AI赋能内容创作早已不是新鲜事，但如何真正“快速高质”产出一条可分发的解说漫画视频？本篇将拆解一个完整流程，从文案生成、脚本设计、漫画创作到视频剪辑与配音，帮助你理解文生视频的全链路操作方式，探索如何将AI工具变成你的创作助理。

开头先啰嗦两句，之前我的很多关于AI的分享，内容主要是涉及到AI的业界进展和个人研究的心得。期间时不时就有朋友问我说能不能讲讲日常使用AI的一些心得技巧。于是乎，我计划开启一个新的系列——“AI应用教学”，计划是聚焦到一个小的应用场景，全流程拆解它的步骤，既讲操作，也讲过程心得经验。

希望大家会喜欢。

场景拆解

我在之前发布的关于探讨假如AI可以完美复刻过世之人的视频中，就插入了一段关于“忒修斯之船”的解说漫画视频。后来就有朋友好奇，这样的解说漫画视频，是怎么制作出来的？于是，我也就顺着这次机会，打算开启一个新的系列“AI应用教学”。不定期地把我在日常中应用AI的一些场景或技巧，其中的一些落地细节，全流程地一一整理，分享给大家。

回到我们这次要分享的场景——解说漫画视频，先说说它的适用场景：针对一些相对通行的概念或事件，进行动画化的演示说明。“相对通用”，意味着我们只需要给AI说明该概念即可，而不必去详细构想每一幅画面。动画化演示，意味着是“先生图再图生视频”，“图生视频”尤其是动画，对真实性要求也没这么高，当前的AI是完全可以胜任的。我全程使用的是AI产品，是字节跳动出品的“豆包”。

具体而言，我们可以将这个场景，拆分为三个步骤：

1. 针对要解说的“概念”，用AI拆解说明步骤并生成对应的图片。
2. 针对各个图片，生成动态的视频。
3. 将各个视频进行拼接，并配上配乐、旁白、字幕等内容，剪辑成片。

接下来，我们就针对这些步骤，进行详细介绍。

第一步：生成图片

第一步先使用AI对我们要解说的概念或事件进行“步骤拆解”，并基于拆解的步骤，生成对应的配图。这里严格来讲，步骤拆解、生成配图，是“两个步骤”。前面我们就有提到，对于相对通行的概念或事件，比如我本次想要解说的是哲学上著名的“忒修斯之船”悖论，AI预训练的内容肯定是有包含的。所以我在操作时就将它合并为一步直接进行处理了。

比例 「9:16」帮我创作一系列的漫画风格的图片，介绍“忒修斯之船”悖论（以及它的另外组建新船延伸讨论），上面不要有任何文字

如各位所见，我的提示词相当地简单。当然，如果你要解说的概念或事件比较陌生，也可以先通过向AI描述，让AI来拆解具体步骤（可以告诉AI后续需要制作解说漫画，具体需要AI拆解为五个步骤之类的）。拆解后再将每一张图片的内容合并，作为生成图片的提示词。

当然，生成图片这里仍然有可能遇到生成出来的图片并不合我们心意，比如我生成的第一个版本，我就觉得画面过于复杂。此时就要尝试让AI多生成几次，挑选合适的版本（业内俗称“抽卡”）。至于具体如何操作，就要看遇到的“不合心意”的情况，比如风格是对的只是不够美观，那就直接再次生成；又比如风格或内容方向不对，那么就修改提示词后再次生成。而豆包是支持直接通过对话来修改图片的，因此我也就偷了个懒，直接通过对话来引导豆包生成其他的风格的图片了。

经过3次的对比，我最终挑选了“简笔画”这个风格的图片，作为下一步“图生视频”的素材。（实操过程中还有针对个别图片进行进一步调整，此处不再一一展示。）

第二步：图生视频

完成了图片素材的生成，就可以进入到第二步，“图生视频”。具体的方式是将生成的每张图片分别作为该次视频生成的参考图片，并补充希望转成视频后，画面如何运动的描述，也就是对应的提示词。

类似的任务，目前国内的各大视频生成AI产品都可以满足，包括我前面用来生成图片的豆包，它也可以支持“图生视频”。我们只需要选择“视频生成”的技能，点击打开具体的图片，将其添加为参考图，再加上对应的视频画面描述即可（比如我截图描述的就是“帆船在大海中航行”）。如果各位使用的是其他的AI产品，操作过程应该也是类似的，只不过需要多一步“下载再上传图片”的操作而已。

同样地，如果遇到生成出来的视频并不合我们心意，处理方法和前面所说的类似，“抽卡”应对之。而由于我这次的图片相对简单，所以也没有在这里花费太多时间。不过得多提一句是，生成视频所需要耗费的资源（Token）远高于生成图片。因此在前面描述画面时建议尽量想齐全想清楚并表达准确。至于如何做到，可以多学习平台上优秀作品的提示词，更多的是多去实践，才能熟能生巧。

第三步：剪辑成片

将每个步骤的配图都生成视频后，就可以作为素材进行拼接，并附上配乐、解说、字幕等内容，最终剪辑成片了。

我在本次的“忒修斯之船”的案例中，由于录制视频时我原本设想的是口头表达，当时还没想到要用“解说漫画”来替代。所以我其实是先录制了口头的解说，再用视频上去匹配的。如果你是把这一步放到最后，那么可以继续利用AI，让它生成对应的解说词（具体如何控制文案长度、风格这里就不展开了），然后自行录制或者使用AI来生成对应的旁白。

如果各位是希望尝试AI生成旁白（事实上如果不是先录制好了我自己的解说，我肯定会尝试用AI来生成），那么我可以推荐另一款产品，由Minimax稀宇科技出品的Hailuo AI的“声音生成”。它最新的Speech 02模型，增加了Voice Design声音设计的能力，可以支持用户选择各类声线、各类语调乃至于通过自然语言描述的音色来生成音频。这对于我们想制作解说漫画视频，可谓是无比适配。

旁白也准备好了，我们就可以将它们拼接在一起。

这里我使用的是产品倒没什么特别，就是“剪映”。

需要补充的一点经验就是，因为生成视频的长度往往是固定的（比如5秒、10秒），而对应的解说旁白则不可能刚好对齐。此时处理就比较简单的，可以音、画两边都尝试变速，在尽可能小影响的范围内对齐即可。

额外的一些总结

我在去年开发自己的AI课程时，针对AI生成图片/生成视频的领域，总结过当时面临的三大挑战：

1. 肢体的协调性，尤其是生成人物的手指；
2. 文字的生成，去年时的AI生图还无法处理文字，但这方面随着近半年的快速迭代，已经可以说是基本被解决了；
3. 角色一致性，也就是生成多张图片时是否能保持其中角色形象的一致性。

而我之所以使用豆包来生成，很重要的一点是它在第3点的角色一致性上有长足的进步。这里再提供我利用豆包生成的另一组图片，让大家可以更好地感受豆包生图的角色一致性。

在这一组名为“AI时代下产品经理的工作变化”为主题的5幕图片中，可以看出，其中的主人公形象是保持一致的。

同样地，细心的朋友或许会发现，我所使用的都是偏向漫画的风格，这当然是经过老考量。如前面所说，AI生图在图像的真实性上仍有不足（也就是说AI生成的图片在真实性上还是比不过摄影作品）。而像漫画这样的风格，画面内容相对简单，也对于画面的真实性没有过高的要求，此时AI就可以很好地胜任，非常适配像解说概念或事件这样的场景。

与此同时，我们也期待迭代进化“一日千里”的AI，能够在多模态领域持续进步。或许在不远的某一天，我们就可以用上更真实、更易用、更强大的多模态AI产品。