AI漫剧新手必看2：AI制作连贯镜头-空间结构

【AI动漫资产库 · 第 2/19 篇】讲解如何用图片建立空间结构，实现 AI 动漫连贯镜头的空间逻辑。

😘AI漫剧新手必看2-AI制作连贯镜头-空间结构(图片建立空间结构方面的讲解)2026.05.23总结

你有没有发现，AI动漫的画面都非常跳跃！而且偏快节奏（眼花缭乱）的多，慢节奏的几乎没有？在大空间内的比比皆是，在小空间内的很少看到？让你走马观花的感觉。现在AI绝大部分作品也是这个问题。你只能看个大概，没法被故事带入情感！

现在AI动漫剧的难点，其实就出现在“快“这个字上。太快了！！！！！

动漫嘛！有个"慢“字。慢下来才是核心，也才能让故事正常推进，有人物沟通，有故事发展。你有没有想过，为什么慢不下来？

某实我认为最核心的原因，就是有一个反直觉的冷知识：那就是AI其实不适合拿来做连续剧情，所以大家都在做跳跃的内容。

AI的核心缺陷是"无叙事逻辑”：

AI只关注单顿画面的“好看”，但无法理解“系列分镜需要服务于故事连贯”。

但是分镜的本质是什么？分镜的本质是“视觉化的故事线”。所以AI天生是不能直接生成一个具有故事线的动漫，

如果你想要把故事线很好的讲述出来，就一定要人为干预。这也是我认为，AI不可能自主的完成一本动漫的原因。

但这也不意味我们无法通过使用AI就做出一个非常棒的动漫！只是要克服许多的问题！

今天我们来讲要克服AI动漫不连续的最大难题，就是空间结构，这个是我个人认为AI无法慢下来的根本原因。

现在各家的模型，基本都能解决“人物一致性“的问题了，但是空间结构的一致性，却鲜有人提！相信未来各家模型的主攻的解决方向，就会是这里！

构建分镜空间逻辑

误区：大家都在说人物一致性，但是空间一致性同样重要！

问题：**空间结构做的好加分，空间结构做不好大大减分！**不信你看这个

核心原则：

建立观众的空间感，固定的物品（房子、墙板、门、壁橱、桌子、椅子等等），它的空间位置就不能随意变换。

尤其是主要场景(经常要出现的场景)！

这里引用了景别递进逻辑!思维

1.通过远镜头建立空间感 整体房屋结构通过景别转换，建立的空间结构，给人强烈的记忆锚点

通过远镜头交代房屋整体布局，固定镜头下人物移动，其他物品保持静止，如《魔女宅急便》中琪琪从门口跑到厕所的镜头，一次性交代房屋结构。

2.结合近景镜头将观众带入房屋，交代房屋内部结构

远景锚定空间后，通过近景展示工作台、门窗等细节，使观众对场景产生立体认知，例如明确工作台朝向、窗外景象与室内物品的对应关系。

面包店全景图

此外，画面中出现的车子、柜子等等不动的东西，都是空间构成中重要的内容。所以我们在操作的时候，要注意这些。

观众有空间结构的好处：

• 1，超强的代入感！
• 2，很自然，比一般站着说话的动漫要丰富，更抓人眼球！产生记忆点！
• 3，看起来不割裂，换个词就是“顺眼”

如果空间结构混乱的，那么基本就是大大减分了，我们可以看下这个视频，注意桌子的位置。

人物虽然保持一致性了，但是场景没有保持，同时空间结构乱了。画面就感觉不连贯不自然，产生割裂感！

3.接受细微误差

核心物品位置需保持一致（如桌子、楼梯），次要细节允许误差，空间结构 + 物品相似度达到 80% 即可，避免过度消耗时间在非关键细节上。

4.次要场景不要费力构建

仅针对高频出现的主要场景（如主角卧室）构建空间结构，次要场景（如临时出现的超市）只需通过关键镜头交代功能即可，避免增加观众认知负担。

实操讲解

**分镜制作实操步骤 **

**1.建立分镜脚本 **

需在脑海中预先构建每个画面的动态效果，以琪琪面包店案例为例，分镜包括：琪琪看店、电话响起、接电话、与店主交谈、跑出门店五个核心场景。

**2.生成参考图 **

参考图质量直接影响最终效果，制作时间应多于视频合成时间。以远视图作为空间基础，明确固定物品位置，通过豆包生成多视图，选择最符合空间逻辑的图片。

**3.生成视频分镜 **

采用 "一个分镜一个分镜制作" 的方法，使用首尾帧推进或手帧固定镜头，保持色调统一，通过提示词控制镜头运动（如 "镜头缓缓推进，少女微笑靠在桌子上"）。

4.人物配音制作

使用 Minimax 生成语音，注意匹配人物口型，远景可粗略配音，近景建议使用数字人功能确保口型同步，日语配音可通过豆包翻译后生成。

**5.剪辑要点 **

分镜时长控制在 2-10 秒，保留优质帧数，适当加速处理；音效与 BGM 是关键，需匹配场景氛围；配音需对好嘴型，近景用数字人，远景可简化处理。

分镜脚本

这里我们来手写一下分镜脚本吧.

• 分镜1：琪琪在面包店中看店。
• 分镜2：电话突然响了，电话机跳了起来。
• 分镜3：琪琪兴奋的站起来接电话。
• 分镜4：琪琪和女店主交代，女店主答应。
• 分镜5：琪琪从店门口出去。

分镜参考图规划

在制作参考图前，我们还有几个重要的工作，就是先在脑海中拟定整个画面！当你脑海中有画面的时候，先对分镜脚本进行设置。

• 分镜1：琪琪在面包店中看店(首帧图，镜头从远处缓慢推近)这里需要有一个额外分镜，琪琪正面，这个做首尾帧。
• 分镜2：电话突然响了，同时电话机跳了起来（首帧图，固定镜头）
• 分镜3：琪琪兴奋的站起来接电话（首帧图，首顿是分镜1的额外分镜，尾帧是琪琪拿起电话，如果不行就多分一个额外分镜）
• 分镜4：琪琪和女店主交代，女店主答应（首帧图，女店主画面，首帧是女店主织毛衣，然后听琪琪讲话，然后再织毛衣）
• 分镜5：琪琪从店门口出去（首帧图，首帧空景，尾帧人物）

确立空间结构+主要场景（用豆包就够了！别整那么多花里胡哨的）

1.分镜1

我以一个魔女琪琪的分镜来做演示。（如果是自建角色的话，通常需要多轮对话完成，琪琪是知名角色·现在我生成一个琪琪的图片了，然后我想要一个空间图，因为现在只有面包房的一小部分！

帮我生成图片：根据这张图，画几张面包店的多视角图，空间结构固定化！

这次生成的第三张图还可以，但也没有清晰的展现空间结构。正确的沟通方式，构建空间结构！

分镜实例

提示词 使用公式 ——–

介绍：主要是给人物和场景起名，让AI知到谁是谁，那个场景是哪里

分镜*n（镜号+时间+运镜+画面描述+台词+转场+音效+台词）

负向提示词+质量提示词

实例1：

1 @图片 1 是店里的全貌，@图片 2 是店门口左边的窗户。@图 3 是角色 C, @图片 4 是角色 B, @图片 5 是角色 A。请严格按照我的分镜头制作镜头:

2 镜头 1: 0-3s, 角色 B 和角色 A 正在店内谈天，他们一边打扫，一边在交流。角色 B 显得非常开心。可以单独给他们两人一人一个镜头。固定镜头

3 镜头 2: 3-4s 特写，切镜至角色 A, 。她惊讶发现店门口的窗户上有一个人。固定镜头

4 镜头3: 4-5s 硬切，近景，是角色 C 趴在窗口，她只露出了半个脑袋，眼睛一直恶狠狠的盯着店里的角色 B。固定镜头

5 镜头 5：7-8s，硬切，近景，角色 B 单人在画框内，角色 B 愣住，然后露出一阵恶寒的表情。固定镜头

6 镜头 6：8-10s，硬切，近景，镜头切回角色 B，角色 B 依然是镜头 3 的表情，然后像老虎一样模拟撕咬的动作。固定镜头

7 镜头 7：10-12s，硬切，近景，角色 A 手驻额头，闭上眼睛，万分无语，喃喃自语道：“怎么这家伙也来这里了”。固定镜头

8镜头 8：12-13s，硬切，特写，角色 A 单人在画框内，露出了 “啊” 的表情，头上冒出 3 个疑惑的红色小问号

制作 细节 负向提示词 必须加上 “不要在画面底端出现字幕”,还有bgm

视频制作中 采取 参考分镜图 +切换关键帧的方式 指定 做转场效果 配合 画面描述 做到完美控制

整个视频 15S

实例2：

1 @图片 1 是店里的全貌，@图片 2 是店门口左边的窗户。@图 3 是角色 C, @图片 4 是角色 B, @图片 5 是角色 A。请严格按照我的分镜头制作镜头:

2 镜头 1: 0-3s, 角色 B 和角色 A 正在店内谈天，他们一边打扫，一边在交流。角色 B 显得非常开心。可以单独给他们两人一人一个镜头。固定镜头

3 镜头 2: 3-4s 特写，切镜至角色 A, 。她惊讶发现店门口的窗户上有一个人。固定镜头

4 镜头3: 4-5s 硬切，近景，是角色 C 趴在窗口，她只露出了半个脑袋，眼睛一直恶狠狠的盯着店里的角色 B。固定镜头

5 镜头 5：7-8s，硬切，近景，角色 B 单人在画框内，角色 B 愣住，然后露出一阵恶寒的表情。固定镜头

6 镜头 6：8-10s，硬切，近景，镜头切回角色 B，角色 B 依然是镜头 3 的表情，然后像老虎一样模拟撕咬的动作。固定镜头

7 镜头 7：10-12s，硬切，近景，角色 A 手驻额头，闭上眼睛，万分无语，喃喃自语道：“怎么这家伙也来这里了”。固定镜头

8镜头 8：12-13s，硬切，特写，角色 A 单人在画框内，露出了 “啊” 的表情，头上冒出 3 个疑惑的红色小问