AI賦能內容創作早已不是新鮮事，但如何真正“快速高質”產出一條可分發的解說漫畫視頻？本篇將拆解一個完整流程，從文案生成、腳本設計、漫畫創作到視頻剪輯與配音，幫助你理解文生視頻的全鏈路操作方式，探索如何將AI工具變成你的創作助理。

開頭先啰嗦兩句，之前我的很多關于AI的分享，內容主要是涉及到AI的業界進展和個人研究的心得。期間時不時就有朋友問我說能不能講講日常使用AI的一些心得技巧。于是乎，我計劃開啟一個新的系列——“AI應用教學”，計劃是聚焦到一個小的應用場景，全流程拆解它的步驟，既講操作，也講過程心得經驗。

希望大家會喜歡。

場景拆解

我在之前發布的關于探討假如AI可以完美復刻過世之人的視頻中，就插入了一段關于“忒修斯之船”的解說漫畫視頻。后來就有朋友好奇，這樣的解說漫畫視頻，是怎么制作出來的？于是，我也就順著這次機會，打算開啟一個新的系列“AI應用教學”。不定期地把我在日常中應用AI的一些場景或技巧，其中的一些落地細節，全流程地一一整理，分享給大家。

回到我們這次要分享的場景——解說漫畫視頻，先說說它的適用場景：針對一些相對通行的概念或事件，進行動畫化的演示說明。“相對通用”，意味著我們只需要給AI說明該概念即可，而不必去詳細構想每一幅畫面。動畫化演示，意味著是“先生圖再圖生視頻”，“圖生視頻”尤其是動畫，對真實性要求也沒這么高，當前的AI是完全可以勝任的。我全程使用的是AI產品，是字節跳動出品的“豆包”。

具體而言，我們可以將這個場景，拆分為三個步驟：

針對要解說的“概念”，用AI拆解說明步驟并生成對應的圖片。針對各個圖片，生成動態的視頻。將各個視頻進行拼接，并配上配樂、旁白、字幕等內容，剪輯成片。

接下來，我們就針對這些步驟，進行詳細介紹。

第一步：生成圖片

第一步先使用AI對我們要解說的概念或事件進行“步驟拆解”，并基于拆解的步驟，生成對應的配圖。這里嚴格來講，步驟拆解、生成配圖，是“兩個步驟”。前面我們就有提到，對于相對通行的概念或事件，比如我本次想要解說的是哲學上著名的“忒修斯之船”悖論，AI預訓練的內容肯定是有包含的。所以我在操作時就將它合并為一步直接進行處理了。

比例 「9:16」幫我創作一系列的漫畫風格的圖片，介紹“忒修斯之船”悖論（以及它的另外組建新船延伸討論），上面不要有任何文字

如各位所見，我的提示詞相當地簡單。當然，如果你要解說的概念或事件比較陌生，也可以先通過向AI描述，讓AI來拆解具體步驟（可以告訴AI后續需要制作解說漫畫，具體需要AI拆解為五個步驟之類的）。拆解后再將每一張圖片的內容合并，作為生成圖片的提示詞。

當然，生成圖片這里仍然有可能遇到生成出來的圖片并不合我們心意，比如我生成的第一個版本，我就覺得畫面過于復雜。此時就要嘗試讓AI多生成幾次，挑選合適的版本（業內俗稱“抽卡”）。至于具體如何操作，就要看遇到的“不合心意”的情況，比如風格是對的只是不夠美觀，那就直接再次生成；又比如風格或內容方向不對，那么就修改提示詞后再次生成。而豆包是支持直接通過對話來修改圖片的，因此我也就偷了個懶，直接通過對話來引導豆包生成其他的風格的圖片了。

經過3次的對比，我最終挑選了“簡筆畫”這個風格的圖片，作為下一步“圖生視頻”的素材。（實操過程中還有針對個別圖片進行進一步調整，此處不再一一展示。）

第二步：圖生視頻

完成了圖片素材的生成，就可以進入到第二步，“圖生視頻”。具體的方式是將生成的每張圖片分別作為該次視頻生成的參考圖片，并補充希望轉成視頻后，畫面如何運動的描述，也就是對應的提示詞。

類似的任務，目前國內的各大視頻生成AI產品都可以滿足，包括我前面用來生成圖片的豆包，它也可以支持“圖生視頻”。我們只需要選擇“視頻生成”的技能，點擊打開具體的圖片，將其添加為參考圖，再加上對應的視頻畫面描述即可（比如我截圖描述的就是“帆船在大海中航行”）。如果各位使用的是其他的AI產品，操作過程應該也是類似的，只不過需要多一步“下載再上傳圖片”的操作而已。

同樣地，如果遇到生成出來的視頻并不合我們心意，處理方法和前面所說的類似，“抽卡”應對之。而由于我這次的圖片相對簡單，所以也沒有在這里花費太多時間。不過得多提一句是，生成視頻所需要耗費的資源（）遠高于生成圖片。因此在前面描述畫面時建議盡量想齊全想清楚并表達準確。至于如何做到，可以多學習平臺上優秀作品的提示詞，更多的是多去實踐，才能熟能生巧。

第三步：剪輯成片

將每個步驟的配圖都生成視頻后，就可以作為素材進行拼接，并附上配樂、解說、字幕等內容，最終剪輯成片了。

我在本次的“忒修斯之船”的案例中，由于錄制視頻時我原本設想的是口頭表達，當時還沒想到要用“解說漫畫”來替代。所以我其實是先錄制了口頭的解說，再用視頻上去匹配的。如果你是把這一步放到最后，那么可以繼續利用AI，讓它生成對應的解說詞（具體如何控制文案長度、風格這里就不展開了），然后自行錄制或者使用AI來生成對應的旁白。

如果各位是希望嘗試AI生成旁白（事實上如果不是先錄制好了我自己的解說，我肯定會嘗試用AI來生成），那么我可以推薦另一款產品，由稀宇科技出品的 AI的“聲音生成”。它最新的 02模型，增加了 聲音設計的能力，可以支持用戶選擇各類聲線、各類語調乃至于通過自然語言描述的音色來生成音頻。這對于我們想制作解說漫畫視頻，可謂是無比適配。

旁白也準備好了，我們就可以將它們拼接在一起。

這里我使用的是產品倒沒什么特別，就是“剪映”。

需要補充的一點經驗就是，因為生成視頻的長度往往是固定的（比如5秒、10秒），而對應的解說旁白則不可能剛好對齊。此時處理就比較簡單的，可以音、畫兩邊都嘗試變速，在盡可能小影響的范圍內對齊即可。

額外的一些總結

我在去年開發自己的AI課程時，針對AI生成圖片/生成視頻的領域，總結過當時面臨的三大挑戰：

肢體的協調性，尤其是生成人物的手指；文字的生成，去年時的AI生圖還無法處理文字，但這方面隨著近半年的快速迭代，已經可以說是基本被解決了；角色一致性，也就是生成多張圖片時是否能保持其中角色形象的一致性。

而我之所以使用豆包來生成，很重要的一點是它在第3點的角色一致性上有長足的進步。這里再提供我利用豆包生成的另一組圖片，讓大家可以更好地感受豆包生圖的角色一致性。

在這一組名為“AI時代下產品經理的工作變化”為主題的5幕圖片中，可以看出，其中的主人公形象是保持一致的。

同樣地，細心的朋友或許會發現，我所使用的都是偏向漫畫的風格，這當然是經過老考量。如前面所說，AI生圖在圖像的真實性上仍有不足（也就是說AI生成的圖片在真實性上還是比不過攝影作品）。而像漫畫這樣的風格，畫面內容相對簡單，也對于畫面的真實性沒有過高的要求，此時AI就可以很好地勝任，非常適配像解說概念或事件這樣的場景。

與此同時，我們也期待迭代進化“一日千里”的AI，能夠在多模態領域持續進步。或許在不遠的某一天，我們就可以用上更真實、更易用、更強大的多模態AI產品。