第一步：剧本与分集
漫剧的剧本和小说不同，它要服务于画面和声音。一集的长度通常控制在 1 到 3 分钟，对应 300 到 900 字的台词量，太长会让单集完播率下降。
写的时候把旁白和角色对话分开标注，角色名写在台词前面。这个习惯会在后面配音环节省掉大量返工——工具可以直接按角色名识别，不需要你再逐句指认谁在说话。
- 每集一个明确的钩子，开头 3 秒内交代冲突
- 角色名固定，不要中途改称呼（例如同一人一会儿叫「少爷」一会儿叫全名）
- 旁白与对话分开，用「旁白：」和「角色名：」前缀标注
第二步：分镜与画面
分镜决定每句台词对应什么画面。常见做法是一句台词一个镜头，情绪重的句子给特写，交代环境的句子给远景。
画面可以用 AI 绘图工具生成，关键是保持角色形象一致。做法是先为每个角色固定一套描述词（发型、瞳色、服装、年龄感），后续每个镜头都复用这套描述，只改动作和背景。
第三步：配音（最容易出问题的一步）
配音是漫剧最能拉开差距的环节。观众可以接受画面简单，但接受不了声音出戏——同一个角色前后声音不一样、对话像念稿、停顿位置不对，都会让人立刻划走。
用 AI 配音时，重点解决三件事：给每个角色固定一个音色、让对话节奏接近真人说话、控制情绪起伏。
- 把整理好的剧本导入配音工具，让它按角色名自动分角，再人工核对一遍有没有认错
- 给每个角色挑一个固定音色，写进角色设定，全剧不要换
- 逐句试听，重点听两个地方：情绪重的句子够不够，句与句之间的停顿是否自然
- 对不满意的单句做局部重做，不要整章重新生成
- 导出整章音频，同时导出字幕文件备用
- 主角音色要有辨识度，配角避免和主角音色太像，否则观众分不清谁在说话
- 旁白用偏中性的声音，不要和角色抢戏
- 同一角色在不同集里必须用同一个音色，换了就前功尽弃
第四步：背景音乐与音效
背景音乐负责整体情绪基调，音效负责让画面有实感。一集里 BGM 通常只需要一到两首，音效则按画面动作点缀，例如开门、脚步、风声、心跳。
选 BGM 的原则是不要抢台词。人声频段和音乐主旋律重叠时，观众会听不清对白，所以背景音乐音量一般压到人声的三分之一以下。
- 情绪转折处换 BGM，不要一首曲子从头放到尾
- 音效宁少勿多，每个音效都要对应画面里真实发生的动作
- 素材要确认可以商用，避免作品做完却不能发布或被下架
第五步：字幕
漫剧观众大量在静音环境下观看，字幕是必需项。字幕要和配音严格对齐，早或晚半秒都会让观看体验变差。
最省事的做法是在配音阶段直接导出字幕文件，它天然和音频对齐，不需要再手动打轴。如果配音是分段做的，合成后再统一核对一次时间轴。
第六步：合成与发布
把画面、配音、BGM、音效、字幕在剪辑软件里合成。合成时先铺配音轨，再按配音的时间点排画面，最后加 BGM 和音效——以声音为基准排画面，比反过来省事得多。
成片导出前完整看一遍，重点检查：有没有哪句话的口型或画面和声音对不上、BGM 有没有盖过台词、字幕有没有错别字。
新手最常卡住的三个地方
第一是角色声音不统一。原因通常是分集制作时没有记录每个角色用了哪个音色，第二集重新挑了一个。解决办法是建一份角色表，把角色名和音色对应关系写死。
第二是对话太平。AI 配音默认是平稳朗读，情绪需要主动调。冲突场景适当加快语速，独白场景放慢并加长句间停顿，效果差别很明显。
第三是节奏拖沓。台词和台词之间的空隙太长会让人失去耐心。做完一章后整体听一遍，把不必要的停顿压掉。
常见问题
AI 漫剧的配音是真人吗？
大部分 AI 漫剧的配音是语音合成生成的，不是真人录制。现在的合成音色在语速、停顿和情绪上都可以调整，日常对白已经接近真人水平，但极端情绪表演仍不如专业配音演员。
做一集漫剧大概要多久？
熟练之后单集 1 到 3 分钟的漫剧，画面和配音各占大头。配音环节如果剧本已经整理好并标注了角色，整章生成通常在几分钟内完成，主要时间花在试听和局部返工上。
新手需要准备哪些工具？
最少需要三类：出画面的绘图工具、做配音的语音合成工具、合成用的剪辑软件。背景音乐和音效可以直接用现成的可商用素材库，不必自己制作。
角色声音怎么保持前后一致？
建一份角色表，记录每个角色对应的音色，全剧固定不换。分集制作时先对照角色表再开始配音，这是最容易被忽略但影响最大的一步。
背景音乐和音效需要买版权吗？
需要确认素材的授权范围。使用来源清晰、明确标注可商用的素材，避免成片发布后因版权问题被下架。