豆包写剧本、即梦出片：AI漫剧五步工作流，提示词模板直接抄
先把整条链路摆出来
做一条 AI 漫剧短片，要过五关：剧本、分镜提示词、人物场景图、动态视频、剪辑合成。单看每一关都有人教，串起来跑通的反而不多。这篇把五关连成一条线：豆包负责前两关（写剧本、提分镜），即梦负责中间两关（出图、图生视频），最后一关交给剪映。全程照着点就能走完，两个提示词模板可以直接复制去用。
这是即梦 AI 视频实战手册的新一章。前面几章讲了文生视频入门、Seedance 多参考素材怎么用、即梦和剪映怎么联动出片，这一章补上最前面的一环——剧本从哪来、提示词怎么不靠手写。手册完整目录在这里：即梦 AI 视频实战，即梦产品介绍见产品页。
先说清楚这套流程适合谁：想用 AI 做漫剧、国风短片、绘本感小视频，但不会写剧本、也背不下提示词公式的人。它不要求你有任何剪辑或绘画基础，会打字、会复制粘贴就能跑完第一遍。
准备工作：两个账号，五分钟
豆包：浏览器打开 www.doubao.com，手机号或抖音账号登录，对话功能开箱即用，不需要开任何付费项。
即梦 AI：打开 jimeng.jianying.com，字节系账号直接登。每天有免费生成额度，具体次数以你账号当天的页面显示为准——免费额度跑一条短片的核心素材是够的，但批量出图阶段很容易见底，要么等第二天刷新，要么开会员。
剪映：电脑装剪映专业版，或者手机用剪映 App 都行，最后一步只用到排片段、加音轨、导出这三个基础功能。
工具就这些。下面进入正题，每一步都写清楚：在哪个工具里、发什么指令、应该看到什么。
第一步：让豆包当编剧
别自己憋剧本。漫剧的剧本本质是分镜脚本：每个镜头几秒、画面是什么、谁在做什么。这种结构化文本正是对话模型擅长的，你要做的只是给它一个身份和一个明确的任务。
在豆包里新开一段对话，第一条消息直接套这个模板：
你是一名[资深编剧/动漫导演]；请创作一个关于[具体题材内容]的剧本；时长控制在[XX秒]左右。
方括号里的内容按你的题材替换。想试国风奇幻，就填「资深动漫导演」+「古风青年书生误入水墨幻境」+「120秒」；想做甜宠校园，就换「资深编剧」+「高中教室递笔的青涩瞬间」+「60秒」。
发出后等它写完，你应该看到一份成体系的剧本文本：片名、整体风格定位、主角设定（年龄、外形、气质），然后是按时间轴切好的分镜段落，每段标着镜头时长、画面内容和人物动作。原文实测跑出来的是一部叫《墨隐山河》的水墨国风短片文案，主角「青衫博士·云砚」连随身物件都写好了，分镜按 15 秒一档排满两分钟，第一镜是这样的：
【0:00–0:15 | 入境·韵】画面：晨雾漫过青瓦古镇，老松垂枝，石案上铺着素白长卷，青衫博士静立案前，提笔蘸墨。
这个颗粒度就是你要的成品形态：每条分镜自带时长、场景、动作，后面转提示词、排镜头全都靠它。拿到这种结构的剧本，直接进第二步；如果输出只是干巴巴的剧情梗概、没有分镜时间轴，就追问一句「请改写成分镜脚本，每个镜头标注时长」，别将就。
如果第一版不满意，直接在对话里提要求：「主角改成女性」「节奏再快一点，砍掉铺垫镜头」「第二镜换成夜戏」。改剧本比写剧本便宜得多，多改两轮再进入下一步。
用「编剧身份」提示词让豆包产出带秒级时间轴的分镜剧本
第二步：把剧本逆向拆成即梦提示词
剧本到手后，很多人卡在「剧本怎么变成生成器的提示词」。答案是不用手动转——紧接着在同一段对话里发第二条指令，原文管这叫逆向提取：
请提取上述分镜中的人物和场景，并给出能用于即梦AI生成的中文提示词。
因为模型还记得上文，它会自动把剧本文本拆解重组成即梦能直接使用的中文提示词。你应该看到输出分成几类：人物核心提示词（外形、服装、神态、身形，一段成文）、场景核心提示词（地点、陈设、光线、氛围，一段成文）、融合类画面提示词（按镜头逐条给），通常最后还会附一段整合好的「直接复制使用」完整版。原文的例子里，连「墨汁发光、古文字悬浮幻化成流云」这类奇幻元素都被单独归成一类。
到这里先别急着关对话框。检查两件事：人物描述是否前后一致（眼睛颜色、服装年代别在两个镜头里打架）；场景数量是否和分镜数对得上。缺什么就追问什么：「补一个反派人物的提示词」「把第三场雨夜单独展开写」。
这些文字都留在对话记录里，出图阶段直接整段复制，不用再手写一个字。
第二条指令让豆包把分镜拆成人物、场景、奇幻融合三类即梦提示词
第三步：先定调，再批量出图
出图前先解决风格问题。风格不统一，片子就是一锅粥——第一张图水墨风、第二张变赛博朋克，观众立刻出戏。原文的做法是：选一张你最心仪的参考图（别的作者画的、电影剧照、AI 生成的都行），让 AI 反推提示词，把反推结果钉成整个短片的视觉基调。一个可直接用的定调写法：
国风暗黑奇幻风格，超写实电影级质感。
基调定了，再去生成具体的人物图和场景图。这一步在即梦里用图片生成，每张图的提示词套这个公式：
人物 + 动作 + 场景 + 风格 + 构图
公式里「风格」那个位置，永远填你定调时的那串前缀，从头到尾一张都不要换——原文把这叫核心铁律，所有图片的风格前缀必须完全一致。形容词精简，直奔主题：与其写「美轮美奂令人惊叹的华丽古代宫殿」，不如写「唐代宫殿，对称构图，金色暖光」，后者每个词都对生成器有实际约束力。
人物形象不满意，微调关键词就行：把「温润清雅」换成「冷峻锐利」，重生成一两轮基本能到位。有一条经验值得抄下来——如果一张图生成 3 次还不满意，别死磕，问题几乎一定出在提示词描述上，回去改词，别赌运气。
这一步结束时，你的手里应该有：主角定妆图一到两张、每个场景各一张、关键融合镜头参考图若干。数量按你的分镜数来，一个 2 分钟的短片通常就是十几张的量级。
第四步：图生视频，让画面动起来
图片素材齐了以后，进即梦选「图生视频」：上传一张定稿图，配一段动态描述词。动态提示词的公式和出图不同，重心从「长什么样」转到「怎么动」：
主体 + 运动 + 场景 + 镜头语言
描述要具体到时间。原文举的例子很直观：是 5 秒完成挥剑，还是 10 秒完成回眸？时间档位不同，AI 给出的动效质感天差地别。想快节奏打斗就选短档，想氛围慢镜头就选长档，别都挤在默认档。
镜头语言也是提示词的一部分：「镜头缓缓推进」「环绕运镜」「固定机位」写不写，成片的观感完全两回事。不确定怎么写就回头翻第一步豆包给你的分镜文案，导演版剧本里通常已经带了运镜描述，直接抄。
多镜头素材可以全部丢进即梦的无限画布里统一摆放调度：每个镜头生成后在画布里摆到对应位置，整条片子的镜头顺序一目了然，比在文件夹里来回翻省事得多。下载到本地的素材，文件名会自动带上日期、编号和提示词片段，批量生成几十段之后靠文件名就能认出哪段是哪镜。
按统一风格前缀批量生成后下载的视频素材，文件名自带提示词片段
第五步：剪映合成
最后一步把视频片段拼成片。打开剪映，把即梦导出的片段按剧本分镜顺序导入、排上时间线。配音不用另外找工具，剪映自带的 AI 音色选一个贴合角色的，生成后音频自动落在音轨上，位置不对直接拖。人物开口的镜头注意对上口型，对不上就把音频或片段微移几帧。音效和背景音乐按需添加——古风片配古筝、打斗镜头加兵器声，都是素材库里现成搜得到的。检查一遍整体节奏，导出。
配音音色怎么选、语速和停顿怎么调才不像机器播报，站内另有一篇《剪映 AI 配音》专讲这件事，这里不重复展开。
四个翻车点，提前避开
风格前缀中途换了。批量出图时最常见：出着出着觉得换个风格试试，结果前后镜头割裂。定调那串前缀写进备忘录，每张图原样带上。
提示词堆形容词。「唯美」「震撼」「大片感」这类词对生成器几乎没有约束力，换成具体的时代、材质、光线描述才有用。
一张图死磕十几遍。3 次不满意就回去改提示词结构，换要素比换运气快。
动态描述没写时间。只写「挥剑」不写几秒完成，模型自己猜节奏，成片动效经常和预期对不上。5 秒和 10 秒是两段完全不同的动作设计。
还有一个额度层面的提醒：即梦免费生成次数有限，第三、四步是烧额度的大头。先用三五张图把风格调稳、确认前缀好使，再放量批量生成——返工最贵的不是时间，是额度。
这套流程里人和 AI 各干什么
跑完一遍你会发现，AI 负责的是创意的量产：剧本、分镜、画面、动效都能批量给。你负责的是筛选、审美和组装——决定留哪版剧本、统一什么风格、按什么顺序剪。原文的说法是「AI 负责出创意、出分镜、出画面；你负责筛选、审美和最后的组装」。第一遍跑通之后，第二遍开始产能瓶颈就不在工具上，而在你的判断速度上。
最后给个务实的起点：别一上来就挑战 120 秒正片。先用 30 秒、三四个镜头的迷你篇幅把五步全走一遍，跑通整条链路，再回头加长。流程熟悉了，加长只是量的问题。
本文工作流与配图整理自微信公众号公开教程《豆包+即梦AI漫剧实操：3天从0到1》，两个提示词模板与「3 次不满意就改词」等经验均为原文内容，版权归原作者所有。
