第一次做 AI 漫剧时，人很容易把注意力放在最显眼的地方：哪个模型更便宜、哪张图还不够精、哪个教程还没有学完。可等真正交出一集作品，就会发现这些问题并不一定处在生产链的上游。

这篇笔记面向刚开始搭建 AI 漫剧生产线的创作者。核心判断只有一句：先用一部完整作品暴露系统问题，再围绕剧本、节奏、可用镜头成本和稳定产量逐步改进。

五个常见的启动期陷阱

1. 长期学习，却没有完成第一部作品

教程会让人产生“正在推进”的感觉，但只有成片会同时检验剧本、分镜、角色一致性、镜头生成、声音、剪辑和发布。第一部作品的目标不是证明能力，而是建立一张真实的问题清单。

2. 只比较单次生成价格

便宜模型并不天然意味着成本更低。更有意义的指标是“一个可用镜头花了多少钱”和“做完一集花了多少时间”。如果一个低价模型需要频繁重做、修脸和补动作，返工会吞掉表面上的价格优势。

3. 对视觉瑕疵无限返工

画面当然重要，但精修必须有停止条件。对叙事没有影响的细小瑕疵，不应无限占用生产周期；真正需要升级模型和人工修复的，是关键情绪、人物身份、连续动作和观众会明显出戏的镜头。

4. 特效优先，剧本靠后

漫剧首先是“剧”。当冲突、人物目标和节奏不成立时，华丽画面只会让问题更昂贵。生产系统应先锁定每场戏的功能，再决定镜头和模型投入。

5. 样本太少，过早得出结论

一部作品的结果会受到题材、发布时间、平台分发和偶然性的共同影响。连续发布不是为了机械追求数量，而是为了积累足够样本，判断问题究竟在内容、包装、制作还是分发。

一条可以跑通的十步链路

  1. 完成剧本初稿：明确受众、主冲突、单集钩子和结尾卡点。
  2. 进行二创与压缩：删掉无法视觉化的解释，把情绪变成动作、选择和后果。
  3. 拆分分镜节拍：每个镜头只承担一个清晰的信息或情绪任务。
  4. 建立基础配置：锁定画幅、时长、人物设定、场景资产和命名规则。
  5. 导入分镜系统：让剧本、镜头、资产和生成状态能够对应。
  6. 提取人物、场景与物品：先建立重复出现资产，再进入批量生成。
  7. 生成视频提示词：写清起始画面、动作、摄影机、结束画面与连续性约束。
  8. 分层生成镜头：普通镜头先走低成本首轮，关键镜头再使用更强模型。
  9. 剪辑与声音整合：用节奏、音效、配音和转场把独立镜头变成叙事。
  10. 发布并回填结果：记录完成率、返工原因、观众反馈和下一轮假设。

我会额外加上的三个生产指标

  • 首轮可用率：第一次生成后，无需重做即可进入剪辑的镜头比例。
  • 关键镜头通过率：人物身份、情绪和连续动作都达标的关键镜头比例。
  • 单集返工结构：返工究竟来自剧本、分镜、资产、提示词、模型还是剪辑。

这些指标比“今天生成了多少条视频”更接近真实产能。

证据与判断边界

五个坑和十步链路来自公开来源中的实践复盘；“分层模型路由”和三个生产指标是我结合现有工作流做出的系统化选择。来源中出现的播放量、成本与收益属于作者个人案例，不能直接当作行业基准。

这篇文章目前处于待复核状态。成功标准不是阅读量，而是读者能否据此完成第一集，并在发布后留下可比较的生产数据。