企业官网建设流程全解析

1. 为什么AIGC漫剧正在成为内容创作者的新机会

先说一个我真实的观察：过去一年，身边做短剧、做小说推文、甚至做公众号漫画的不少朋友，都开始往AIGC漫剧这个方向转型。原因很直接——短视频平台对连续剧集内容的扶持力度在加大，观众对"有连续剧情、有画面、有声音"的内容停留时长明显高于单张图文，而AIGC漫剧恰好卡在一个非常微妙的位置：它比纯图文更沉浸，比真人短剧成本低一个数量级。

所谓AIGC漫剧，就是用AI工具把小说（或原创剧本）批量转化成带有分镜画面、动态效果、配音配乐的连续性视频内容。它看起来像动画，但生产链路和传统动画完全不同——不需要手绘原画，不需要逐帧动画师，不需要动捕设备，核心是把"文字想象力"通过AI图像生成、AI视频生成、AI配音这三条管线变成可观看的剧集。

适合谁来学？如果你是以下三类人，这篇实操拆解会非常对胃口：一是原本做小说推广、网文分销，想提升内容吸引力的创作者；二是有短视频运营经验、想切入漫剧赛道但不知道从哪下手的团队；三是独立开发者或小工作室，想用最低成本跑通一条内容生产流水线。这篇文章里我不会讲空泛的"AI改变内容行业"这类话，全部是能直接落地执行的具体步骤、参数、工具选型逻辑和我自己踩过的坑。

2. 动笔之前，先弄清楚漫剧和短剧、动画的本质差异

很多人上来就问"用什么工具"，但真正决定项目成败的是你对漫剧形态的理解。漫剧不是简单地把小说复制粘贴成图片，它有自己的一套内容语法，不理解这套语法，工具再先进也白搭。

2.1 漫剧的核心体验逻辑：强情绪密度

漫剧单集时长通常控制在1到3分钟，和抖音快手的短视频天然契合。但和真人短剧不同，漫剧没有真人演员的微表情、肢体动作、现场环境声来传递信息，它所有的情绪都靠三样东西：画面构图、镜头语言、配音台词。这意味着改编时，小说里大段的心理描写、环境描写、背景交代，在漫剧里必须被压缩成"一个眼神特写+一句台词"或者"一个空镜头+一段配乐"。

我给你一个具体的换算逻辑：小说里500字能讲完的一场戏，漫剧里大概只配15到30秒。写分镜脚本的时候，你要时刻问自己一个问题——如果这个镜头没有台词，观众还能不能看懂发生了什么？如果看不懂，就是分镜设计有问题，不是观众智商有问题。

2.2 漫剧和传统动画的分工差异

传统动画是"画面先行"，原画师决定一切视觉表达；漫剧是"流程先行"，生产链路的可复用性决定了效率。传统动画一集可能投入几十万，漫剧一集的成本目标应该控制在几十到几百元级别，否则就失去了做漫剧的意义。注意，这不是说漫剧粗制滥造，而是说漫剧用"流程化批量生产"换取了单位成本的极致压缩，这是它能跑通商业闭环的根本。

所以你在立项时就要想清楚：这个项目是打算做10集以内试试水，还是要做上百集的连续剧？如果是后者，从第一天开始就要建立素材管理系统和角色一致性方案，否则画到第30集，主角的脸已经换了三次，观众直接弃剧。

2.3 漫剧的观众到底在看什么

从数据反馈来看，漫剧观众前三位的关注点分别是：剧情走向、角色颜值、配音贴脸。这给了我一个重要启示：在初期阶段，"画风多精致"反而不是最重要的，重要的是角色是否好看、声音是否贴合人物设定、剧情是否紧凑有钩子。有不少爆款漫剧的画面仔细看其实挺粗糙的，但就是靠强剧情和贴脸配音留住了人。

3. 筹备期核心工作：从小说文本到可执行的分镜脚本

这个阶段往往被新人忽略，但它决定了后面所有环节的效率。我见过太多人跳过分镜直接让AI画图，结果图出一大堆，剪片子的时候发现根本串不成一个故事。文本工作做得好，生产环节就是流水线；文本工作糊弄，后面全是返工。

3.1 选小说：不是所有小说都适合改漫剧

选书是漫剧项目的第一道生死关。实操中，我建议用四个指标来筛选：

一个非常实用的筛选技巧：先把目标小说的第一章用手机读一遍，如果在读的过程中脑子里能自动浮现出"画面感"——比如你能想象出主角站在什么场景里、穿什么衣服、脸上什么表情——那这本书大概率适合改漫剧。如果读起来像在听一个人讲道理，那就算文笔再好也不适合。

3.2 剧本改编：把"叙述体"翻译成"镜头体"

拿到小说之后，不要急着去画图，先做一个"叙述体转镜头体"的改写。小说的句子结构是"他推开门，看到房间里一片狼藉，内心感到非常震惊"，漫剧的剧本应该写成：

• 镜头1：中景，一只手推开门（无台词）
• 镜头2：房间内全景，家具翻倒、窗帘破损（无台词）
• 镜头3：特写，主角瞳孔微缩、嘴唇紧抿（内心OS：怎么会……）
• 镜头4：近景，主角掏出手机拨号，画面叠影显示另一头无人接听（台词："该死，到底发生了什么？"）

这种改写不是创作，而是一种翻译工作，真正吃时间的是对"哪些能删、哪些必须留"的判断。我的经验是，改编时优先保留下述三者：能推动主线的动作戏、能立住角色人设的高光时刻、能制造悬念的钩子。至于过渡性的、吃穿住行的琐碎描写，一律砍掉，用转场镜头和音效带过即可。

以单集3分钟计算，台词量控制在250到400字之间是比较合适的区间。台词太多会显得像在听广播剧，画面跟不上；台词太少信息密度不够，观众容易走神。

3.3 分镜脚本：一张表格承载整集生产信息

分镜脚本是整条生产链路的"施工图纸"，它要承载的信息量比很多人想象的大得多。我用的分镜表格包含以下列：镜号、景别（远景/全景/中景/近景/特写）、运镜方式（固定/推/拉/摇/移）、画面内容描述、角色状态、台词内容、字幕内容、情绪基调、参考图编号、对应视频素材编号、配音文件编号、BGM节点。

这听起来很复杂，但最核心的目的是：后面每一个生产环节（画面、配音、剪辑）都可以直接照表执行，不需要反复回看小说原作了。一份合格的分镜脚本做完，相当于整个项目已经被执行了一半。

我给一个小白的实用建议：第一集务必把分镜写得极其详细，哪怕慢一点。这不仅是练手，更重要的是它会让你摸清自己的生产节拍，后续每集的脚本速度会越来越快。

4. 角色基建：让同一个角色在不同镜头里长得一样

做漫剧最大的技术痛点是什么？不是不会画图，不是没有好听的配音，而是角色一致性——同一张脸，第一集是瓜子脸，第三集变圆脸了，第六集连发色都不对了。观众对脸的变化极度敏感，一旦角色"变脸"，整部剧的沉浸感瞬间崩塌。

4.1 角色参考图的制作标准

在做任何批量生产之前，先把主角团每一位人物的"定妆照"做出来。定妆照建议是半身像，正面或微侧，表情中性，光线均匀，背景干净（最好纯色）。这张图就是角色的"身份证"，后面所有的图像生成都要围绕它来对齐。

实操中，一个角色至少要做3个状态版本的定妆照：日常状态、战斗/愤怒状态、悲伤状态。这样后期如果需要生成特定情绪的画面，有参照物可以对齐，而不是临时让AI自由发挥。别小看这一步，它能让后期图像批量生成的一次通过率大幅度提升。

4.2 用LoRA锁住角色的脸：最稳的一致性方案

定妆照只是第一步，真正要保证成片里角色稳定，最可靠的方式是训练一个角色LoRA（Low-Rank Adaptation，低秩适配模型，一种用于给AI模型固定特定风格或特定形象的微调方案）。简单说，就是用十几张同一个角色的多角度图像，训练出一个"这个小模块"，之后在生成图像时挂载这个LoRA，AI就会倾向于画出这个特定角色。

训练用的图片素材准备是成败关键，这里分享我的经验：

• 数量：15到30张为宜，不是越多越好，重点是多样性
• 角度：正面、左右侧脸、四分之三侧脸都要有
• 表情：至少包含平静、微笑、愤怒、悲伤四种
• 景别：头部特写和半身像都要有，避免只训练出"大头"
• 分辨率：统一处理到512x512或512x768，不要混用尺寸
• 背景：尽量干净，减少背景对模型学习的干扰

训练批次的选择上，我的建议是先从已有的成熟底模开始，而不是用全量训练。训练步数从1000到3000步之间去试效果，每500步保存一个检查点，然后出几张测试图对比哪个步数的相似度最好。记住一个核心逻辑：LoRA不是步数越多越好，过了某个点之后反而会过拟合，导致角色僵化、姿势单一、背景崩溃。

4.3 角色素材库：建立可复用的资产台账

除了LoRA，还需要建立一个角色素材库，把一个角色的不同情绪、不同景别、不同着装形态的图像全部整理到统一目录中，命名规则类似角色名_情绪_景别_画面描述.png。这比你在生成时才临时去找参考图要高效得多。

经验之谈：素材库里存的图，出图质量要是"良以上"，那些看着还行但有点崩的图不要存，否则存了一堆垃圾素材，后期调用时反而混淆判断。每个角色最终精修的"可商用级"图像保持在20到40张，基本覆盖日常拍摄所需。

5. 画面生产：从分镜到高质量静帧的工作流设计

角色问题解决之后，进入漫剧最大体量的环节——生成画面。这个环节的核心不是"哪张图画得好看"，而是"如何稳定地、批量地画出符合分镜脚本要求的图"。我把它拆成三条路径，看你的项目阶段和审美要求选。

5.1 路径一：文生图+图生图（新手最友好）

如果你是完全的新手，不需要一上来就折腾复杂工具，先用最经典的"文生图+图生图"组合。流程是：先用正向提示词描述画面内容，生成初稿；再把初稿拖进图生图，结合角色参考图/LoRA进行精修，逐步逼近分镜要求。

写提示词有一个"三层结构"：主体（角色+动作+表情）+ 环境（场景+光线+氛围）+ 画风（摄影/动漫/厚涂/水墨等）。举例来说：

主体：一个黑发红瞳的年轻男子，半跪在地上，右手指尖触地 环境：雨夜，街道积水反光，霓虹灯在背景虚化 画风：日系动漫风格，细节丰富，明暗对比强烈，高饱和度

提示词的书写技巧在于"具体词的优先级高于抽象词"。AI对"帅"这个词毫无认知，但对"棱角分明的下颚线、深邃的双眼皮、凌乱的黑色碎发"会有具体反馈。画面里每一样关键元素都值得单独写出来，能视觉化的信息尽量视觉化。

5.2 路径二：ComfyUI工作流（量产的必由之路）

当你的项目进入批量生产阶段，强烈建议迁移到ComfyUI上，这是一套节点式界面工具，适合搭建标准化的图像生成流水线。

ComfyUI的核心优势在于可复现性：你可以把"加载基础模型 → 加载LoRA → 正面提示词 → 负面提示词 → 采样器 → 高清修复 → 保存"整个链条存为一个工作流文件。每次只需要替换提示词和参考图，就能以同样的画风批量产出图片，不会出现手动操作时"这次参数和上次不一样"的漂移问题。

一个典型的漫剧工作流包含以下几个关键节点：

• 加载检查点（底模）：动漫类建议使用专用底模，写实类另选
• 加载LoRA（角色锁定）
• 使用ControlNet（可控姿态/构图）：这一步很关键，它让你能把一个粗略的人形骨架或线稿框住角色的姿态，生成的画面不会乱跑
• 正面/负面提示词
• K采样器（KSampler）
• VAE解码
• 高清放大（潜空间放大或模型放大）

我在批量出图时的参数经验是：采样器用DPM++ 2M Karras，步数控制在25到30步，CFG（提示词引导系数）取值在5.5到7之间。这个组合在"稳定性和审美上限"之间比较平衡。CFG太高画面容易过饱和甚至崩坏，太低则提示词遵循度不足。

5.3 图生视频的素材单位：每一张图都要有"动"的可能

画面生成完成后，还有一个经常被忽略的筛选环节：选图时要想清楚"这张图是否适合做成视频"。有的图静态很美，但画面过于复杂、前景遮挡严重、主体太小，做成视频之后要么动态效果极其有限，要么出现明显的形变。选图时优先选主体居中、背景有一定纵深感、角色姿态自然的图，给后面的视频生成留足空间。

5.4 画面相关的排错经验

出图过程中会碰到各种疑难杂症，我挑三个最常见的问题给出应对思路。

第一个是"多指畸形"。AI生图经常会画出六根手指或者扭曲的手指，这是扩散模型在细粒度肢体结构理解上的天然缺陷。解决手段有三个：提示词负面描述里加"bad hands""extra fingers"之类的常用负面词；出图后用局部重绘功能把手部区域框选重绘；或者直接靠后期修图工具修掉明显畸形的指头。手部问题在特写镜头中尤其明显，而特写镜头恰恰是漫剧情绪表达的关键，所以这个坎必须过。

第二个是"文字乱码"。如果画面中需要出现招牌、书本封面、手机屏幕这类带文字的内容，AI大概率会在上面生成一串乱码。处理方法：要么用局部重绘+手动输入文字；要么在构图时尽量避免让文字出现在画面显眼位置。

第三个是"角色表情僵化"。用了LoRA之后角色脸是稳定了，但很多时候表情也跟着固化了，喜怒哀乐不够鲜明。我的解法是：生成表情特写时，可以在"角色LoRA+关键词情绪描述"的基础上，再用图生图的局部重绘只重绘脸部区域，让模型在原图基础上自然调整表情，这样既保留了角色辨识度，又让情绪到位。

6. 让画面动起来：图生视频工具的选择与参数逻辑

漫剧的"漫"决定了它不需要像真人视频那样完全物理正确，但也不能像静态PPT一样毫无生气。让画面动起来，是这个环节要解决的核心问题。目前市面上的图生视频工具已经非常多，我按梯队做个实用分析。

6.1 工具梯队对比与实际选择

第一梯队是头部视频生成工具（如可灵、即梦等），它们对中文语义的理解好，生成的人物动态自然度已经相当高，操作门槛低，输入一张图再加一句运动描述就能出片，很符合漫剧"快速批量产出"的需求。

第二梯队是海外通用类工具（如Runway等），画质上限高、可操控性强，但中文语义支持相对弱，对网络环境要求高（这点你自己留意评估），且付费成本偏高。适合项目有预算、追求个别镜头质感时用，不适合每天批量出上百条素材。

第三梯队是开源本地部署方案（如AnimateDiff、Stable Video Diffusion等），可控性最强、不依赖在线服务，但需要一定的硬件配置和调参能力。如果你只是刚开始做漫剧，不建议从这里入门，容易因为在环境配置上卡太长时间而消耗热情。

我目前的实践策略是：80%的常规镜头用国内工具批量生成，20%的关键情绪镜头（比如打斗、哭泣、眼神变化）用效果更强的工具精修。这种"批量+精品"的混合策略，在效率和质感之间找到了比较舒服的平衡点。

6.2 视频生成的核心参数怎么给

无论用哪个工具，图生视频都有几个关键参数值得花心思，而不是随手拖一下默认值。

幅度设置要克制。视频生成工具的"动态幅度"参数控制画面变化强度。很多人第一次用会把幅度拉得很高，结果画面疯狂形变，人脸一会儿歪一会儿正，根本没法用。漫剧不是动作片，大多数镜头只需要"轻微的呼吸感+自然的微动作"就够了，幅度参数控制在合理范围的低位，优先保证稳定性。只有打斗、奔跑、风吹衣动这类镜头才需要提高幅度。

运镜描述要写清楚。给AI的运镜指令越具体越好，比如"镜头缓慢推向主角脸部"就比"推进"清晰得多，也能让生成的镜头语言更接近脚本预期。

时长宁短勿长。单次生成视频的时长越长，画面越容易出现"失控"（物体形变、角色崩脸、光影闪烁）。我通常单条生成控制在2到5秒，用来匹配分镜脚本中一个镜头的需求；如果是长镜头，用剪辑软件拼接，而不是非要一次性生成一段10秒的连续视频。

6.3 生成后的画质修复流程

图生视频出来的素材往往存在两个问题：清晰度不足和帧率偏低。清晰度方面，常规做法是先做分辨率放大，再做适当的锐化处理。帧率方面，漫剧的呈现标准一般是生成后插帧至流畅水平，避免观感卡顿。

这套修复流程可以做成固定的后期模板，每次生成完素材直接批量走一遍。

7. 声音是漫剧的另一半生命：配音、音效、配乐的工业化处理

画面做得再好，声音拉胯，整部漫剧的观感会直接垮掉。声音包括三部分：对白配音、环境音效、背景配乐。新人最容易犯的错误是只做配音，音效和配乐完全忽略，结果成片干巴巴的。声音工业化处理的核心思路是像做电影一样分层组织，而不是一股脑全混在一起。

7.1 配音选型：从"能听"到"贴脸"

AI配音工具已经非常成熟，选型核心不是音色数量多不多，而是对情感表达的支持度。漫剧需要角色在愤怒、哽咽、低语、狂笑等不同状态下有不同的语气，能力好的配音工具能在语气停顿、气息、重音上做调节，而不只是"念稿子"。

实操建议：每个主要角色建立一个独立的音色配置，标注语气偏好和语速基线，统一命名保存。这一步骤保证第一集和第三十集的配音听起来是同一个"人"，就像为每个角色选好固定的声优。配音生成之后一定要逐句试听，AI常见的断句错误、多音字错误需要人工修正，逐句重新生成的成本远低于成片后返工。

7.2 环境音效和拟音：让世界"活"起来

很多漫剧新手完全忽略环境音，这是特别可惜的。一段雨夜对话，配上淅沥雨声+远处车流声+偶尔的雷声，观众感受到的氛围和干听台词完全不同。环境音资源可以使用免版权音效网站，按类别整理成自己的音效库：雨声、风声、脚步、开门、衣物摩擦、金属碰撞、人群嘈杂、城市环境、自然白噪音等，基本能覆盖漫剧绝大多数场景。

7.3 配乐布局：用音乐引导情绪起伏

配乐不需要全程铺满，那样会让观众听觉疲劳。我的实践逻辑是"情绪节点给配乐"：每一集开头用简短的主题音乐定调，中间在情绪高点或反转处进配乐，结尾用留白或情绪余韵的尾奏。

剪辑时注意配乐的"进出"不要生硬，音量和节奏要与画面切换对齐。这些细节剪辑完后再统一微调，优先级低于台词和环境音的清晰度。

8. 剪辑成片：素材台账、节奏控制与导出配置

所有画面素材、配音文件、音效文件准备好之后，进入剪辑合成阶段。这是一个体力活，但如果前面的分镜脚本和文件命名做得好，剪辑速度会非常快。

8.1 素材管理：命名规范决定剪辑效率

我吃过没做素材管理的亏：早期项目素材散落各地，文件名全是"未命名"，结果剪辑时找一段素材翻了好几个小时。后来的教训总结成八个字：统一命名，台账同步。

操作建议：每集一个文件夹，内部按"00_分镜脚本""01_静帧画面""02_视频片段""03_配音音频""04_音效音乐""05_输出成品"分类；每个视频片段以"镜号_内容描述"命名，比如"03_主角推门近景"；剪辑前在表格里同步素材状态，已生成、已选、已弃用一目了然。

8.2 剪辑节奏：短视频的"三秒原则"与"停顿呼吸"

漫剧单集短，节奏把控是核心竞争力。前3秒必须有画面冲击力或悬念钩子，绝不能慢悠悠地展开；整体节奏上，镜头切换可以适当快于传统影视剧，但不能全程高能，要有"呼吸感"：情绪激烈时镜头短促、切换快，情绪平静时镜头适当拉长、配乐放缓。没有呼吸感的漫剧，观众看两集就会疲惫。

配音与画面的对轨要特别注意：AI配音每一句的时间和情绪拍点可能与画面不完全匹配，剪辑时需要微调画面起始点或配音变速，让口型和镜头切换尽量在同一节拍上。这个细节处理得好，观感会产生很大差别。

8.3 字幕是漫剧的第二台词

漫剧的字幕重要性高于真人剧。原因很简单：很多观众是在通勤、吃饭等碎片时间外放观看的，环境嘈杂时听不清配音，字幕就是他们跟剧情的唯一途径。字幕建议使用大字号的清晰字体，确保在白底和高光画面上也能看清，同时注意字幕进出时机和断句节奏，长篇台词要拆分显示，避免一屏堆满文字。

8.4 导出参数与多平台适配

成片导出需要针对平台调整参数。主流的短视频平台对竖屏内容更友好，所以漫剧建议优先制作9:16竖版；如果走B站这类中长视频平台，可以出16:9横版作为补充版本。导出设置建议：分辨率至少1080p，码率足够（不然动态画面会出现块状模糊），帧率达到流畅标准，采用H.264编码。封面图和标题是另一层功课，封面建议截取"冲突感最强且包含主角颜值"的帧做高饱和度处理，标题遵循悬念+具体化原则。

9. 实测中的意外情况和止损策略

哪怕流程再熟练，AIGC漫剧生产依然会遇到大量意料之外的状况。这里分享几个高频意外和我的应对策略，帮你少走弯路。

9.1 "生成了一百张图，能用的只有五张"怎么办

这是所有新手必经的阵痛期。我自己的参数和经验也是在大量废片中积累起来的。关键是建立"过片标准"：清晰度达到基础要求、角色辨识度高、能传达分镜需要的情绪信息、无明显畸形。降低"可用"的审美门槛，批量生产追求的是合格率而不是单张完美，单张完美的事交给关键镜头去抠。

9.2 平台反馈"疑似AI生成"或者流量被限制

不少漫剧创作者会遇到平台对内容的识别和流量分发问题。这里我想多说一句：不要试图通过任何手段去伪造"真人创作"的痕迹，这是平台规则的红线，也是内容创作的基本诚信问题。与其琢磨怎么瞒过识别系统，不如把精力花在提升内容的真实价值和品质上——更贴合观众情绪的剧本、更精致的画风、更优秀的配音，好的内容本身就会获得认可。

从根本上说，AIGC漫剧的价值不在于"像不像人做的"，而在于它把过去只有专业团队才能完成的动画内容，变成了普通创作者也能掌握的叙事工具。观众看的是故事和情绪，不是制作方式的标签。

9.3 制作中途发现角色设定不合适

如果做到一半发现主角造型不够出彩或者与剧情气质不符，更换成本很高。我的建议是：正式批量生产之前，先做一集完整的试播集，用试播集的数据和反馈来做最终调整。造型、配音、节奏、画风这些大项都在试播集阶段定下来，再进入批量复制阶段，避免边做边改的混乱状态。

9.4 单集成本如何做到持续下降

AIGC漫剧的边际成本随着流程熟练和素材库丰富会持续下降。第一集可能花了很长时间摸索参数，做到第10集，大部分镜头都能调动已有素材库和模板直接套用。如果单集成本长期居高不下，通常意味着生产链路某个环节出现了返工，需要回头排查。

10. 从做出一集到跑通一个账号：内容运营的配套思考

最后这部分，写给已经做出一两集、准备认真做下去的人。漫剧不只是内容生产问题，更是一个内容运营问题。生产过程跑通之后，需要配套一系列运营层面的安排，否则内容再好也是一堆沉睡素材。

更新节奏上，漫剧这类连续剧内容强烈建议一次性放多集或至少保持稳定频率更新。观众一旦追起来，断更的流失率极高。宁可一集质量稍微低一点，也要保住更新频率的确定性。

数据反馈的追踪逻辑：每集的完播率曲线、前5秒留存、评论区高频提及的角色和桥段，这些数据要每周复盘。漫剧的续集方向、角色出场时长分配、甚至画风微调，都应该跟着数据走，而不是坚持自己的审美自嗨。

商业化路径也可以提前想清楚：平台流量分成是基础盘，账号粉丝起来之后，广告植入、小说付费导流、IP授权衍生、定制代做都是可探索的方向。我见过不少做得不错的漫剧账号，真正的大头收入反而来自"帮小说作者把作品改成漫剧"这类代工服务，因为大量网文作者都有视觉化需求，但不具备生产能力，这恰恰是AIGC漫剧创作者的技能溢价空间。

做AIGC漫剧这件事，本质上是把"写小说"这种单人叙事能力，升级成"做剧集"这种具备工业化特征的复合能力。它最迷人的地方在于：不需要等团队、等投资、等档期，今天有灵感，今天就能在键盘上把这个故事的世界观、角色和第一场戏造出来。后续想拓展的话，把单角色LoRA扩展到多角色互动、把单集生产扩展到系列化世界观，甚至用同一套角色资产做互动视频，都是顺理成章的方向。漫剧这条路刚刚开始，你早点把流程跑通，后面的可能性会比你预想的多得多。