上周刷到一条一个人做的漫剧短片，评论区一水儿的「太强了」。我也想做一个。动手第一张图还行，第二张就崩了——主角从一个十二岁的男孩，变成了一个二十多岁的路人。那天晚上我重画了九次，全是这个问题。
故事是我随手写的：一个男孩在阳台收衣服，风把衬衫吹下了楼，他追下去，衬衫挂在树上，他站着看了会儿，笑了。就三句话。这篇写的就是怎么把这三句话凑成一条 45 秒、有画面有配音有字幕、能直接发出去的成片——中间五个步骤，每一步都有「做完了长什么样」的判据。
💡 先说结论
一个人做漫剧，卡点按顺序是三样：故事压不下去、角色每张长得不一样、视频段落废得多。生图和生视频的工具都是现成的，真正花掉的不是额度，是「重来」的次数。
顺序别乱：压故事 → 写分镜 → 锁角色 → 图生视频 → 剪辑里配音字幕。锁角色那步是全片的锚，提前做能省掉大半重画。
🎬 五步：从三句话到一条成片
1把一页纸的故事压成三句话
我第一版故事写了大半页：天气、妈妈在厨房喊、邻居的狗——全删掉。压到三句：起因（收衣服）、转折（衬衫被吹走）、收尾（挂在树上，他笑了）。压不下去，多半是还没想清楚这条片子到底要说什么。
判据：三句话里能看出「开头—变化—收尾」；念给家里人听，他问「然后呢」的时候你答得上来。
2分镜：一句话一张，把景别一起写死
三句话拆成七张分镜，每张一句话。关键是景别要跟着写死：哪张远景、哪张特写。我第三张本来只写「男孩下楼」，生成出来一会儿俯拍一会儿平视，改成「侧面中景，男孩跑下楼梯」才稳。
判据：七行分镜从上扫到下，脑子里能放过一遍片子。
3生图锁角色：角色卡一字不改
全片最重要的一步。先给主角写一张「角色卡」——年龄、发型、衣服颜色、鞋子，写死。然后每张分镜的提示词开头，把这张卡原样贴上，一个字不改；工具带参考图功能，就把第一张过审的图传上去当参考。
我第一张图挺满意，第二张主角换了个人。写死角色卡之后，这个问题才真的消失。
判据：七张图并排摆（剪辑里拉时间线看也行），发型和衣服颜色是同一个人。
4图生视频：每段三到五秒，多生成几张挑
每张图生成三到五秒的动态视频。别指望一段过：我七段一共生成了十四次，挑出七段能用的。废的那七段，多数坏在手和走路——手最容易崩。挑不出来就把动作改小：镜头缓慢推近、人物只做一个动作，成片反而更稳。
判据：每一段单独看，人物没有忽然变形，没有多出来的手指。
5配音字幕，在剪辑里合
画面凑齐后进剪映：朗读音色选一个贴合主角的声线（我换了三次才定），台词一句句贴上去生成音频；字幕自动识别，再手动过一遍错别字；音乐从平台曲库挑，音量压到人声以下。
判据：成片从头放到尾不用快进，音画对得上。
这条片子各环节花了多久：
| 环节 | 花了多久 | 废了多少 |
|---|---|---|
| 压故事 + 写七行分镜 | 约 50 分钟 | 故事改了三版 |
| 生图（含重画） | 约 90 分钟 | 二十多张 |
| 图生视频（挑废段） | 约 2 小时 | 生成 14 次，废 7 段 |
| 剪辑配音字幕 | 约 90 分钟 | 音色换了 3 次 |
| 合计 | 分两个晚上，约 5 小时 | 成片 45 秒，1080p，导出 60 多 MB |
📋 可抄：锁角色的提示词写法
角色卡（每条提示词开头原样贴上，一个字不改）：
12 岁男孩，黑色短发微微上翘，蓝色圆领T恤，
深蓝短裤，白色运动鞋，圆脸镜头提示词写法（一行一张）：
[角色卡] + [景别：侧面中景] + [画面：阳台上抱着一摞衣服，风吹起衣角] + [风格：日系手绘漫剧，柔和光线，16:9]
约束：
1. 角色卡一字不改，景别单独写在角色卡后面
2. 每张只画一个动作，一句话里不塞两个动作
3. 不要文字、不要水印、不要多人
第 2 条是废图最多之后才加的。一句话里塞了「跑下楼、抬头找」两个动作，画面必乱——改成一张只画一个动作，废图立刻少了一半。角色卡那几行是全片的锚，比什么「保持一致性」的形容词都管用。
🧰 成片之前，六条自查
1逐段看：每段里发型、衣服颜色是不是同一个人，不对就回第③步重画；
2抽两段放大看脸和手，有没有崩帧、多手指；
3从头放一遍，不快进——哪一段让你想快进，就重做哪一段；
4自动识别的字幕至少手动过一遍，错别字和断句都要改；
5发布时平台让勾「AI 生成内容」声明，勾上——这是要求，不是可选项；
6导出后先在自己手机上看一遍，颜色和清晰度跟电脑不一样。
🔍 两个反直觉
一、最贵的不是生图额度，是重来的次数。额度花得并不多，真正贵的是时间：角色卡定稿之后，为了把七张图的角色对齐，我重画的张数比第一轮全部生图还多。后来学乖了——第二张不对就停下来改角色卡，比闷头多生成十次划算。
二、声音比画面更快决定「看不看得下去」。画面崩一点，观众忍了；配音音色别扭，三秒就划走。我第一次配的音色太「播音腔」，家里人听到第五秒就问这是啥。挑音色别怕费时间，一段一段试到自然为止。
⚠️ 三条边界，先说在前面
其一，AI 生成内容要打标识。发布时平台的 AI 声明我勾了，这不是选择题。宁可标了没人看，也别冒这个险。
其二，素材和音乐只用平台自带的。别拿电影画面当参考图，别用别人的照片锁角色，别用来路不明的音乐——这些坑都埋在发出去之后。
其三，不承诺播放量。我这条发出去的播放数很朴素。把它当成「我能交付一条片子」的证据，比当成流量划算。
📌 最后
我卡住的从来不是「不会画画」，是第二张图里换了一个人。
手机里现在存着这条 45 秒的片子，主角从头到尾是同一个男孩。发出去那天我截了张图存着——不为别的，就为了提醒自己：一个人加一堆现成工具，是能把一个想法变成作品的。
