最近很多人私下问我一个问题：你们那些 AI 漫剧，镜头这么多，打斗这么复杂，到底是怎么一步一步做出来的？
我一般不会一句话回答。
因为如果只说用什么工具，基本等于没说。
真正决定一部 AI 漫剧能不能跑通的，不是模型版本，也不是抽卡运气，而是你有没有一套能反复执行的制作逻辑。
这篇文章，我不讲宏观方法论，就顺着我们最近一部作品的真实 SOP，拆给你看：一部 AI 漫剧，是怎么从镜头衔接，到剧本，再到分镜、出图、出视频，一步步落地的。
镜头一多就乱？先把声音这条线抓住
很多人第一次做 AI 漫剧，都会在同一个地方翻车：单看每个镜头都挺帅，一剪在一起就碎。
问题往往不在画面，而在听觉断裂。
我们在项目里用得最多的，是两种镜头组接思路。
第一种叫声音内容相似。
你在切镜头的时候，不是硬切画面，而是让声音先“变形”。
观众的大脑，会顺着声音，把两个原本不相关的画面强行连起来。
比如这种用法：海浪拍岸的轰鸣声 ——> 逐渐过渡成 ——> 一个老者沉重的鼾声。这里你只要把音色和节奏对齐，画面怎么跳都成立。
观众感受到的不是转场，是一种情绪的滑行。
再比如：心脏监护仪的滴滴声 节奏对齐后 变成打字机的敲击声。生命和写作，被声音硬生生绑在了一起。
第二种更常用，也更稳，叫声音持续。
简单说就是：上一个镜头的声音，不跟着画面一起切。
人物的对白、环境音、音乐，可以提前进，也可以延后走。
比如J-Cut（声音先入）：镜头 A 里人物说 “我找到了一个地方”；画面切到镜头 B 是一整片风景，人物声音在风景里才结束。观众会下意识觉得，这两个镜头本来就该连在一起。
再比如反差用法：热闹派对的音乐 切到 一个人独自走在街头，音乐慢慢变小情绪一下就落下来了（L-Cut 声音后延）。
我们现在做 AIGC 项目，会在分镜阶段就提前规划哪些声音要延续，而不是等剪辑时救命。这一步做对，后面会省非常多事。
从 0 到 1，第一步永远是剧本，而不是工具
真正开始做短片之前，我们一定先把剧本打磨到一个“能扛住镜头”的状态。
如果是已有剧本，我们会做一件事：压节奏，抬钩子。
每一集都必须解决一个明确冲突，同时在结尾留下一个新的问题。
第一集一定要把世界观和主角的核心欲望讲清楚，不然观众不会给你第二次机会。
如果是自己写剧本，逻辑更简单：直接上核心冲突，不铺垫。
三幕式结构一定要清晰，第二幕末尾要有一个足够狠的反转，第三幕给闭合，同时留钩子。
我们还会固定做一件事：拆市面上的爆款短剧和漫剧。
为了更好的阅读体验，来飞书看吧：
Comments on "AI 漫剧真正的分水岭，在视听语言" :