效抢了主体
• 解决:特效只占画面30%面积,主角必须清晰可见
• 具体操作:先生成主角,再叠加特效层,特效透明度控制在60-70%

问题2:特效看起来很廉价,像PPT动画

• 原因:运动轨迹太规则
• 解决:加入随机性和细节,比如光粒子大小不一,运动速度有快有慢
• 具体操作:用粒子系统生成,而不是简单的光晕滤镜

问题3:特效和场景风格不搭,修仙世界出现了科技感光效

• 原因:特效素材库选错
• 解决:建立分类特效库,修仙用古风符文+金色光,科幻用蓝色数据流,魔法用紫色能量
• 具体操作:每个题材提前准备20个特效预设

1.3 第一次分镜测试(4小时)

测试目标:用最少的镜头讲清楚一场戏

选开场第一场戏:林枫被退婚,时长2分钟。

第一步:写出戏剧节拍(30分钟)

这场戏要传递的信息:

1. 林枫是废柴(用户需要知道起点低)
2. 未婚妻当众退婚(制造羞辱感)
3. 全场嘲笑(强化压迫感)
4. 林枫隐忍(为后续爆发蓄力)

把2分钟拆成8个15秒段落:

0-15秒:建立场景

• 信息量:这是一个家族大会,很多人,很正式
• 情绪基调:压抑
• 必须出现的元素:大厅全景、人群、高台上的长老

15-30秒:引出主角

• 信息量:林枫站在中央,穿着破旧,和周围人格格不入
• 情绪基调:不安
• 必须出现的元素:林枫特写、破旧衣服细节、周围人的鄙夷眼神

30-45秒:冲突出现

• 信息量:一个美丽女子站起来,是未婚妻
• 情绪基调:紧张
• 必须出现的元素:女子站起的动作、周围人的窃窃私语、林枫的疑惑表情

45-60秒:冲突升级

• 信息量:女子说出"我要退婚"
• 情绪基调:震惊
• 必须出现的元素:女子的冷漠脸、"退婚"二字的特写、林枫的震惊表情

60-75秒:冲突高潮

• 信息量:女子说出羞辱的话"你不配"
• 情绪基调:愤怒+屈辱
• 必须出现的元素:女子的鄙视眼神、林枫攥紧的拳头、周围人的哄笑

75-90秒:情绪低谷

• 信息量:全场哄笑,林枫低头
• 情绪基调:绝望
• 必须出现的元素:林枫低头的背影、周围人夸张的笑脸、空旷的大厅(孤独感)

90-105秒:转折前兆

• 信息量:林枫抬头,眼神变了
• 情绪基调:压抑的愤怒
• 必须出现的元素:林枫眼睛特写、眼中的血丝、微微颤抖的身体

105-120秒:转折爆发

• 信息量:系统觉醒,金光乍现
• 情绪基调:震撼
• 必须出现的元素:金色光柱、系统界面、所有人震惊的表情

第二步:把每个段落拆成镜头(2小时)

以"0-15秒:建立场景"为例,拆成4个镜头:

镜头1(3秒):大厅全景

• 景别:远景
• 机位:平视,略微仰角5度(营造庄严感)
• 画面构成:
  • 前景:空无一物(留白,营造纵深)
  • 中景:100个家族成员分两侧坐,中间留出通道
  • 后景:高台上3个长老
• 人物占比:每个人物不超过画面2%
• 色调:暗红色为主,金色点缀
• 光线:顶部天窗自然光,形成明暗对比
• 运镜:缓慢推进,从门口视角向高台推进
• 音效:低沉的鼓声+窃窃私语的人声
• 字幕:无

手绘分镜要求:
用铅笔在A4纸上画出:

• 画面比例:16:9的框
• 透视线:标出消失点(在高台位置)
• 人物位置:用火柴人标出100个人的大致位置
• 光源方向:用箭头标出顶部光源
• 运镜轨迹:用虚线箭头标出推进方向
• 标注:写明"3秒"“远景”“推进”

AI生成提示词(逐字稿):

场景:中式古代宫殿大厅内景,红木立柱,青石地板,顶部有天窗
视角:从大厅正门向内看,平视角度略微仰5度
构图:中心对称构图,中间通道,两侧各50人坐在长凳上,背景高台上3个长老
光线:顶部天窗自然光从上方照下,形成明暗对比,大厅整体偏暗
色调:暗红色主调,金色点缀,低饱和度
氛围:庄严压抑
画质:电影级,高清,细节丰富
风格:写实主义,参考《庆余年》《琅琊榜》美术风格
镜头:远景,16:9,缓慢推进运镜

生成后检查清单:

• 透视关系正确,近大远小
• 人物数量大致正确(误差±10人可接受)
• 色调符合预期
• 光影方向一致
• 建筑细节清晰(柱子、地板纹理)
• 没有明显穿帮(比如现代物品)
• 氛围到位(看起来压抑庄严)

如果不通过,调整策略:

• 透视错误:在提示词里加入"单点透视,消失点在画面中心偏上"
• 人物数量不对:改为"两侧各5排长凳,每排10人"
• 色调不对:加入色卡参考"#8B0000(暗红)为主色,#FFD700(金色)为点缀"
• 光影混乱:明确"单一光源,从正上方照射,形成向下的阴影"

镜头2(4秒):人群特写

• 景别:中景
• 机位:侧面45度角,平视
• 画面构成:
  • 前景:3个家族成员的侧脸(占画面左侧1/3)
  • 中景:中间通道(空的,为后续主角出现做准备)
  • 后景:对面的家族成员(虚化)
• 人物占比:前景3人共占画面40%
• 表情:冷漠、鄙夷、不耐烦
• 运镜:固定镜头,无运动
• 音效:窃窃私语变大声,能听清"废柴""丢人"等词
• 字幕:无

手绘分镜要求:

• 画出3个人的头部轮廓(不需要细节,圆圈+五官位置即可)
• 标出视线方向(都看向中间通道)
• 标出景深范围(前景清晰,后景模糊)
• 标注表情关键词"冷漠"“鄙夷”

AI生成提示词:

场景:同上大厅内景
视角:侧面45度角,平视
构图:三分法构图,左侧1/3是3个家族成员侧脸,中间1/3是空通道,右侧1/3是虚化背景
人物:3个中年男子,穿深色长袍,表情冷漠鄙夷,眼神看向画面右侧
景深:浅景深,前景清晰,后景虚化
光线:侧面光,勾勒人物轮廓
色调:同上
画质:电影级,面部细节清晰
镜头:中景,固定

生成后检查清单:

• 3个人的面部清晰
• 表情到位(眉毛微皱,嘴角下撇)
• 视线方向一致(都看向右侧)
• 景深效果明显
• 服装风格统一
• 没有面部崩坏

镜头3(4秒):长老特写

• 景别:近景
• 机位:仰视15度角(营造权威感)
• 画面构成:
  • 主体:中间长老的上半身(占画面60%)
  • 陪体:两侧长老的肩膀(各占15%)
  • 背景:高台背景(虚化)
• 表情:威严、不怒自威
• 道具:中间长老手里拿着一个卷轴
• 运镜:缓慢推进到长老脸部
• 音效:鼓声停止,安静
• 字幕:无

手绘分镜要求:

• 画出3个人的位置关系(中间一个大,两侧两个小)
• 标出仰视角度(用角度线标注15度)
• 标出卷轴的位置(中间长老手里)
• 标注"威严"“推进”

AI生成提示词:

场景:高台上
视角:从下往上仰视15度
构图:中心构图,中间长老占主体,两侧长老各占1/5
人物:中间长老60岁左右,白须,穿金边长袍,表情威严,手持卷轴;两侧长老只露出肩膀
表情:不怒自威,眉头微皱
光线:顶光,强化面部轮廓
色调:金色为主(权威感)
画质:电影级,面部细节极其清晰,皱纹、胡须清晰可见
镜头:近景,缓慢推进

生成后检查清单:

• 仰视角度正确
• 中间长老面部细节丰富(皱纹、胡须)
• 表情到位(威严感)
• 卷轴清晰可见
• 金色调明显
• 两侧长老不抢戏

镜头4(4秒):回到全景

• 景别:全景
• 机位:俯视30度角(上帝视角)
• 画面构成:
  • 整个大厅的鸟瞰图
  • 中间通道空着
  • 所有人都看向通道
• 运镜:无,静止
• 音效:脚步声响起(预示主角要出场)
• 字幕:无

手绘分镜要求:

• 画出大厅的平面图
• 标出俯视角度(30度)
• 用箭头标出所有人的视线方向(都指向中间通道)
• 标注"静止"“等待感”

AI生成提示词:

场景:同上大厅
视角:俯视30度,鸟瞰
构图:对称构图,中间通道,两侧人群
人物:所有人都看向中间通道,期待状
光线:顶光,中间通道有光斑(聚焦)
色调:整体暗,中间通道亮(引导视线)
氛围:安静,等待
画质:电影级
镜头:全景,静止

生成后检查清单:

• 俯视角度正确
• 对称构图
• 中间通道有光斑(视觉引导)
• 所有人视线方向一致
• 氛围到位(安静等待)

第三步:制作动态分镜预览(1.5小时)

把4个镜头生成的静态图,导入视频编辑软件,按时长排列:

• 镜头1:3秒
• 镜头2:4秒
• 镜头3:4秒
• 镜头4:4秒
  总计15秒

加入:

• 运镜效果(镜头1的推进,镜头3的推进)
• 转场效果(镜头间用0.5秒淡入淡出)
• 临时音效(从音效库找相似的)
• 临时配乐(低沉压抑的BGM)

测试方法:
自己看10遍,每遍问自己:

1. 我能看懂发生了什么吗?(信息传递)
2. 我有情绪波动吗?(情绪调动)
3. 我想继续看下去吗?(吸引力)
4. 画面之间连贯吗?(流畅度)
5. 有没有哪个镜头是多余的?(效率)

如果5个问题都是"是",这15秒通过。
如果有任何一个"否",找出问题镜头,重新设计。

常见问题及解决:

问题1:看完15秒不知道发生了什么

• 原因:信息量不够或信息传递不清晰
• 解决:增加字幕"林家家族大会"或者增加一个镜头展示门口的牌匾

问题2:看完没感觉,很平淡

• 原因:情绪铺垫不够
• 解决:加强音效(窃窃私语更明显)或调整色调(更压抑)

问题3:镜头2到镜头3跳跃感太强

• 原因:视角变化太大
• 解决:在中间加一个过渡镜头,或者调整镜头2的角度

问题4:镜头4感觉多余

• 原因:信息重复
• 解决:删掉镜头4,直接从镜头3切到下一个段落

1.4 成本核算(30分钟)

计算这15秒的实际成本:

时间成本:

• 写节拍:30分钟
• 设计分镜:2小时
• 手绘分镜:1小时(4个镜头,每个15分钟)
• AI生成测试:1.5小时(每个镜头生成3-5次,取最好的)
• 动态预览制作:1.5小时
  总计:6.5小时

人力成本:

• 编剧:30分钟
• 分镜导演:3小时
• AI动画师:1.5小时
• 剪辑师:1.5小时

算力成本:

• 每个镜头生成5次,共20次生成
• 每次生成成本约2元(假设)
• 总计:40元

15秒成本=40元
推算2分钟(120秒)成本=320元
推算一集(3分钟)成本=480元
推算100集成本=48000元

这个成本是否可接受?

• 如果目标是精品剧,可接受
• 如果目标是快速量产,需要优化流程

优化方向:

1. 建立素材库,常用场景和角色提前生成,复用率提高50%
2. 培训AI动画师,生成成功率从20%提升到60%,成本降低66%
3. 使用批量生成工具,一次生成多个镜头,时间成本降低30%

优化后成本:

• 素材复用:节省30%
• 成功率提升:节省50%
• 批量生成:节省20%
  综合节省:约70%

优化后一集成本=480×30%=144元
优化后100集成本=14400元

这个成本在可控范围内,可以进入下一阶段。

二、剧本阶段:把网文改造成适合AI漫剧的分镜脚本

2.1 网文和漫剧脚本的本质区别

网文的叙事特点:

• 大量内心独白
• 环境描写细腻
• 时间跨度大
• 支线剧情多

AI漫剧的叙事限制:

• 内心独白需要外化(通过表情、动作、旁白)
• 环境描写需要视觉化(一个镜头就要看懂)
• 时间跨度需要压缩(每集3分钟,讲不了太长时间)
• 支线剧情需要砍掉(主线都讲不完)

2.2 网文到漫剧的转化公式

原则1:一句话=一个画面

错误示例(网文原文):
“林枫站在大厅中央,感受到无数道鄙夷的目光,心中涌起一股悲凉,想起三年前父亲去世时的场景,眼眶微微湿润。”

这句话包含:

• 空间信息:大厅中央
• 感受:鄙夷的目光
• 情绪:悲凉
• 回忆:父亲去世
• 表情:眼眶湿润

这些信息无法在一个镜头里呈现,需要拆解。

正确改写(分镜脚本):

镜头1(2秒):林枫站在大厅中央,低着头
镜头2(1秒):周围人鄙夷的眼神(快速切换3-4个人脸特写)
镜头3(2秒):林枫抬头,眼眶泛红
镜头4(3秒):闪回画面,父亲躺在病床上(黑白画面,1秒),父亲握着林枫的手(1秒),父亲闭眼(1秒)
镜头5(2秒):回到现实,林枫眼角一滴泪滑落

5个镜头,10秒,把原文的所有信息传递完毕。

原则2:内心独白=旁白or对话or表情

错误示例(网文原文):
“林枫心想:这些人当年巴结父亲的时候可不是这副嘴脸,现在父亲死了,一个个都露出真面目了。”

内心独白无法直接呈现,需要转化。

转化方案A:旁白

镜头:林枫看着周围人,面无表情
旁白(林枫的声音):"这些人,当年可不是这样的..."

优点:信息传递直接
缺点:旁白太多会显得廉价

转化方案B:对话外化

镜头:一个老者对旁边人说
老者:"唉,林家主死了,这孩子也就废了。"
旁边人:"当年咱们还得看林家主脸色,现在嘛..."(意味深长的笑)
镜头:林枫听到,拳头攥紧

优点:更有戏剧张力
缺点:需要增加角色和台词

转化方案C:纯表情呈现

镜头1:林枫看着一个老者
镜头2(闪回):同一个老者三年前对林枫父亲鞠躬的画面
镜头3:回到现实,老者转过头不看林枫
镜头4:林枫眼神变冷,嘴角冷笑

优点:最有电影感
缺点:需要更多镜头,时间成本高

根据剧情节奏选择方案:

• 如果这段是快节奏推进,用方案A
• 如果这段是情绪重点,用方案C
• 如果需要引出新角色,用方案B

原则3:环境描写=建立镜头

错误示例(网文原文):
“林家大厅建于百年前,红木立柱历经风雨,青石地板被磨得光滑,墙上挂着历代家主的画像,正中高台是家主之位,两侧是长老席位,整个大厅透着一股森严的气息。”

这段描写有200字,但在漫剧里只需要一个5秒的镜头。

正确改写(分镜脚本):

镜头(5秒):
- 运镜:从门口缓慢推进到高台
- 画面:红木立柱、青石地板、墙上画像、高台、长老席位依次进入画面
- 字幕:林家大厅
- 音效:低沉的鼓声

一个镜头,5秒,把环境信息全部传递。

关键:

• 不要试图用旁白念出环境描写
• 让画面自己说话
• 用运镜引导观众视线,依次看到重要元素

2.3 节奏控制的量化标准

每集3分钟=180秒,需要设计:

• 3个情绪高潮(每60秒一个)
• 6-8个情绪波动点(每20-30秒一个)
• 1个悬念钩子(结尾,让用户想看下一集)

情绪高潮的设计公式:

高潮=冲突+反转+视觉奇观

举例:第1集的第一个高潮(60秒位置)

冲突:
林枫被退婚,全场嘲笑

反转:
系统觉醒,林枫获得吞噬能力

视觉奇观:
金色光柱从天而降,系统界面浮现,林枫眼睛变成金色

具体分镜(10秒):

镜头1(2秒):全场哄笑,林枫低头
镜头2(1秒):林枫拳头攥紧,指甲刺进肉里,血滴落
镜头3(2秒):血滴落在地上,地面出现金色纹路
镜头4(2秒):金色纹路蔓延,形成法阵
镜头5(1秒):法阵爆发,金色光柱冲天
镜头6(2秒):林枫被光柱笼罩,眼睛变成金色,系统界面浮现

10秒,完成冲突-反转-奇观的完整循环。

情绪波动点的设计公式:

波动点=小冲突or小惊喜or信息揭示

举例:第1集的6个波动点

0-30秒:波动点1

• 内容:林枫出场,穿着破旧
• 情绪:从平静到不安
• 手法:对比(林枫破旧vs周围人华丽)

30-50秒:波动点2

• 内容:未婚妻站起来
• 情绪:从不安到紧张
• 手法:悬念(她要干什么?)

50-70秒:波动点3

• 内容:未婚妻说"退婚"
• 情绪:从紧张到震惊
• 手法:台词冲击

70-90秒:波动点4

• 内容:未婚妻说"你不配"
• 情绪:从震惊到屈辱
• 手法:羞辱升级

90-110秒:波动点5

• 内容:全场哄笑
• 情绪:从屈辱到绝望
• 手法:群体施压

110-130秒:波动点6

• 内容:林枫抬头,眼神变了
• 情绪:从绝望到愤怒
• 手法:情绪转折

每个波动点间隔20秒左右,保持用户注意力。

悬念钩子的设计公式:

钩子=未完成的动作+疑问+视觉冲击

举例:第1集结尾(170-180秒)

镜头1(3秒):林枫看着系统界面,上面显示"吞噬目标"
镜头2(2秒):林枫视线移向刚才嘲笑他的一个人
镜头3(2秒):那个人还在笑,突然感觉不对,笑容僵住
镜头4(2秒):林枫嘴角上扬,伸出手
镜头5(1秒):黑屏,一声惨叫
字幕:第2集 吞噬

10秒,完成钩子设计:

• 未完成的动作:林枫伸手,但没看到结果
• 疑问:他要干什么?那个人会怎样?
• 视觉冲击:黑屏+惨叫

用户必须看第2集才能知道答案。

2.4 台词的视觉化改造

原则:能用画面说的,不用台词

错误示例:

林枫:"我很生气!"

这是废话,用户看表情就知道。

正确改写:

林枫:(不说话,只是死死盯着对方,拳头攥得咯咯响)

错误示例:

长老:"林枫,你父亲三年前去世了,你现在是林家最弱的人,大家都看不起你。"

这是信息堆砌,不是人话。

正确改写:

长老:"林枫,你父亲去世三年了。"(停顿,看着林枫)
长老:"这三年,你可有寸进?"(质问的语气)
林枫:(低头,不说话)
长老:"废柴!"(一拍桌子)

把一句话拆成三句,配合动作和停顿,信息量一样,但更有戏剧张力。

台词的三个功能:

功能1:推进剧情
每句台词必须推动故事前进,不能闲聊。

错误示例:

甲:"今天天气不错。"
乙:"是啊,阳光明媚。"

这两句话没有推进剧情,删掉。

正确示例:

甲:"仪式开始了。"
乙:"林枫还没到。"
甲:"他不敢来了吧。"

三句话,建立了仪式、林枫缺席、可能逃跑三个信息,推进剧情。

功能2:塑造人物
每句台词要符合人物性格。

错误示例:

霸道长老:"林枫啊,你这样不行哦,要努力修炼哦。"

语气太温柔,不符合霸道人设。

正确示例:

霸道长老:"废物!三年了还是炼气一层,林家的脸都被你丢尽了!"

语气强硬,符合霸道人设。

功能3:制造冲突
台词要有锋芒,不能和和气气。

错误示例:

未婚妻:"林枫,我觉得我们不太合适,不如分开吧。"
林枫:"好的,我理解。"

没有冲突,没有戏。

正确示例:

未婚妻:"林枫,我要退婚。"
林枫:"为什么?"
未婚妻:"因为你不配。"(冷笑)
林枫:(攥紧拳头,咬牙)"你再说一遍?"
未婚妻:"你不配!听清楚了吗?"

每句话都在升级冲突,有戏剧张力。

2.5 一集完整脚本的标准格式

第1集脚本示例(3分钟=180秒)

【第一幕:建立世界观】(0-30秒)

场景1:林家大厅外景

镜头1(3秒):
- 景别:远景
- 内容:林家府邸全景,古色古香
- 字幕:林家,修仙世家,传承三百年
- 音效:悠扬的古琴声

镜头2(2秒):
- 景别:中景
- 内容:大门紧闭,门口两个守卫
- 运镜:推进到大门
- 音效:古琴声渐弱,鼓声渐起

场景2:林家大厅内景

镜头3(5秒):
- 景别:远景
- 内容:大厅全景,100人分两侧坐,中间通道空着
- 运镜:从门口推进到高台
- 音效:低沉鼓声+窃窃私语
- 字幕:林家家族大会

镜头4(4秒):
- 景别:中景
- 内容:三个家族成员侧脸,表情冷漠
- 台词:
  甲:"今天是林枫的成年礼。"
  乙:"三年了,还是炼气一层。"
  丙:"废柴。"
- 音效:窃窃私语

镜头5(4秒):
- 景别:近景
- 内容:高台上三个长老,中间长老手持卷轴
- 运镜:仰视,推进到长老脸部
- 音效:鼓声停止,安静

镜头6(4秒):
- 景别:全景
- 内容:大厅鸟瞰,所有人看向中间通道
- 音效:脚步声响起

镜头7(4秒):
- 景别:中景
- 内容:林枫从门口走进来,穿着破旧长袍,低着头
- 运镜:跟随林枫走
- 音效:脚步声+窃窃私语变大
- 台词(画外音):
  "是林枫。"
  "穿成这样,丢人。"
  "林家主泉下有知,得多伤心。"

镜头8(4秒):
- 景别:特写
- 内容:林枫的脸,年轻但憔悴,眼神躲闪
- 音效:心跳声(咚咚咚)

第一幕总结:

• 时长:30秒
• 镜头数:8个
• 信息量:世界观(修仙世家)、主角(林枫,废柴)、场景(家族大会)
• 情绪:压抑,不安
• 钩子:林枫出场,接下来会发生什么?

【第二幕:冲突建立】(30-90秒)

场景3:退婚

镜头9(3秒):
- 景别:中景
- 内容:林枫走到中央,停下,抬头看向高台
- 音效:脚步声停止,安静

镜头10(3秒):
- 景别:近景
- 内容:中间长老打开卷轴
- 台词:
  长老:"林枫,今日是你十八岁成年礼。"
- 音效:卷轴展开的声音

镜头11(2秒):
- 景别:特写
- 内容:林枫点头
- 台词:
  林枫:"是,长老。"(声音很小)

镜头12(3秒):
- 景别:中景
- 内容:人群中,一个美丽女子站起来
- 运镜:从林枫视角看过去,焦点从林枫转到女子
- 音效:衣服摩擦声+窃窃私语变大

镜头13(2秒):
- 景别:特写
- 内容:林枫表情疑惑
- 台词:
  林枫(心里):"雪儿?"

镜头14(3秒):
- 景别:近景
- 内容:女子(雪儿)走出来,站在通道里,和林枫相距5米
- 运镜:侧面拍,两人在画面两端
- 音效:脚步声+安静(所有人都在看)

镜头15(2秒):
- 景别:特写
- 内容:雪儿的脸,冷漠,没有表情
- 音效:心跳声(咚咚咚,更快)

镜头16(3秒):
- 景别:中景
- 内容:雪儿对着高台行礼
- 台词:
  雪儿:"长老,我有话说。"
- 音效:窃窃私语更大

镜头17(2秒):
- 景别:近景
- 内容:长老点头
- 台词:
  长老:"讲。"

镜头18(3秒):
- 景别:近景
- 内容:雪儿转身看向林枫
- 台词:
  雪儿:"我要退婚。"
- 音效:一声惊雷(音效)

镜头19(2秒):
- 景别:特写
- 内容:林枫瞳孔放大,震惊
- 音效:耳鸣声(嗡——)

镜头20(3秒):
- 景别:全景
- 内容:大厅所有人哗然,议论纷纷
- 音效:嘈杂的议论声
- 台词(多人画外音):
  "退婚?"
  "林枫被退婚了!"
  "哈哈哈!"

镜头21(3秒):
- 景别:近景
- 内容:林枫回过神,声音颤抖
- 台词:
  林枫:"为...为什么?"
- 音效:声音颤抖

镜头22(3秒):
- 景别:近景
- 内容:雪儿冷笑
- 台词:
  雪儿:"因为你不配。"
- 音效:冷笑声

镜头23(2秒):
- 景别:特写
- 内容:林枫拳头攥紧,指甲刺进肉里
- 音效:肉体撕裂声(细微)

镜头24(3秒):
- 景别:中景
- 内容:雪儿转身走回座位
- 台词:
  雪儿:"三年前,你父亲死了,你就是个废物。我等了三年,够了。"
- 音效:脚步声+哄笑声

镜头25(3秒):
- 景别:全景
- 内容:大厅所有人大笑
- 音效:哄笑声(很大)
- 台词(多人画外音):
  "废物!"
  "活该!"
  "林家的耻辱!"

镜头26(4秒):
- 景别:近景
- 内容:林枫低头,肩膀颤抖
- 音效:哄笑声+心跳声(咚咚咚)

第二幕总结:

• 时长:60秒
• 镜头数:18个
• 信息量:冲突(被退婚)、羞辱(你不配)、群体施压(全场嘲笑)
• 情绪:从疑惑到震惊到屈辱到绝望
• 钩子:林枫会怎么反应?

【第三幕:反转爆发】(90-180秒)

场景4:系统觉醒

镜头27(3秒):
- 景别:特写
- 内容:林枫的拳头,血滴落
- 音效:血滴声(滴答)

镜头28(2秒):
- 景别:特写
- 内容:血滴落在地上
- 音效:血滴声(滴答)

镜头29(3秒):
- 景别:特写
- 内容:地面上,血形成金色纹路
- 音效:嗡鸣声(低频)

镜头30(2秒):
- 景别:近景
- 内容:林枫抬头,眼神变了,不再躲闪
- 音效:嗡鸣声变大

镜头31(3秒):
- 景别:中景
- 内容:金色纹路蔓延,形成法阵
- 运镜:从地面拉到全景
- 音效:嗡鸣声+能量聚集声

镜头32(2秒):
- 景别:全景
- 内容:法阵爆发,金色光柱冲天
- 音效:爆发声(轰!)

镜头33(2秒):
- 景别:中景
- 内容:所有人震惊,停止嘲笑
- 音效:安静

镜头34(3秒):
- 景别:近景
- 内容:林枫被光柱笼罩,眼睛变成金色
- 运镜:旋转镜头,围绕林枫
- 音效:能量涌动声

镜头35(3秒):
- 景别:特写
- 内容:林枫眼前浮现系统界面
- 界面内容:
  【吞噬系统已激活】
  【宿主:林枫】
  【等级:1】
  【能力:吞噬】
- 音效:电子音(系统激活)

镜头36(2秒):
- 景别:特写
- 内容:林枫眼睛,金色光芒闪烁
- 音效:心跳声(咚!很重)

镜头37(3秒):
- 景别:近景
- 内容:长老站起来,震惊
- 台词:
  长老:"这...这是什么力量?"
- 音效:颤抖的声音

镜头38(3秒):
- 景别:全景
- 内容:金色光柱消失,林枫站在原地,气质完全不同
- 运镜:从上往下俯视
- 音效:能量消散声

镜头39(2秒):
- 景别:近景
- 内容:雪儿震惊,不可置信
- 台词:
  雪儿:"怎么可能..."
- 音效:颤抖的声音

镜头40(3秒):
- 景别:中景
- 内容:林枫抬头,看向雪儿,嘴角上扬
- 台词:
  林枫:"不配?"(冷笑)
- 音效:冷笑声

镜头41(3秒):
- 景别:近景
- 内容:系统界面再次浮现
- 界面内容:
  【检测到可吞噬目标】
  【目标:王虎(炼气三层)】
  【是否吞噬?】
- 音效:电子音

镜头42(2秒):
- 景别:中景
- 内容:林枫视线移向刚才嘲笑最凶的一个壮汉(王虎)
- 运镜:视线跟随
- 音效:锁定声(滴)

镜头43(2秒):
- 景别:近景
- 内容:王虎还在笑,突然感觉不对,笑容僵住
- 音效:笑声停止

镜头44(3秒):
- 景别:中景
- 内容:林枫伸出手,对准王虎
- 台词:
  林枫:"你,过来。"
- 音效:低沉的声音

镜头45(2秒):
- 景别:近景
- 内容:王虎惊恐,想跑,但身体不受控制
- 台词:
  王虎:"不!不要!"
- 音效:惊恐的叫声

镜头46(3秒):
- 景别:全景
- 内容:王虎被一股力量拉向林枫,在空中挣扎
- 运镜:跟随王虎移动
- 音效:能量拉扯声+惨叫声

镜头47(2秒):
- 景别:特写
- 内容:林枫的手,金色光芒涌动
- 音效:能量聚集声

镜头48(1秒):
- 景别:特写
- 内容:林枫的眼睛,金色光芒更盛
- 音效:能量爆发声

镜头49(2秒):
- 景别:全景
- 内容:黑屏,一声惨叫
- 音效:惨叫声(啊——!)

镜头50(3秒):
- 景别:全景
- 内容:画面恢复,王虎倒在地上,生死不明,林枫站在原地
- 音效:安静,只有呼吸声

镜头51(2秒):
- 景别:特写
- 内容:系统界面
- 界面内容:
  【吞噬成功】
  【获得修为:炼气三层】
  【当前等级:炼气三层】
- 音效:电子音(成功提示音)

镜头52(3秒):
- 景别:近景
- 内容:林枫感受力量,握拳,金色光芒闪烁
- 台词:
  林枫:"这就是...力量。"(低语)
- 音效:能量涌动声

镜头53(3秒):
- 景别:全景
- 内容:大厅所有人惊恐,鸦雀无声
- 音效:安静

镜头54(3秒):
- 景别:近景
- 内容:林枫转身看向雪儿
- 台词:
  林枫:"你刚才说,我不配?"(冷笑)
- 音效:冷笑声

镜头55(2秒):
- 景别:特写
- 内容:雪儿惊恐,后退
- 音效:脚步声(后退)

镜头56(2秒):
- 景别:特写
- 内容:林枫嘴角上扬
- 音效:冷笑声

镜头57(1秒):
- 景别:黑屏
- 字幕:第2集 吞噬
- 音效:能量爆发声

第三幕总结:

• 时长:90秒
• 镜头数:31个
• 信息量:反转(系统觉醒)、能力展示(吞噬)、爽点(踩回去)
• 情绪:从绝望到震撼到爽
• 钩子:林枫会对雪儿做什么?

【全集总结】

• 总时长:180秒(3分钟)
• 总镜头数:57个
• 平均每个镜头:3.2秒
• 情绪曲线:压抑(0-30秒)→屈辱(30-90秒)→爽(90-180秒)
• 信息密度:每10秒一个信息点
• 爽点密度:每30秒一个小爽点,60秒一个大爽点

三、分镜阶段:把脚本转化成可执行的视觉指令

3.1 手绘分镜的标准流程

很多人以为AI时代不需要手绘分镜,这是最大的误区。手绘分镜是导演和AI之间的翻译器。

工具准备:

• A4纸(每页画4个分镜格子)
• 铅笔(方便修改)
• 橡皮
• 尺子(画分镜框)
• 参考图(角色、场景、运镜参考)

单个分镜的标准格式:

┌─────────────────────────────────┐
│  镜号:01        时长:3秒         │
│  景别:远景      机位:平视         │
├─────────────────────────────────┤
│                                 │
│      [这里画分镜草图]             │
│                                 │
│                                 │
│                                 │
├─────────────────────────────────┤
│ 运镜:从门口推进到高台             │
│ 台词:无                          │
│ 音效:低沉鼓声                    │
│ 备注:强调纵深感和压迫感           │
└─────────────────────────────────┘

草图的绘制要求:

不需要画得很精美,但必须包含:

1. 画面比例框(16:9)
   用尺子画出标准比例框,不能随意

2. **透视线# AI漫剧"抽卡师"工作内容超细颗粒度拆解

让我把抽卡师的每一个动作、每一个思考环节都拆开来看。

一、接到任务的那一刻

1. 拿到分镜脚本

• 打开项目文件夹
• 看到导演/编剧给的分镜表格
• 这一行写着：第23镜，男主转身看向窗外，3秒
• 旁边可能有个参考图或者手绘分镜草图

2. 理解这个镜头要什么

• 读这句话：“男主转身看向窗外”
• 在脑子里想象这个动作
• 转多少度？180度还是90度？
• 转的速度？快还是慢？
• 表情有变化吗？
• 头发会飘吗？
• 衣服会动吗？

3. 找到对应的漫画素材

• 打开漫画源文件（PSD或PNG）
• 翻到对应的章节和页面
• 找到男主正面站立的那一格
• 找到男主侧身看窗外的那一格
• 把这两张图导出来

二、准备首尾帧（每一个小步骤）

4. 处理首帧图片

• 打开Photoshop或其他图像软件
• 导入男主正面图
• 检查图片尺寸：1920x1080？1080x1920？
• 如果是漫画格子，可能是奇怪的比例，比如800x1200
• 看一眼AI工具要求的比例
• 发现AI要求16:9或9:16
• 开始裁剪或调整画布
• 裁的时候要保证人物主体不被切掉
• 保存为"镜头23_首帧.png"

5. 处理尾帧图片

• 导入男主侧身图
• 重复上面的裁剪调整步骤
• 但要保证和首帧是完全相同的尺寸和比例
• 比如首帧是1920x1080，尾帧也必须是1920x1080
• 保存为"镜头23_尾帧.png"

6. 检查首尾帧的匹配度

• 把两张图并排放在屏幕上
• 看人物的位置：首帧里人在画面中间，尾帧里人也在中间吗？
• 看人物的大小：首帧里脸占画面1/4，尾帧里也是1/4吗？
• 看背景：窗户在首帧的右边，尾帧里还在右边吗？
• 如果不匹配，要重新调整其中一张图的构图

三、打开AI工具界面

7. 登录AI平台

• 打开浏览器
• 输入即梦/海螺/Sora的网址
• 登录账号
• 看一眼右上角的token余额：还剩35个
• 心里算一下：够做3个镜头，得省着点用

8. 进入视频生成页面

• 点击"创建新视频"按钮
• 页面跳转，出现上传区域和参数设置区域
• 界面上有：
  • 首帧上传框
  • 尾帧上传框
  • 提示词输入框（一个大大的文本框）
  • 时长选择（2秒/3秒/5秒）
  • 运动幅度滑块（1-10）
  • 生成按钮

9. 上传首尾帧

• 点击首帧上传框
• 从文件夹里选"镜头23_首帧.png"
• 等待上传，看到进度条从0%到100%
• 图片出现在预览区
• 重复操作，上传尾帧
• 两张图都显示在界面上了

四、编写第一版提示词（思考过程）

10. 开始构思提示词

• 鼠标点进提示词输入框
• 光标在闪烁
• 脑子里想：我要怎么描述这个动作？

11. 写下第一句

输入：

一个男性角色

• 停顿，想想还要加什么
• 要不要描述外貌？穿什么衣服？
• 看一眼首帧图片：黑色短发，白色衬衫
• 继续输入：

一个黑色短发、穿白色衬衫的男性角色

12. 描述动作

• 想：他要转身
• 输入：

转身

• 觉得太简单了，AI可能理解不准
• 改成：

从正面转向侧面

• 还是觉得不够清楚
• 再改：

身体从正面朝向逐渐旋转90度至侧面朝向

13. 描述目标

• 想：他转身是为了看窗外
• 加上：

视线转向画面右侧的窗户

14. 描述动作细节

• 想：转身的时候，是头先动还是身体先动？
• 回忆一下真人转身的样子
• 一般是头先转，身体跟着
• 加上：

头部先转动，身体随后跟随

15. 描述速度和流畅度

• 想：3秒的时长，应该是比较自然的速度
• 加上：

动作流畅自然，速度适中

16. 加上保持一致性的要求

• 想：AI经常会把人脸搞变形
• 必须强调一下
• 加上：

保持人物面部特征不变，五官位置固定

17. 检查背景

• 想：背景不要乱动
• 加上：

背景保持静止

18. 完整的第一版提示词

现在文本框里是：

一个黑色短发、穿白色衬衫的男性角色，身体从正面朝向逐渐旋转90度至侧面朝向，视线转向画面右侧的窗户，头部先转动，身体随后跟随，动作流畅自然，速度适中，保持人物面部特征不变，五官位置固定，背景保持静止。

19. 读一遍

• 从头到尾读一遍
• 觉得应该差不多了
• 但心里还是有点没底：AI会不会理解错？

五、第一次生成（抽卡开始）

20. 设置参数

• 时长：选择3秒
• 运动幅度：拖动滑块到6（中等）
• 其他参数保持默认

21. 检查token

• 再看一眼右上角：还剩35个token
• 这次会消耗10个（因为有首尾帧）
• 点击"生成"按钮

22. 等待生成

• 按钮变灰，不能再点击
• 出现提示：“正在生成中，预计需要1-2分钟”
• 下面有个进度条，但它不是线性增长的
• 有时候停在30%很久，突然跳到80%
• 盯着屏幕看
• 或者切出去刷个手机
• 但每隔10秒就切回来看一眼
• 心里想：这次应该能成吧？

23. 生成完成

• 听到"叮"的一声提示音
• 进度条到100%
• 视频预览窗口出现了画面
• 右上角token变成25了

24. 第一遍观看

• 鼠标移到播放按钮上
• 点击播放
• 眼睛盯着屏幕
• 3秒的视频开始播放
• 看到：
  • 人物确实在转身
  • 但是…

六、检查结果（第一次失败）

25. 发现问题

播放完3秒，暂停，倒回去重新看

第1秒：

• 人物开始转动
• 脸部开始变化
• 等等，鼻子好像变大了？

第2秒：

• 转身角度到了一半
• 脸已经明显变形了
• 眼睛一大一小
• 下巴变尖了

第3秒：

• 转到侧面
• 但这个侧脸和尾帧的侧脸不太一样
• 而且头发变长了

26. 逐帧检查

• 点击进度条，拖动到第1秒的位置
• 截图保存
• 拖到第2秒
• 截图保存
• 拖到第3秒
• 截图保存
• 把三张截图和首尾帧放在一起对比

27. 列出问题清单

在笔记本上写下：

• ❌ 鼻子变大
• ❌ 眼睛变形
• ❌ 下巴变尖
• ❌ 头发变长
• ✓ 转身角度还可以
• ✓ 背景没有乱动

28. 分析原因

想：

• 为什么脸会变形？
• 是不是提示词里"保持面部特征"这句话AI没理解？
• 还是说法不够强烈？
• 要不要换个说法？

七、调整提示词（第二次尝试）

29. 修改提示词策略

决定：

• 把"保持面部特征"改得更具体
• 不说"面部特征"，直接说"鼻子、眼睛、下巴"

30. 修改提示词

回到提示词输入框，原来是：

保持人物面部特征不变，五官位置固定

改成：

严格保持鼻子大小和形状不变，眼睛大小和位置固定，下巴轮廓不改变，头发长度保持一致

31. 完整的第二版提示词

一个黑色短发、穿白色衬衫的男性角色，身体从正面朝向逐渐旋转90度至侧面朝向，视线转向画面右侧的窗户，头部先转动，身体随后跟随，动作流畅自然，速度适中，严格保持鼻子大小和形状不变，眼睛大小和位置固定，下巴轮廓不改变，头发长度保持一致，背景保持静止。

32. 再次生成

• 点击"重新生成"按钮
• Token从25变成15
• 又是1-2分钟的等待
• 刷手机，但心里惦记着
• 心想：这次应该好了吧？

33. 第二次结果

• 生成完成
• 播放
• 看到：
  • 脸还是变形了
  • 虽然和第一次不太一样
  • 但鼻子还是有点歪
  • 眼睛倒是没那么夸张了
  • 但整个脸好像胖了一圈

34. 情绪波动

• 叹一口气
• 想：怎么还是不行？
• 看一眼token：还剩15个
• 算一下：只够再试1次了
• 今天的免费额度快用完了

八、第三次尝试（换个思路）

35. 重新思考策略

想：

• 可能不是提示词的问题
• 可能是首尾帧的问题
• 两张图里人物的角度差太大了？
• AI无法平滑过渡？

36. 检查首尾帧

• 打开首帧：正面，0度
• 打开尾帧：侧面，90度
• 想：从0度到90度，跨度确实挺大
• 要不要找一张45度的中间帧？

37. 寻找中间帧

• 回到漫画源文件
• 翻页查找
• 找了5分钟
• 没有找到合适的45度角度
• 想：要不自己P一张？
• 打开Photoshop
• 尝试用变形工具把正面图调整成45度
• 弄了10分钟
• 效果很差，看起来很假

38. 放弃中间帧方案

• 想：算了，还是继续改提示词吧
• 关闭Photoshop

39. 第三版提示词

这次换个完全不同的写法，参考网上看到的"高级提示词技巧"：

[人物]黑色短发男性，白色衬衫
[动作]头部带动身体，从0度正面旋转至90度右侧面
[目标]视线落在右侧窗户
[时长]3秒，匀速
[约束]锁定面部几何结构，禁止五官变形，禁止头发长度改变
[背景]静止
[风格]自然流畅

40. 第三次生成

• 点击生成
• Token从15变成5
• 心里有点紧张：这是今天最后一次机会了
• 等待
• 1分钟
• 2分钟
• 生成完成

41. 第三次结果

• 播放
• 这次…
• 脸没那么变形了！
• 但是出现了新问题：
  • 衣服的纹理在闪烁
  • 白衬衫上出现了奇怪的阴影
  • 而且阴影在跳动
  • 背景的窗户边缘有点模糊抖动

42. 纠结时刻

想：

• 脸的问题算是解决了70%
• 但衣服和背景又出问题了
• 是接受这个版本？
• 还是继续改？
• 但token已经只剩5个了
• 不够再生成一次

九、决策与妥协

43. 评估可用性

把三次生成的结果放在一起对比：

• 第一次：脸变形严重，但衣服和背景还行
• 第二次：脸还是变形，整体更差
• 第三次：脸基本可以，但衣服背景有问题

44. 思考后期修复可能性

想：

• 衣服的闪烁能不能后期用AE修掉？
• 背景的抖动能不能用稳定器？
• 如果能修，第三次的结果就可以用
• 如果不能修，就得等明天token刷新了再继续

45. 咨询后期同事

• 打开微信
• 发给负责后期的同事
• “这个衣服闪烁能修吗？”
• 发送视频文件
• 等待回复
• 5分钟后收到回复：“可以试试，但很费时间，可能要逐帧处理”

46. 计算时间成本

想：

• 这个镜头已经花了：
  • 准备首尾帧：20分钟
  • 写提示词和生成：3次 × 15分钟 = 45分钟
  • 总共65分钟
• 如果后期再花30分钟修
• 一个3秒镜头就是95分钟
• 一集150个镜头…
• 算不下去了

47. 做出决定

决定：

• 先标记这个镜头为"待优化"
• 继续做下一个镜头
• 等所有镜头都做完第一遍
• 再回来统一优化

十、开始下一个镜头（循环继续）

48. 看下一个任务

• 回到分镜表格
• 第24镜：女主回头微笑，2秒
• 想：这个应该简单点吧？就是个回头
• 但又想：上一个"转身"都这么难，"回头"会不会也…

49. 重复整个流程

• 找漫画素材
• 导出首尾帧
• 调整尺寸
• 上传
• 写提示词
• 生成
• 检查
• 发现问题
• 修改
• 再生成
• …

50. 遇到新问题：微笑表情

这次的新挑战：

• 首帧：女主面无表情
• 尾帧：女主微笑
• 不仅要转头，表情还要变化
• 提示词要怎么写？
• “从面无表情过渡到微笑”？
• “嘴角逐渐上扬”？
• “眼睛微微眯起，嘴唇弯曲成微笑”？

51. 第一次生成：表情僵硬

• 生成出来
• 女主确实在笑
• 但笑得很诡异
• 嘴角的弧度不自然
• 像是被强行拉扯出来的
• 有种恐怖片的感觉

52. 第二次生成：表情过度

• 改了提示词：“自然的、温柔的微笑”
• 生成出来
• 这次笑得太夸张了
• 从淡淡的微笑变成了哈哈大笑
• 完全不符合剧情需求

53. 第三次生成：又出现新bug

• 再改提示词：“嘴角轻微上扬3-5度”
• 生成出来
• 表情这次还可以
• 但头发炸了
• 回头的时候头发跟着甩
• 但甩出了一种爆炸的效果
• 发丝乱飞，像是在风洞里

十一、特殊情况：漫画格子的噩梦

54. 遇到竖版格子

• 第30镜：一个竖长条的格子
• 尺寸是600x1800
• AI要求的比例是16:9或9:16
• 600x1800换算是1:3
• 完全不匹配

55. 尝试裁剪

• 如果裁成9:16（比如1080x1920）
• 要么上下裁掉很多内容
• 要么左右加黑边
• 裁掉内容的话，人物可能不完整
• 加黑边的话，画面会很奇怪

56. 尝试拉伸

• 把600x1800强行拉伸成1080x1920
• 人物变形了，变矮变胖
• 完全不能用

57. 放弃这个镜头

• 在表格里标注：“此镜头无法使用AI生成”
• 决定后期用静态图+镜头推拉来处理
• 继续下一个

十二、特殊情况：台词乱码

58. 遇到带台词的格子

• 第45镜：人物说话，对话框里有台词
• 首帧：对话框里写着"你好吗?"
• 尾帧：对话框还在，台词一样

59. 第一次生成：台词变乱码

• 生成出来
• 对话框还在
• 但里面的字变成了：
  • “伱女子马?”
  • 或者"###@吗?"
  • 或者完全不可读的符号

60. 尝试在提示词里强调

加上：

保持对话框内文字清晰可读，文字内容为"你好吗?"

61. 第二次生成：还是乱码

• 文字还是乱的
• 而且这次对话框的形状也变了
• 从圆角矩形变成了不规则形状

62. 尝试更强的约束

改成：

冻结对话框区域，文字完全不变，逐字保持：你、好、吗、?

63. 第三次生成：文字消失了

• 这次更绝
• 对话框还在
• 但里面的字完全消失了
• 变成空白对话框

64. 查找解决方案

• 打开搜索引擎
• 搜索：“AI视频生成 文字乱码 怎么办”
• 看到一堆讨论帖
• 大家都说这是AI的通病
• 目前没有完美解决方案
• 建议：生成无字版本，后期用PR或AE加字幕

65. 接受现实

• 决定：所有带台词的镜头都生成无字版
• 后期统一加字幕
• 但这又增加了大量后期工作

十三、特殊情况：群像戏

66. 遇到多人镜头

• 第67镜：三个人同时转头看向门口
• 首帧：三个人都是正面
• 尾帧：三个人都转向右侧

67. 第一次生成：集体变脸

• 生成出来
• 三个人确实都在转头
• 但：
  • 左边的短发女生变成了长发
  • 中间的男生脸变圆了
  • 右边的长发女生的脸和左边的短发女生串了
  • 三个人的脸在动画过程中互相"借用"特征

68. 尝试详细描述每个人

提示词改成：

画面左侧：黑色短发女性，圆脸，穿红色衣服
画面中间：棕色短发男性，方脸，穿蓝色衬衫
画面右侧：金色长发女性，瓜子脸，穿白色连衣裙
三人同时从正面转向右侧，各自保持独立的面部特征，不互相影响

69. 第二次生成：还是串脸

• 描述得这么详细了
• 还是串
• 而且这次更乱
• 三个人的衣服颜色都开始互换了

70. 尝试分开生成

决定：

• 把三个人分别抠出来
• 做三个单人转头的视频
• 然后后期合成到一起

71. 抠图工作

• 打开Photoshop
• 用魔棒工具选中左边的女生
• 删除其他两个人
• 填充背景
• 导出
• 重复操作，抠出另外两个人
• 花了30分钟

72. 分别生成三个视频

• 上传第一个人的首尾帧
• 写提示词，生成
• 上传第二个人的首尾帧
• 写提示词，生成
• 上传第三个人的首尾帧
• 写提示词，生成
• 每个都要检查、调整、重新生成
• 又花了1个小时

73. 后期合成

• 把三个视频导入AE
• 调整位置，让三个人回到原来的位置
• 处理边缘融合
• 调整光影一致性
• 渲染输出
• 又花了40分钟

74. 计算这个镜头的总时间

• 抠图：30分钟
• 生成三个视频：60分钟
• 后期合成：40分钟
• 总共：130分钟 = 2小时10分钟
• 这还只是一个3秒的镜头

十四、心理状态的变化

75. 第1-10个镜头：充满希望

• 觉得AI很神奇
• 虽然有问题，但觉得可以解决
• 每次点"生成"都很期待
• 心想：这次肯定能成！

76. 第11-30个镜头：开始疲惫

• 发现问题总是重复出现
• 脸变形、衣服闪烁、背景抖动
• 提示词改来改去，效果差不多
• 开始怀疑：是不是我的方法不对？

77. 第31-50个镜头：麻木

• 已经不抱太大期望了
• 生成出来，先看有没有致命bug
• 没有致命bug就算过关
• 不再追求完美
• 只求能用

78. 第51-80个镜头：挫败

• 遇到越来越多的特殊情况
• 竖版格子、台词乱码、群像戏
• 每个都是新的坑
• 开始怀疑：这个项目到底能不能做完？

79. 第81-100个镜头：机械重复

• 已经完全进入机械状态
• 上传、写提示词、生成、检查、修改
• 像流水线工人一样
• 不再思考，只是执行
• 脑子是空的

80. 第101-150个镜头：煎熬

• 看到进度条：还有50个
• 心里想：什么时候才能结束
• 每做完一个，就在表格里打个勾
• 盯着那些勾，数着数字
• 像在数刑期

十五、Token消耗的焦虑

81. 免费token用完

• 第二天，继续工作
• 打开AI平台
• 看到token又刷新到70个
• 心里松了一口气

82. 计算今天能做多少

• 70个token
• 每个镜头平均要生成3-5次
• 每次10个token
• 70 ÷ (4×10) = 1.75
• 今天只能完成1-2个镜头？
• 不对，算错了
• 70 ÷ 10 = 7次生成机会
• 如果每个镜头平均4次，能做1-2个镜头
• 150个镜头要做75-150天？

83. 考虑付费

• 看付费套餐
• 最便宜的：100元 = 500 token
• 500 ÷ 10 = 50次生成
• 能做10-12个镜头
• 150个镜头需要：150 ÷ 11 × 100 = 1364元
• 想：这个项目承制费是多少来着？
• 翻合同：10分钟，50元/分钟，共500元
• 如果花1364元做，亏864元
• 算了，还是慢慢用免费的吧

84. 每次生成前的犹豫

• 鼠标悬停在"生成"按钮上
• 想：这次会成功吗？
• 如果不成功，就浪费了10个token
• 要不要再检查一遍提示词？
• 再读一遍提示词
• 改了一个标点符号
• 还是觉得没把握
• 但总要试的
• 点击"生成"
• 心跳加速

85. 生成失败后的懊恼

• 又失败了
• 看着token数字减少
• 心里很难受
• 想：刚才如果提示词再改改，是不是就能成功？
• 但已经晚了，token已经扣了
• 无法撤回

十六、与AI的"玄学"互动

86. 发现规律的假象

• 做了30个镜头后
• 觉得自己找到规律了
• “只要提示词里加上’严格保持’这个词,效果就会好”
• 信心满满地应用到下一个镜头
• 结果还是失败
• 规律不存在

87. 迷信时刻

• 发现连续失败5次后
• 第6次突然成功了
• 想：是不是AI有"连败保护机制"？
• 像游戏抽卡一样，抽多了总会出好东西
• 开始相信这个理论
• 但后来又连续失败10次
• 理论破产

88. 对着电脑拜三拜

• 要做一个超级复杂的镜头
• 五个人的打斗场面
• 知道成功率很低
• 真的对着电脑拜了三拜
• 嘴里念叨：“求求你了，这次一定要成功”
• 点击生成
• 结果还是失败
• 苦笑

89. 尝试改变"运气"

• 失败太多次后
• 开始尝试各种"改运"方法：
  • 换个时间段生成（凌晨AI会不会状态好点？）
  • 换个浏览器（Chrome不行试Firefox？）
  • 重启电脑（重启解决一切问题？）
  • 先做简单的镜头"攒人品"
• 当然，这些都没用

90. 和AI"对话"

• 在提示词里加上：
  • “拜托了”
  • “请”
  • “一定要”
• 知道AI不会理解这些
• 但还是忍不住加上
• 像是在和一个任性的小孩沟通

十七、和其他抽卡师的交流

91. 加入抽卡师群聊

• 在网上找到一个"AI漫剧制作交流群"
• 加入
• 发现里面500多人
• 都是和自己一样的抽卡师

92. 看到相似的吐槽

群里的消息：

• “又双叒叕变脸了，崩溃”
• “为什么我的角色总是长出六根手指？”
• “台词乱码有解吗？在线等，挺急的”
• “token烧完了，今天做不了了”
• “这个月已经亏了2000块”

93. 分享"成功经验"

有人发消息：

• “我发现了一个技巧！提示词里加上’高质量’三个字，效果会好很多！”
• 很多人回复：“真的吗？我试试！”
• 10分钟后：
  • “没用”
  • “还是失败”
  • “可能是我运气不好”

94. 互相安慰

• “兄弟们，坚持住，熬过这个项目就好了”
• “下个项目我不做AI漫剧了，太折磨人了”
• “但是不做这个，还能做什么呢？”
• 群里沉默

95. 看到有人退出

• 有人发消息：“我不干了，这个钱赚得太痛苦”
• 有人问：“那你接下来做什么？”
• 回复：“不知道，先休息一段时间”
• 然后退群了
• 群成员数：499人

十八、身体和精神的消耗

96. 眼睛疲劳

• 盯着屏幕10个小时
• 检查每一帧的细节
• 眼睛干涩、发痛
• 滴眼药水
• 继续工作

97. 腰酸背痛

• 一直坐着
• 姿势僵硬
• 腰开始疼
• 站起来活动一下
• 但5分钟后又坐回去
• 因为还有100个镜头没做完

98. 睡眠质量下降

• 晚上躺在床上
• 闭上眼睛
• 脑子里还在想：
  • 那个镜头的提示词要不要再改改？
  • 明天的token够不够用？
  • 这个项目什么时候能做完？
• 失眠到凌晨3点

99. 做梦都在抽卡

• 好不容易睡着了
• 梦到自己在生成视频
• 梦里的AI一直失败
• 一直失败
• 惊醒
• 一身冷汗

100. 情绪波动

• 早上起来：今天一定要多做几个镜头
• 中午：怎么又失败了，烦死了
• 下午：算了，差不多就行
• 晚上：我为什么要做这个工作？
• 深夜：明天继续吧，还能怎么办呢

十九、项目接近尾声

101. 还剩最后10个镜头

• 看到进度：140/150
• 心里有点激动：快结束了
• 但又有点担心：最后这10个会不会特别难？

102. 遇到最难的镜头

• 第145镜：大结局的高潮场面
• 10个人的群像
• 背景是复杂的城市街道
• 还有特效：爆炸、烟雾
• 看着这个需求
• 想：这根本不可能用AI做出来

103. 尝试简化

• 和导演商量：能不能改成简单点的？
• 导演：这是高潮，不能简化
• 只能硬着头皮做

104. 分解成20个子任务

• 把这个镜头拆成：
  • 10个人物单独的动作
  • 背景单独生成
  • 爆炸特效单独生成
  • 烟雾特效单独生成
  • 最后合成
• 光是这一个镜头，就花了3天

105. 最终完成

• 第150个镜头做完
• 点击保存
• 导出最终视频
• 看着进度条：100%
• 长舒一口气

二十、项目复盘

106. 统计总耗时

• 打开工作日志
• 统计：
  • 总工作时间：180小时
  • 平均每个镜头：1.2小时
  • 总生成次数：约600次
  • 平均每个镜头生成4次
  • Token总消耗：约6000个
  • 付费购买token：500元

107. 计算收入

• 项目承制费：10分钟 × 50元 = 500元
• 减去token成本：500 - 500 = 0元
• 时薪：0元 ÷ 180小时 = 0元/小时
• 白干了

108. 身体代价

• 颈椎病加重
• 视力下降
• 失眠持续了一个月
• 体重下降了5斤（压力大，吃不下饭）

109. 心理代价

• 对AI产生了厌恶感
• 听到"生成"这个词就烦
• 看到"抽卡"两个字就想吐
• 对自己的工作价值产生怀疑

110. 思考未来

• 问自己：还要继续做抽卡师吗？
• 如果不做，能做什么？
• 如果继续做，怎么才能提高效率？
• 或者，这个行业本身就是个坑？

---

总结：抽卡师工作的本质

把上面110个步骤浓缩一下，抽卡师的工作本质是：

1. 重复性：同样的流程重复几百次
2. 不确定性：每次结果都不可预测
3. 低技术含量：主要靠体力和耐心，不是技术
4. 高时间成本：大量时间花在等待和重试上
5. 低经济回报：投入和产出严重不成正比
6. 心理消耗：持续的挫败感和无力感
7. 身体损害：长时间盯屏幕、久坐
8. 创造性缺失：不是在创作，是在和工具搏斗

这就是为什么抽卡师被称为"最惨牛马"——不是因为工作强度大（虽然确实大），而是因为这种工作把人变成了AI系统的修补工具，消耗了人的时间、金钱、健康和尊严，却没有给人带来相应的价值和成就感。