最近 AI 视频制作的热度一直很高,尤其是 AI 漫剧这个方向,几乎是肉眼可见地火了起来。但不少朋友在实际操作时会发现一个尴尬现状:单张 AI 图片能做得很好看,一放到视频里、剧情一推进,角色就开始变脸、场景就开始飘,最后成品根本没法连贯看下去。这个问题的根源,不是某一个 AI 模型能力不够,而是整套制作流程是碎的:剧本在文档里,角色设计在提示词里,分镜在另一个工具里,对白又要重新生成,最后还要人肉剪辑对齐。LibTV 这类工具的出现,本质上是把漫剧生产从“折腾单点工具”变成了一条可以复制的流水线。这篇文章就围绕 LibTV 的完整制作链路,从剧本到导演台,从角色设计到场景控制,从对话生成到最终出片,给你梳理一套从入门到进阶的实操方案。
这篇文章适合三类读者:一是想入局 AI 漫剧但还不清楚完整工作流的创作者,二是有 AI 绘画基础但没解决角色一致性问题的视频作者,三是想做 AI 短剧、AI 漫剧批量生产的团队或个体户。读完你至少能搞清楚 LibTV 的导演台应该怎么用、角色一致性和场景一致性到底靠什么保证、一套可复用可出片的 AI 漫剧工作流该怎么搭建。
1. 为什么要关注 LibTV:AI 漫剧制作,真正卡脖子的是流程
如果说 2024 年 AI 视频的关键词是“单点生成”,那 2025 年的关键词已经变成了“工业化生产”。所谓工业化,不是说你能用某个模型生成一个 10 秒片段,而是你能不能稳定地产出一条 3 分钟、10 分钟甚至更长,且画面、角色、剧情一贯到底的内容。
这里我要先泼一盆冷水:很多创作者做 AI 漫剧失败,并不是画面不够美,而是画面之间没有“记忆”。第一张图里的女主角是黑色长发,第二个镜头里变成棕色卷发;上一幕还是白天咖啡厅,下一幕阳光角度全乱了。这种问题靠“多抽几次图”很难根治,因为每次生成都是一次独立采样,模型并不知道自己上一张图生成了什么。
LibTV 的思路是换一个层次来解决:它把整个漫剧当成一个项目来管理,而不是一段段零散的生成任务。剧本、角色设定、场景设定、分镜、对白、运镜参数,这些都是项目里的结构化数据。当你需要生成第 24 个分镜时,系统知道主角是谁、在哪个场景、穿什么衣服,会承接前面建立的视觉资产,而不是从零开始瞎猜。
这在技术上对应的是两件事:一是图像生成的“可引用记忆”,二是整个生成过程的参数化编排。LibTV 看起来是一个工具,本质上是一套面向漫画短片制作的工程系统。它的出现,等于在“AI 绘画”和“AI 视频生成”之间补上了一块缺失的拼图——剧本到分镜的转换层,以及角色资产的管理层。
我看了很多 LibTV 相关的资料和用户讨论,有一个判断比较确定:它的核心价值不在于某一个模型比别家强多少,而在于把导演的工作方式搬进了 AI 生产链路。导演不需要每次生成都重写一遍“女主角长什么样”,只需要在角色库里定义一次,后面所有分镜生成都可以引用这个定义。
在正式开始教程之前,有必要先明确 LibTV 和传统 AI 视频工具、AI 绘图工具的关系,否则很多读者会拿错参照系。
| 维度 | 传统 AI 绘图工具 | AI 视频生成工具 | LibTV |
|---|---|---|---|
| 核心单位 | 单张图片 | 单段视频 | 一个项目/一部剧 |
| 处理任务 | 图生图、文生图 | 文生视频、图生视频 | 剧本、分镜、角色、场景、对话、出片 |
| 角色一致性 | 不保证,靠提示词 | 弱保证 | 结构化管理,跨分镜稳定 |
| 生产目标 | 单张视觉素材 | 短视频片段 | 完整剧集内容 |
| 上手门槛 | 较低 | 中等 | 中等偏高,但流程清晰 |
表格里其实已经能看出 LibTV 的定位差异。传统工具生产的是“素材”,LibTV 生产的是“剧集”。这就是为什么如果你想做 AI 漫剧,直接拿绘图工具零散拼,会非常痛苦;而如果一开始就选对项目级工具,整个生产节奏会顺很多。
2. LibTV 核心功能拆解:剧本、导演台、角色设计、场景、一致性、对话
要真正会用 LibTV,先得把它的功能模块拆开讲清楚。从标题和公开资料来看,LibTV 的工作流可以分成六个核心模块,每个模块对应漫剧制作中的一个专业环节。
剧本模块。 剧本模块解决的是“拍什么”的问题。传统漫剧创作中,剧本是文字文档;在 LibTV 里,剧本不只是一段 story text,它是后续所有环节的数据源头。你写下的每一个剧情段落、每一句旁白,都会被拆解并映射到后续的镜头设计中。这一步做得越结构化,后续生成分镜时就越省力。
导演台。 导演台是 LibTV 最具辨识度的功能,也是新手最容易困惑的地方。它解决的是“怎么拍”的问题。你可以在导演台上指定每个分镜的机位、景别、运镜方式、角色位置等。类比来看,它就是一套给 AI 用的“分镜脚本执
278



被折叠的 条评论
为什么被折叠?



