AI短剧这四个字听起来像是一行命令就能出片但实际跑过一遍后你会发现它是一条完整的生产链路。真正决定成败的不只是某个视频模型强不强而是分镜脚本、角色一致性、批量任务稳定性这三件事能不能理顺。这篇文章面向想从零开始做AI短剧、AI动漫、AI动态漫或漫剧的人尤其是刚知道即梦和ComfyUI、又不知道该从哪个工具入手的读者。最简单的入门路径是先用即梦这类在线工具确认短剧的分镜和画面方向再靠ComfyUI把批量生成、角色一致性和动态漫制作变成一套可重复执行的流程。我最初也是从“随便生成一条视频”开始结果发现生成的片段之间人物长相完全对不上。后来才意识到做短剧和做单条视频是两套思路。下面按我实际走过的路径把工具分工、单条跑通、ComfyUI工作流、角色一致性、动态漫制作、批量生产和常见报错排查全部拆一遍。1. AI短剧制作不是“一键生成”而是一条四环节流水线1.1 短剧生产的最小流程做一条AI短剧看起来是输入一句话就能出来一段视频但现实中的生产流程至少包含四个环节文本环节、视觉环节、动态环节、后期环节。文本环节是写脚本和分镜。很多人会忽略这个步骤直接跑去生成画面。结果就是每条片段单独看都好看连起来故事是碎的。AI短剧本质上是短剧故事逻辑和镜头逻辑才是骨架画面效果只是外壳。视觉环节是把文字变成画面。这里可以生成单张关键帧也可以直接生成视频。如果走ComfyUI路线一般会先生成统一的角色图和场景图再基于这些图去生成动态片段。这样做的原因很简单连角色都还没固定就去生成动态视频结果一定乱。动态环节把静态图变成“会动的素材”。目前主流做法是图生视频也就是用一张或多张连续帧来生成短视频。这个环节决定动作是否自然也是资源消耗最大的地方。如果显卡显存不够最容易在这个环节卡住。后期环节解决的是节奏问题。剪辑、字幕、配音、配乐、转场、音效都在这一步完成。很多AI短剧看起来很粗糙不是画面不行而是没有卡点、没有音效、转场生硬。你把这层补上成片质量会立刻上一个台阶。这四个环节不是串行跑一次就结束而是反复迭代的。比如生成视频后发现人物不像要回头改视觉环节如果分镜逻辑不顺要回头改文本如果节奏拖沓要回到后期重新剪。理解这个循环后面所有工具和参数的学习才有方向。1.2 三种短剧形态学习路径其实不一样AI真人短剧风格更接近影视实拍常见题材是古装、都市、悬疑。它最吃角色一致性和镜头连贯性因为观众对“人脸不统一”非常敏感。前一秒还是这张脸下一秒换了一张整部剧的观感立刻崩掉。AI动漫走的是二次元画风对审美和画风统一要求高。它的重点在动漫模型、LoRA控制和动作流畅度。这个方向最依赖模型风格的控制能力同一个角色要能在不同分镜里保持同样的五官和服装。AI动态漫和AI漫剧介于漫画和动画之间。它靠静态画面加镜头运动、局部动态来叙事。重点在静态图质量、分层作画和剪辑节奏。它比真人短剧省资源因为不需要每一帧都是完整视频很多镜头用静态图加镜头运动就能撑住。这三条路共用一套底层技术提示词组织、ComfyUI工作流、图生视频、后期剪辑。差别只是模型风格和制作标准不同。零基础入门不用一开始就决定做哪一种。先把通用链路跑通再根据自己喜好去选画风。至于AI做短剧能不能赚钱我的建议是先把制作流程跑稳再谈变现。直接拿不稳定的素材去批量发布很难留住观众内容质量比工具数量重要得多。2. 工具分工即梦适合验证画面ComfyUI适合批量量产2.1 先用即梦这类在线工具建立画面感即梦是目前比较适合新手的AI创作工具支持文本生成图片、图片生成视频。这类在线平台的好处是门槛低浏览器打开就能用不需要关心显卡、显存、依赖包。你只需要把分镜描述写清楚等它出结果。很多人提到的“即梦2.0古装剧分镜词”本质上就是一套结构化的提示词写法。比如做古装短剧时把年代、服装、妆发、光线、镜头、氛围逐项写明白而不是只写一句“一个古装女子在庭院里”。描述越具体画面越接近分镜预期。不过在线工具也有明显边界。免费额度有限批量生成要一次一次手动点风格可控性不如本地工作流当你需要连续生成100个镜头、还要保持同一个主角长相时会上手效率低很多。所以我的定位是入门阶段用即梦来测分镜方向、练提示词、确认审美风格进入正式生产后把重复性任务迁到ComfyUI。2.2 ComfyUI本地工作流解决什么问题ComfyUI是节点式工作流工具简单说就是像搭积木一样把大模型、提示词、采样器、视频生成节点、保存节点连起来。它解决短剧制作里三个刚需。第一是批量稳定。同一套节点结构可以反复复用换提示词、换参考图、换输出路径就能批量出素材。第二是可控性强。可以接入ControlNet、IPAdapter、LoRA这类控制模块把角色脸型、服装、姿势锁定住。第三是工作流可保存。一个工作流文件就是一份生产SOP换电脑、换人操作重新加载就能跑。代价是门槛更高。要理解节点连接、模型下载、显存占用、插件冲突这些概念。初次打开ComfyUI界面满屏节点确实让人发蒙。但只要按一条稳定工作流一步步跑起来难度没有想象中那么高。2.3 本地部署需要什么条件我的机器不算高配跑ComfyUI之前最担心的就是硬件。这里给一个通用参考具体以你实际电脑为准。项目入门配置推荐配置显卡显存8GB以上16GB以上内存16GB32GB以上磁盘剩余空间50GB以上200GB以上操作系统Windows 10/11 或 Ubuntu同上网络下载模型需要稳定网络同上8GB显存可以跑Stable Diffusion 1.5系列模型、部分轻量视频模型但分辨率要压低视频时长要缩短。16GB以上显存会更从容可以做更高帧率、更复杂的工作流。还有一个常见误区很多人只看显卡忽略磁盘。模型文件动辄几个GB到几十GB加上插件和中间产物收到一半硬盘满了再好的显卡也跑不动。开始之前先看剩余空间。3. 先跑通单条从分镜脚本到第一段成片3.1 分镜脚本不能只写剧情要写可生成画面我见过最典型的失败案例是脚本里只有一句话“女主走进院子发现男主受伤了。”这一句话丢给AI模型可能给你生成十种完全不同的画面。因为“走进院子”是一个动作概念而不是一个可生成的画面描述。正确做法是把分镜表拆成镜头号、景别、画面内容、台词或字幕、时长、参考图备注。例如镜头号景别画面内容台词/字幕时长备注S01中景女主推开门走进庭院风吹起头发“你回来了”3秒角色参考图AS02特写男主抬头眼神从惊讶到安心无2秒情绪连贯这样写完之后生成时才能给模型一个足够明确的输入。AI短剧的镜头之间不需要复杂的转场同场景、同时段光线一致观众就会觉得连贯。3.2 写提示词的核心公式写提示词可以套一个公式主体 场景环境 光线氛围 镜头语言 风格限定。示例古代年轻女子穿淡青色长裙站在庭院桃树下 黄昏暖光薄雾微风发丝轻微飘动 中景镜头浅景深电影感古装影视截图质感这里最容易遗漏的是光线和镜头语言。光线不写模型可能默认给你一个正面大平光结果两个镜头的光线环境完全不搭。镜头语言不写模型可能一直输出正面照缺少短剧需要的紧凑感和代入感。每一条分镜生成前先把公式里的五项填满。不要偷懒不要想着“AI能猜到我想什么”。它猜不到。3.3 在即梦里完成第一段成片操作顺序我建议这样做打开即梦进入文生图把分镜脚本里的画面描述复制进去生成第一张关键帧。从生成结果里挑出最接近预期的一张选择“图生视频”。在生成视频时把镜头运动描述写清楚比如“镜头缓慢推进”“镜头从左向右平移”。等待生成下载素材检查人物、动作和质量问题。对于古装短剧这类题材即梦的古风生成效果通常不差但分镜词要写得更细。“即梦2.0古装剧分镜词”这类热门讨论核心价值就是把古装场景拆成了可复制的描述模板直接套用比自己现想词稳定。3.4 一段成片是否合格看四个指标主体一致人物是不是同一个人服装有没有突变。动作自然肢体有没有扭曲走路、转头、拿东西是否正常。画面闪烁帧与帧之间有没有明显的亮度或噪点跳变。剪辑适配素材有没有头部和尾部缓冲方便后期切入切出。如果这四项有明显问题不要急着堆特效。先回去调整提示词、场景描述和参数问题通常出在源头。4. ComfyUI基础工作流从整合包到第一个节点图4.1 整合包还是手动部署ComfyUI本身是开源项目需要Python环境、PyTorch和一堆依赖。手动部署适合有经验的人新手很容易卡在环境配置上。社区里常见的秋叶整合包就是为了解决这个问题下载后解压运行启动脚本通常会帮你配置好运行环境。使用整合包时有三个常见坑解压路径别带中文和空格否则部分模型加载会报错。模型不会全部内置。你需要把下载的模型放进对应目录例如大模型放models/checkpointsLoRA放models/loras。版本更新后不要直接整体覆盖。先备份自己常用的工作流文件和自定义节点再升级。如果你用Ubuntu可以手动部署。大致思路是安装Python、创建虚拟环境、拉取项目、安装依赖、下载模型。实际安装步骤以官方文档为准这里就不贴命令了。4.2 最基础的一个文生图工作流ComfyUI界面由节点组成。一个最基础的文生图工作流至少包含这些节点加载大模型(Load Checkpoint) → 正/负提示词编码(CLIP Text Encode) → 初始化潜空间(Empty Latent Image) → 采样器(KSampler) → 解码(VAE Decode) → 保存图像(Save Image)加载大模型节点决定使用哪个底模。提示词编码节点把文字变成模型能理解的条件。采样器控制生成过程里面有两个关键参数步数和CFG。CFG简单理解是提示词对生成结果的影响强度。数值太高画面容易过锐甚至失真数值太低画面容易跑题。常见范围在3.5到8之间具体看模型说明。第一次跑这个工作流不要追求复杂功能。先确认大模型能出图、采样参数正常、输出目录里有文件。再逐步加ControlNet、LoRA、视频生成节点。这样出了问题你才知道是哪个环节导致的。4.3 图生视频工作流怎么组织短剧里大量素材来自图生视频也就是给定一张角色关键帧或场景图让模型生成一小段动态视频。在ComfyUI里工作流大致是这个逻辑加载图像(Load Image) → 尺寸调整/编码 → 视频模型节点 → 帧数、步数、CFG设置 → 视频解码与保存这里最容易出错的是输入图像尺寸。很多视频模型对宽高有硬性要求如果你直接把一张大尺寸图片丢进去节点会报错。正确做法是先设定视频输出宽高再让输入图像经过尺寸调整节点保证输入输出一致。4.4 常用的几个自定义节点类型我把自己生产时经常用到的节点类型整理一下具体插件名要以社区最新版为准ControlNet系列控制姿态、边缘、深度适合固定人物姿势。IPAdapter系列参考图信息迁移适合做角色和风格统一。LoRA加载节点注入训练好的角色风格文件。AnimateDiff类视频生成节点做动态漫和短动画很常用。遮罩和局部重绘类节点修正瑕疵区域不需要整张图重新生成。插件安装后如果界面没变化先重启ComfyUI。如果加载报错多半是插件版本和ComfyUI主版本不兼容优先检查这两个版本。5. 角色一致性短剧量产最容易翻车的地方5.1 翻车现象是什么样的AI生成单张图片质量通常都不错。但放到短剧里问题很快暴露上一镜是瓜子脸下一镜变成圆脸上一镜穿蓝色长裙下一镜变成白色。观众对短剧的连贯性很敏感尤其主角。脸一旦不稳定整部剧的观感立刻下降。很多新手会立刻认为是模型能力不行实际上大多数情况是工作流里没有做“角色锁定”。5.2 最轻量的锁定方式固定角色描述词第一步把角色的外貌写成一段固定的、每次都原样使用的描述文案。比如25岁东方女性鹅蛋脸柳叶眉黑色长发扎成低马尾 发饰为银钗穿浅蓝色交领襦裙气质温婉。这段文案在每一个分镜生成时都放在提示词开头不要随意改。它能明显降低“随机换人”的概率。如果有人说固定描述词没效果往往是因为描述词太短或太抽象。只写“漂亮女人”模型当然自由发挥。要写到“换个发型都能看得出是同一个角色”的程度。5.3 参考图、IPAdapter、LoRA分别怎么用固定文字只是第一步。要进一步提升一致性需要引入图像控制。参考图是通用做法。选定一张主角脸最满意的图作为标准图后续图生图、图生视频都基于它来生成。新生成的结果会保留参考图的很大一部分特征。IPAdapter适合做风格迁移和特征参考操作比训练LoRA简单很多适合项目中期需要大量保持一致性的阶段。LoRA则适合长期固定角色。如果你想做几十集短剧同一个主角每集都出现可以训练一个角色LoRA。缺点是要准备角色样本图和训练时间新手可以先不碰。我的建议是单条测试用固定描述词加参考图项目中期用IPAdapter确认长期产出同一角色后再考虑LoRA。5.4 先锁角色再谈动作实际工作流里还有个顺序问题。先出角色标准图再让角色去执行动作不要直接让模型“边生成角色边做动作”。先生成一张干净的站姿或半身角色图再用图生视频或ControlNet加入动作控制这样成功率会高很多。场景也一样。同一个庭院、同一个房间要有一张标准场景参考图。生成新镜头时把场景参考图带入能减少背景穿帮。等后期才发现背景和上一镜完全不一样重做成本很高。6. AI动态漫与AI漫剧静态图为主的生产路径6.1 动态漫和漫剧到底有什么区别还是先分清概念动态漫是把漫画风格静态图做成“会动”的效果可能是局部动态、镜头推拉也可能是逐帧手绘动画。漫剧更接近竖屏短视频剧用漫画风或AI生成风画面配合字幕、配音、音效按短剧节奏剪辑。形态画风制作重点常见输出AI真人短剧影视实拍感角色一致、镜头连贯横屏或竖屏片段AI动漫二次元画风统一、动作流畅系列动画剧集AI动态漫/漫剧漫画分格加局部动态静态图质量、动态幅度竖屏短剧做动态漫通常比做真人短剧省资源。因为不需要每一帧都是完整视频很多镜头用静态图加镜头运动就能完成“演出”。6.2 动态漫的一个基础流程我这里给一条从零开始也能走通的路径先用ComfyUI批量生成角色和场景静态图。这个阶段要保证角色、场景、风格都稳定。在生图工作流里加ControlNet或IPAdapter让每张关键帧保持角色一致。挑出关键帧用图生视频节点生成人物局部小动作比如眨眼、转头、发丝飘动。背景和前景分开处理。动态漫画面里人物是前景背景可以保持轻微移动或不移动。把动态素材导入剪辑软件加镜头推近、拉远、平移再加字幕和配音。这里最重要的一点是不要整张图大幅度抖动。动态漫的“动态感”主要靠镜头运动和局部动画没必要让每一处都在动。动得越多出错概率越高。6.3 配音、字幕和音效决定成片质感AI短剧和动态漫的画面生成完之后很大一部分效果来自后期。声音上可以用文本转语音生成角色对话也可以用合成音色做旁白。字幕要单独放一层方便批量修改。音效和背景音乐要根据情绪变化切分短剧常用的卡点音效、环境音、氛围音乐都能明显提升节奏感。如果成片效果一般先检查音画节奏而不是重新生成画面。很多时候问题不是画面差了而是每句台词之间没有留白音效缺失看起来像“画面配PPT朗读”。把音频轨道认真调一遍观感会提升很多。7. 批量生产与工程化从一条素材到一整集短剧7.1 先搭好目录和命名规则批量生成前先建立清晰的目录结构。我常用的结构是这样的workspace/ ├─ episode01/ │ ├─ shots/ # 原始生成片段 │ ├─ refs/ # 角色与场景参考图 │ ├─ audio/ # 配音与音乐 │ └─ final/ # 剪辑后输出 └─ workflows/ # 保存好的ComfyUI工作流文件文件命名要一眼能看懂不要用截图默认名。“最终版2”这种命名方式是噩梦。推荐格式集数_场次_镜头_版本。ep01_scene02_shot01_v1.png ep01_scene02_shot01_v2.png ep01_scene03_shot01_v1.mp4这样即使中途反复调整也能清楚知道哪个版本在哪个目录里。7.2 批量生成前先跑三条样例批量任务最忌讳一上来就全量跑。ComfyUI虽然支持排队生成但如果提示词、尺寸、模型路径有问题跑到第50张才发现浪费时间和资源。我一般会先取三个有代表性的分镜样例去跑。判断标准有两个能不能成功生成生成质量是否符合预期。样例通过后再扩大到全部镜头。批量跑的时候每隔一段时间看一次输出目录确认文件在增长同时观察显存占用和报错日志。不要等全部跑完再打开看结果中间出问题能省很多时间。如果你的任务量特别大也可以写脚本调用ComfyUI本地接口循环提交工作流。但脚本化有一个前提单条工作流必须足够稳定。不然脚本只会帮你把错误流程重跑很多遍。7.3 失败任务怎么处理批量生成一定会有失败。不要看到日志里出现红色报错就把所有任务重新跑一遍。先记录失败任务单独处理。一个可用的做法是把失败任务的输入、提示词、报错信息复制到单独的文件夹等当前批次结束后集中排查。如果错误类型都是显存溢出那就降分辨率或降低并发而不是改工作流。如果错误集中在某几张输入图上那就是输入图本身的问题换图即可。7.4 低配置机器怎么降载如果显卡显存有限又想跑批量可以考虑这些措施把批量数设为1一张一张排队生成。降低分辨率。短剧可以先低分辨率生成粗剪素材最终成片时再放大。关闭不用的后台程序避免内存被占满。使用半精度模式减少显存占用但生成效果可能和全精度有细微差异。低配置不是不能做AI短剧而是要把预期从“快速出高清大片”调整为“先保证能稳定出素材”。素材能稳定产出了再逐步提高参数。8. 常见报错与排查顺序节点、显存、模型和输入8.1 节点报错的通用排查链路ComfyUI里最常遇到的报错是“节点在执行过程中发生错误”英文界面下会类似“failed to execute”。很多人看到这个就不知道从哪下手。其实报错信息里通常已经包含了节点名和错误原因关键是别慌按顺序排查。看提示里的节点名称。ComfyUI会标注具体哪个节点出错先确认是不是某个插件节点。看错误信息的最后几行。OutOfMemory代表显存不足FileNotFoundError代表文件路径或模型文件不存在TypeError或ValueError代表输入类型不匹配。检查节点连线。有些节点要求输入图片你直接把文本接过去就会类型错误。检查输入图像尺寸。很多视频节点对宽高有要求先用尺寸调整节点统一。检查模型文件是否完整。下载中断、文件损坏加载时会在报错里直接体现。排除以上所有问题后再考虑插件兼容性。禁用刚安装的插件或者更新ComfyUI版本看是否恢复。8.2 显存不足怎么判断和处理显存不足最明显的特征是任务跑了一部分才报错打开GPU监控能看到显存接近满载。处理优先级是这样的先降分辨率再减批次数再换轻量模型。不要一上来就调大虚拟内存那只是缓解不是根治。短剧生产里我建议把单次生成的分辨率和视频时长控制在模型支持的中低档。长视频不一定一次生成成功可以拆成多个短视频片段后期再拼接。8.3 模型加载失败和路径问题模型加载失败很大概率不是模型坏了而是路径不对。ComfyUI对中文路径、空格、反斜杠相对敏感。下载的模型建议放在模型目录里文件名保持简单英文。有些整合包要求把模型放在特定文件夹如果你放到别的位置加载节点里就找不到。另外模型和插件不是越多越好。装一大堆模型不仅占磁盘还会让ComfyUI启动变慢。实际项目用一个底模、一个角色LoRA、必需的ControlNet模块通常就够了。8.4 即梦生成结果不稳定怎么办在线工具生成结果不稳定大部分和提示词详细程度有关。如果只写“古装女子在庭院里”每次结果当然不同。把环境、光线、镜头、服装、妆发全部写满输出会更接近预期。生成不满意时先改提示词再重试。不要把同一句提示词反复刷那是在赌概率浪费时间。如果角色只在某几帧有轻微变化可以用图生图或局部重绘修正。如果变化太大就回到上一环节换一张更稳定的参考图再来。8.5 什么情况下该怀疑工作流本身当一个工作流之前能跑最近总是报错先回想你改了什么换了模型更新了插件调整了输入尺寸把改动还原试试。如果是从社区下载的工作流先检查模型路径、节点版本、插件是否齐全。很多所谓打不开的工作流只是缺了某个节点安装后刷新页面就能解决。这也提醒你从网上下载工作流文件后不要直接硬套进自己的环境先花几分钟确认依赖和模型路径能省掉后面一堆排错时间。AI短剧制作的整条链路到这里基本拆完了。我最深的感受是这个方向入门不难但想稳定产出必须把分镜脚本、角色一致性、批量工程化和排查能力当成基本功来练。先跑通单条再谈批量和整集。工具更新很快工作流也会不停变化但“先确认输入再跑任务再看日志最后调参数”这套做事顺序什么时候都用得上。