如何使用 AI 将短篇故事变成动画短剧
从一句话的请求到一部一分钟的动画短剧：展示如何策划故事、绘制分镜、逐个片段拍摄，并将它们合并成一部视频——配合真实案例讲解。
AI 视频模型生成的片段通常只有 5 到 15 秒。一个故事需要一分钟或更长的时长、每个场景中保持一致的角色，以及能够衔接起来的剪辑。本指南将通过一个真实案例，展示如何从一次请求制作出完整的动画短剧：以莫泊桑的《项链》为例，采用经典手绘动画风格，将其制作成一部一分钟的剧情短片。
请求只有一句话：
为什么不能直接请求生成一分钟的视频
让视频模型讲完整个故事，得到的往往只是一个试图把所有内容都塞进去的短片。让它连续生成五个短片，你会得到五个长相各异的女主角：每个短片都是独立生成的，模型每次都会重新设计她的脸、头发和裙子。
解决办法正是电影制作人一直采用的方式：先规划故事，把它画成分镜，然后按照分镜拍摄。这个代理的工作方式完全相同。
第1步：几个问题，然后制定计划
代理首先询问了四件事：戏剧应该多长、分辨率、宽高比，以及角色使用的语言。每一项都有推荐方案，选项还解释了其中的取舍——大约45秒只能讲清基本情节；大约75秒则能容纳球、失去、十年的苦干以及反转。
接着，在开始绘制任何内容之前，它先发来了完整计划供审批：
- 一次描述并在每个提示词中固定的角色：玛蒂尔德（年轻时，以及十年后的她）、她的丈夫洛瓦赛尔、富有的朋友福雷斯蒂埃夫人——以及项链本身。
- 九个关键画面，每个一行：邀请函、没有可穿的衣服、珠宝盒、舞会、黎明时的遗失、珠宝商店、十年擦地板的生活、公园里的相遇，以及反转。
- 五个片段，以及每个片段分别根据哪些关键画面拍摄。
第2步：分镜
计划获批后，代理人画出了分镜：一张纸上有九个画格，像一幅完整的画一样统一绘制。一次画完全部九格，正是保持角色一致性的关键——同一只手描绘出窗边的玛蒂尔德、舞会上的玛蒂尔德，以及十年后跪在地上的玛蒂尔德。
随后，分镜表会自动切分成九个面板，每个面板分别保存为一张独立的图片。视频模型看到的就是这些面板。
第3步：根据面板拍摄每个片段
每个片段都由两个相邻面板生成：从第一个面板的构图开始，并且必须在最后一个镜头时到达第二个面板的构图。这就是片段能够衔接起来的原因——一个片段的结尾和下一个片段的开头是同一幅画。
片段 1
片段 2
片段 3
片段 4
片段 5
对于每个片段，智能体都会编写逐镜头提示词：包括摄像机、每个角色的动作、他们说的台词及说话时的声音、音效和音乐。下面是第一条提示词的一部分：
Shot 2: Medium shot, fixed camera. Loisel holds out the envelope, beaming, and in a warm, cheerful male voice says {Look, my dear! An invitation to the Minister’s ball!} Mathilde turns away, eyes reddening, hands clenched at her faded dress, and in a trembling young woman’s voice says {What have I to wear? I have nothing!}
每个片段在制作前都会以卡片形式呈现给你：包括所使用的面板、时长、画面比例和分辨率，以及完整的提示词。你可以批准它，也可以按下“更改内容”并说明要改什么——换一句台词、让镜头慢一些，或改变氛围。
已批准的片段会在后台渲染，每个片段需要几分钟。你无需在聊天中等待：“任务”标签页会显示每个片段的进度，完成的片段会出现在“文件”标签页中。如果片段生成失败，系统会自动退款。
第 4 步：像观看一部电影一样观看，然后下载一个文件
代理会按照故事顺序保存片段播放列表。在播放列表存在期间，预览中会提供“播放长视频”选项：片段会一个接一个地播放，并且下一个片段已提前加载，因此切换时无需等待。当所有片段都准备就绪后，使用“合并为一个 MP4”即可在浏览器中将它们拼接起来，并下载一个视频文件。
如果只有一个片段效果不理想——比如动作僵硬、台词含糊不清——请让智能代理使用修改后的提示词重做该片段。其他片段会保持不变。
选择一个合适的故事
- 要有明确的转折。带有反转或逆转的故事——比如《项链》——一分钟就能讲清楚。节奏缓慢、注重氛围的作品则需要比短视频所能提供的时间更长。
- 角色要少。两三个主要角色容易保持一致；十个就不容易了。
- 地点要少。每增加一个新地点，分镜都必须重新交代一个新的场景。
- 使用你拥有权利的作品。公版经典、寓言、神话以及你自己的作品，都可以放心改编。不要改编你没有权利使用的书籍或电影。
风格与格式
在请求中说明画面风格——手绘动画、动漫、水彩画、黑色电影、3D卡通等——这样这种风格就会从分镜一直贯穿到每个片段。YouTube请选择16:9；TikTok和Reels的竖屏剧集请选择9:16。对白可以使用观众所说的语言。
在不同场景中保持角色完全一致，是 AI 视频最难的部分。下一篇文章将深入介绍如何做到这一点，以及如何描述角色，才能让其保持一致。