企业官网建设流程全解析

1. 从零搭建AI漫剧生产线的整体思路

1.1 为什么选择WorkBuddy作为漫剧生产中枢

做AI漫剧这件事，我前后折腾了大半年，从最早的纯手工拼图，到后来用脚本批量跑图，再到如今把整条链路收敛到WorkBuddy里，中间踩的坑足够写一本小册子。先说结论：如果你想把一部漫画风格的短剧从剧本一路做到成片，WorkBuddy是目前少有的能把ImageGen、VideoGen、ffmpeg这些环节串成一条流水线的工具。它的核心价值不在于某一个环节特别强，而在于它把"生成"和"编排"这两件事捏在了一起。

很多人第一次听到AI漫剧，脑子里浮现的是"输入一段文字，出来一集动画"。实际完全不是这么回事。一部三分钟的漫剧，背后至少涉及剧本拆解、分镜设计、角色一致性控制、图像生成、图生视频、配音配乐、字幕对齐、剪辑合成这七八个环节。每个环节单独拿出来都有成熟工具，但把它们连起来、让数据在环节之间顺畅流动，才是真正耗时间的地方。WorkBuddy的定位就是这条流水线的调度台，你可以把它理解成一个"工作台"，上面摆着各种skill，每个skill负责一段工序。

我最初是用codebuddy写脚本调API的方式来做，后来发现WorkBuddy和codebuddy的区别在于：codebuddy更偏向代码生成和逻辑编排，适合程序员思维；WorkBuddy则把常用的生成能力封装成了可视化的skill，比如ImageGen负责出图、VideoGen负责图生视频，你不需要写太多代码就能把流程跑起来。对于做内容创作的人来说，这个门槛降低非常关键。当然，如果你要深度定制，WorkBuddy也支持MCP skill的接入，可以把自己的模型或第三方服务挂上去。

1.2 一条完整漫剧流水线的环节拆解

在动手之前，我习惯先把整条链路画清楚。AI漫剧的完整生产流程大致是这样的：

• 剧本与分镜：把故事拆成一个个镜头，每个镜头标注画面内容、角色、台词、时长
• 角色设定：确定主要角色的外观特征，保证全片一致性
• 图像生成：用ImageGen按分镜逐张出图
• 图生视频：用VideoGen把静态图转成带运镜的短视频片段
• 音频制作：配音、背景音乐、音效
• 合成剪辑：用ffmpeg把视频、音频、字幕合到一起
• 输出与发布：导出成片，处理版权登记

这条链路里，最容易被低估的是"角色一致性"和"音频视频对齐"这两块。前者决定了观众会不会觉得"这角色怎么每集长得不一样"，后者决定了成片看起来是专业还是业余。WorkBuddy在这两块都能帮上忙，但前提是你要把规则和skill配置对。

1.3 工具选型背后的取舍逻辑

为什么图像用ImageGen、视频用VideoGen、合成用ffmpeg？这不是随便选的。ImageGen在漫画风格上的表现比较稳定，尤其是线稿加平涂这种典型漫剧画风，出图的一致性比通用文生图模型好控制。VideoGen的优势在于它支持首帧控制，你给它一张图，它能生成以这张图开头的短视频，运镜幅度可以调，这对漫剧这种"画面基本固定、只需要轻微动效"的场景特别合适。

至于ffmpeg，它是整个流程里最"硬"的一环，但也是最可靠的。市面上有很多图形化的剪辑软件，但当你需要批量处理几十上百个片段、需要精确控制每一帧的拼接、需要自动化跑完整条流水线时，ffmpeg的命令行能力是无可替代的。而且ffmpeg跨平台，Windows、Linux、macOS都能跑，WorkBuddy本地部署时不管在哪个系统上都能调用。

提示：不要一上来就追求全自动。我建议先把每个环节单独跑通，确认输入输出格式对得上，再考虑用WorkBuddy把它们串起来。很多新手卡在"流程跑不通"，其实是因为某个环节的输出格式和下一个环节的输入要求不匹配。

2. 环境准备与WorkBuddy基础配置

2.1 WorkBuddy安装与缓存目录调整

WorkBuddy的安装本身不复杂，官网下载对应系统的安装包，一路下一步就行。但有一个坑我必须提前说：默认的系统缓存目录会随着你生成的内容越来越多而迅速膨胀。做漫剧动辄几百张图、几十个视频片段，缓存目录轻松就能吃掉几十个G。如果你系统盘空间紧张，一定要在开始之前把缓存目录改到空间大的盘。

具体操作是在WorkBuddy的设置里找到"系统缓存目录"选项，改成一个你指定的路径。我一般会在D盘或外接硬盘上建一个专门的文件夹，比如D:\WorkBuddyCache，然后把这个路径填进去。改完之后建议重启一次WorkBuddy，确保新路径生效。这个操作看起来简单，但如果你等到缓存把C盘塞满了再改，迁移起来会很麻烦。

WorkBuddy有网页版和本地部署两种用法。网页版适合快速试用，但做漫剧这种需要大量本地文件读写的场景，我强烈建议用本地部署。本地部署的好处是文件都在你自己机器上，ffmpeg调用也方便，不用担心上传下载的带宽问题。Linux环境下部署的话，注意给WorkBuddy的运行目录足够的读写权限，否则ffmpeg处理临时文件时会报权限错误。

2.2 ffmpeg的安装与版本选择

ffmpeg是整条流水线里最基础也最容易出问题的组件。Windows用户去ffmpeg官网下载完整版，注意要下"full"或"complete"版本，不要下精简版，因为精简版可能缺少libx265这类编码器。下载下来是个压缩包，解压后把bin目录加到系统环境变量PATH里，然后在命令行敲ffmpeg -version，能打印出版本信息就说明装好了。

版本选择上，我实测下来ffmpeg 6.1.1和7.1.5这两个版本都比较稳。6.1.1是老牌稳定版，兼容性好；7.1.5是新版，对一些新编码格式支持更好。如果你要做H.265编码，注意确认你的ffmpeg编译时带了libx265。有些第三方打包的Windows版本为了减小体积把libx265去掉了，结果你跑-c:v libx265的时候会报"Unknown encoder"。遇到这种情况，要么换一个带libx265的完整包，要么自己用MSVC编译ffmpeg并链接libx265库，后者对新手来说门槛偏高，不推荐。

Linux用户就简单多了，大部分发行版的包管理器里都有ffmpeg，apt install ffmpeg或yum install ffmpeg基本能搞定。但要注意发行版自带的版本可能偏老，如果你需要新特性，还是建议从官网下静态编译版或者自己编译。

2.3 WorkBuddy的skill配置与规则设定

WorkBuddy的skill体系是它的核心。做AI漫剧常用的skill包括ImageGen、VideoGen，以及一些辅助的文本处理skill。你可以在工作台里把这些skill添加到常用列表，方便随时调用。

这里有个很实用的技巧：给WorkBuddy定几条规则，让后续所有任务都生效。比如你可以设定"所有生成的图像统一使用漫画风格，分辨率1024x1024，负面提示词包含低质量、模糊、多余手指"这样的全局规则。这样你每次调用ImageGen时就不用重复输入这些参数，既省时间又保证一致性。规则设定在WorkBuddy的设置面板里，可以针对不同skill分别配置。

关于skill的选择，我的经验是：ImageGen适合出静态分镜图，VideoGen适合做图生视频的动效。如果你需要更复杂的视频处理，比如调整视频响度、转换m3u8到mp4、推流到SRS，这些还是交给ffmpeg来做更靠谱。WorkBuddy的skill更适合"生成"类任务，ffmpeg更适合"处理"类任务，两者分工明确。

注意：WorkBuddy的skill配置改完之后，建议新建一个测试任务验证一下规则是否生效，不要直接在正式项目上试。我有一次改规则时手滑把分辨率设错了，结果一批图全白跑了。

3. AI漫剧核心环节的实操细节

3.1 剧本拆解与分镜设计的关键要点

剧本拆解是整条流水线的起点，也是最考验创作者功力的地方。AI漫剧和传统动画不一样，它的画面生成成本虽然低，但一致性控制难，所以分镜设计要尽量"扬长避短"。我的做法是：把每个镜头控制在3到5秒，画面以中景和近景为主，避免复杂的多人互动场景。因为多人同框时，AI很难保证每个角色的外观都一致，容易出现"换脸"的尴尬。

分镜表我一般用表格来管理，每一行是一个镜头，列包括：镜头编号、画面描述、角色、台词、时长、运镜方式。画面描述要写得足够具体，比如"主角站在雨中的街道上，侧脸特写，表情凝重，背景是模糊的霓虹灯"，而不是"主角很伤心"。AI对具体描述的响应远好于抽象情绪。

台词部分要注意和画面时长的匹配。一般中文语速是每秒4到5个字，所以一个3秒的镜头，台词不要超过15个字。如果台词太长，要么拆成两个镜头，要么延长镜头时长。这个细节很多人忽略，结果成片里台词还没说完画面就切了，观感很差。

3.2 ImageGen出图：角色一致性的控制方法

角色一致性是AI漫剧的生命线。观众可以接受画风粗糙，但很难接受主角每集换一张脸。用ImageGen控制一致性的核心思路是"锚定参考图"。具体做法是：先精心生成一张主角的标准形象图，这张图要正面、清晰、特征明确。然后后续所有该角色的出图，都把这张标准图作为参考图传给ImageGen，让它在此基础上生成不同角度和表情。

提示词的写法也有讲究。我习惯把角色特征写成固定的"角色卡"，比如"黑色短发、左眼下方有一颗泪痣、常穿深蓝色夹克"，每次出图都把这串描述原封不动地带上。同时负面提示词里要加上"换脸、面部变形、多余肢体"这些。实测下来，参考图加固定角色卡的组合，能把角色一致性提升到可接受的水平。

还有一个技巧是控制seed。ImageGen支持固定随机种子，同一个seed加相似的提示词，出图结果会比较接近。但完全固定seed又会导致画面太雷同，所以我的做法是：同一场景内的连续镜头用同一个seed，场景切换时换seed。这样既保证了场景内的连贯，又避免了全片画面重复。

3.3 VideoGen图生视频：运镜与节奏的把控

VideoGen把静态图转成视频，关键在于运镜方式的选择。漫剧常见的运镜有推、拉、摇、移四种。推镜头适合表现角色情绪逐渐强烈，拉镜头适合交代环境，摇镜头适合展示场景全貌，移镜头适合跟随角色移动。VideoGen里一般可以指定运镜方向和幅度，我建议幅度不要太大，漫剧的画面本来就偏静态，运镜太猛反而显得廉价。

节奏把控上，我一般让VideoGen生成的片段比实际需要的长一点，比如需要3秒就生成4秒，然后在ffmpeg剪辑时裁掉多余部分。这样做的原因是VideoGen生成的开头和结尾往往有轻微的画面抖动或变形，裁掉首尾能保证成片质量。这个经验是我踩了好几次坑才总结出来的，一开始直接用生成的完整片段，成片里总有几处莫名其妙的画面跳动。

另外要注意的是，VideoGen对输入图像的分辨率有要求。太低会糊，太高会慢。我一般把ImageGen的输出统一到1024x1024或1280x720，这个分辨率下VideoGen的生成速度和质量比较平衡。

3.4 音频制作：配音、配乐与响度统一

音频是很多AI漫剧新手最容易敷衍的环节，但恰恰是音频质量决定了成片的"专业感"。配音我一般用TTS工具生成，选音色时要和角色性格匹配，热血角色用清亮音色，沉稳角色用低沉音色。生成配音后，一定要用ffmpeg做响度统一，否则不同镜头的音量忽大忽小，观众得不停调音量。

ffmpeg调整响度用loudnorm滤镜，命令大概是这样：

ffmpeg -i input.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 -ar 48000 output.wav

这里的参数含义是：I是目标响度（-16 LUFS是网络视频的常用标准），TP是最大真峰值（-1.5 dBTP防止削波），LRA是响度范围。这套参数我用了很久，成片音量一致性很好。背景音乐同样要过一遍loudnorm，但目标响度可以设得比人声低一些，比如-22 LUFS，避免盖过人声。

提示：配音和背景音乐分开处理，最后在ffmpeg里混音。不要在一开始就把它们混在一起，否则后期想调整人声和音乐的比例就很麻烦。

4. ffmpeg合成与成片输出实战

4.1 视频片段拼接与转场处理

所有VideoGen生成的片段和音频准备好之后，就进入ffmpeg合成环节。最基础的拼接用concat协议：

ffmpeg -f concat -safe 0 -i filelist.txt -c copy output.mp4

filelist.txt里每行写一个片段路径，格式是file '片段路径'。用-c copy是无损拼接，速度快，但要求所有片段的编码格式、分辨率、帧率完全一致。如果片段参数不一致，就得重新编码：

ffmpeg -f concat -safe 0 -i filelist.txt -c:v libx264 -c:a aac output.mp4

转场处理上，漫剧一般用简单的淡入淡出就够了。ffmpeg的xfade滤镜可以做转场，但用法比较复杂，需要配合filter_complex。我的经验是，如果片段不多，转场可以在剪辑软件里手动加；如果片段上百个，那就用ffmpeg批量处理，写个脚本循环生成filter_complex字符串。

4.2 字幕对齐与硬字幕烧录

字幕对齐是个细致活。我的做法是先用配音的时长确定每个镜头的实际时长，然后生成SRT字幕文件，每条字幕的时间码和对应镜头的起止时间对齐。SRT格式很简单，就是序号、时间码、文本三部分。

烧录硬字幕用subtitles滤镜：

ffmpeg -i input.mp4 -vf "subtitles=subtitle.srt:force_style='FontSize=24,FontName=Microsoft YaHei'" -c:a copy output.mp4

force_style里可以指定字体、字号、颜色、描边等。漫剧字幕我建议用白色字加黑色描边，这样在任何背景上都看得清。字号不要太小，手机屏幕上24号字差不多是下限。

如果字幕量很大，建议先烧录字幕再做其他处理，因为字幕烧录会重新编码视频，放在最后做可以避免多次编码导致的画质损失。

4.3 输出参数选择与文件体积控制

成片输出时，编码参数的选择直接影响画质和文件体积。我一般用H.264编码，兼容性最好。CRF值控制画质，18到23之间比较合适，数值越小画质越好体积越大。漫剧这种画面相对简单的视频，CRF 20左右就能有不错的效果。

ffmpeg -i input.mp4 -c:v libx264 -crf 20 -preset medium -c:a aac -b:a 192k output.mp4

-preset控制编码速度，medium是速度和压缩率的平衡点。如果你追求更小的体积，可以用slow或veryslow，但编码时间会成倍增加。音频用AAC 192kbps对漫剧来说足够了。

文件体积的估算公式是：体积（MB）≈ 码率（Mbps）× 时长（秒）÷ 8。比如一部3分钟（180秒）的漫剧，视频码率2Mbps加音频0.192Mbps，总体积约等于(2+0.192)×180÷8≈49MB。这个体积在各大平台上传都没问题。

4.4 常见ffmpeg报错与排查思路

ffmpeg的报错信息有时候很晦涩，我整理了几个做漫剧时最常遇到的：

排查ffmpeg问题的通用思路是：先用ffprobe 文件名看文件的基本信息，确认编码格式、分辨率、帧率、时长；然后单独跑最简单的命令，比如只做格式转换，逐步加参数，定位是哪一步出的问题。不要一上来就跑复杂的filter_complex，那样出错了根本不知道是哪个环节的问题。

5. 效率提升与批量生产技巧

5.1 用WorkBuddy规则实现半自动化

当你的漫剧项目从单集变成系列时，效率就成了关键。WorkBuddy的规则系统可以帮你省掉大量重复输入。我一般会设定几套规则模板：一套是"角色出图规则"，固定角色卡和负面提示词；一套是"场景出图规则"，固定画风和分辨率；一套是"视频生成规则"，固定运镜幅度和时长。

这些规则设定好之后，新建任务时直接调用对应规则，只需要改画面描述就行。实测下来，这套方法能把单集的生产时间从最初的十几个小时压缩到三四个小时。当然，前提是你已经把第一集的所有参数都调好了，后面的集数基本是"套模板"。

WorkBuddy的skill还支持组合调用，你可以把"出图→图生视频→下载"配置成一个组合skill，一键跑完一个镜头的全部生成流程。这个功能在批量生产时特别香，我经常一次性把一集的所有镜头都丢进去，然后去干别的事，回来收结果就行。

5.2 批量处理脚本的编写思路

ffmpeg的批量处理靠脚本。Windows下用批处理或PowerShell，Linux和macOS下用bash。我一般用Python写，因为跨平台且逻辑清晰。核心思路是：遍历片段目录，生成concat列表，调用ffmpeg拼接，再叠加音频和字幕。

一个典型的批量拼接脚本大概长这样：

import os import subprocess clip_dir = "clips" clips = sorted([f for f in os.listdir(clip_dir) if f.endswith(".mp4")]) with open("filelist.txt", "w", encoding="utf-8") as f: for clip in clips: f.write(f"file '{os.path.join(clip_dir, clip)}'\n") subprocess.run([ "ffmpeg", "-f", "concat", "-safe", "0", "-i", "filelist.txt", "-c:v", "libx264", "-crf", "20", "-c:a", "aac", "-b:a", "192k", "output.mp4" ])

这个脚本能处理大部分拼接需求。如果要加字幕和背景音乐，再在后面追加对应的ffmpeg命令就行。脚本的好处是可复用，下一集只需要改目录名。

5.3 缓存管理与磁盘空间优化

做系列漫剧时，磁盘空间是个绕不开的问题。我的经验是：ImageGen生成的原始图保留，因为后续可能要重新生成视频；VideoGen生成的中间视频片段，确认成片没问题后就可以删了；ffmpeg处理时的临时文件要及时清理。

WorkBuddy的缓存目录要定期清理，但不要直接删整个目录，因为里面可能有正在使用的文件。我一般是在项目完成后，手动清理该项目的缓存子目录。另外，可以把缓存目录设到一个大容量机械硬盘上，固态硬盘留给系统和常用软件，这样既省钱又不影响速度。

如果磁盘实在紧张，可以考虑把生成的图像压缩存储。漫剧的图一般不需要无损，用JPEG质量90压缩，体积能减少七八成，画质损失肉眼几乎看不出来。

6. 版权登记与发布注意事项

6.1 AI漫剧的版权申请流程

AI漫剧的版权问题是个绕不开的话题。目前主流的做法是：对成片进行著作权登记，登记时如实说明使用了AI工具辅助创作。登记机构一般要求提交成片文件、创作说明、身份证明等材料。创作说明里要写清楚你的原创部分，比如剧本、分镜设计、角色设定、剪辑编排等，这些是你的智力成果。

需要注意的是，纯AI生成的内容在版权认定上存在不确定性，所以你在创作过程中要保留好过程文件，比如剧本草稿、分镜表、参数配置记录等，这些能证明你的创作投入。我一般会把每个项目的所有过程文件整理成一个文件夹，按日期归档，万一需要维权时能拿得出来。

6.2 发布平台的格式要求与适配

不同平台对视频格式的要求略有差异，但大体上都是H.264编码的MP4。分辨率上，横屏用1920x1080，竖屏用1080x1920。帧率25或30都行，漫剧对帧率不敏感。码率建议不低于2Mbps，否则平台二次压缩后画质会明显下降。

发布前一定要在手机上预览一遍。很多在电脑上看着没问题的字幕，到手机上就小得看不清；电脑上音量合适的配音，到手机上可能偏小。这些细节只有实际预览才能发现。

6.3 我踩过的几个典型坑

最后分享几个我做AI漫剧时踩过的坑，希望能帮你省点时间。

第一个坑是角色一致性。我早期做的一部剧，主角在第一集和第三集明显不是一个人，观众评论区直接指出来了。后来我老老实实做角色卡加参考图，这个问题才解决。角色一致性没有捷径，就是要把参考图和固定描述用到位。

第二个坑是音频响度。我一开始没做响度统一，成片里有的镜头配音大得像喊，有的小得像耳语。后来加了loudnorm滤镜，观感立刻专业了很多。这个环节花不了几分钟，但效果立竿见影。

第三个坑是ffmpeg版本。我有一次用了个精简版ffmpeg，结果做H.265编码时一直报错，查了半天才发现是编码器没编译进去。从那以后我只用完整版，再也没出过这个问题。

第四个坑是缓存目录。我早期没改缓存目录，结果C盘被塞满，系统卡得没法用。现在我的习惯是装完WorkBuddy第一件事就是改缓存目录，这个习惯帮我省了很多麻烦。

做AI漫剧这件事，工具只是辅助，真正决定成片质量的是你对节奏、画面、声音的理解。WorkBuddy和ffmpeg能帮你把重复劳动自动化，但分镜怎么设计、角色怎么塑造、情绪怎么传递，这些还是得靠你自己琢磨。我个人的体会是，先把一集做精，把每个环节的参数都调到满意，然后再考虑批量生产。一集做明白了，后面就是复制和微调的事。