豫章论道|宇歌文化心虎:AI漫剧精品“一键流”——1小时做1部S级漫剧

| 流媒体网| 2026-10-30

【流媒体网】摘要：导演思维LoRA如何破解AI漫剧质量痛点？

　　10月29日至30日，由流媒体网携手江西广电智媒科技股份有限公司、中国电信江西公司、中国移动江西公司、中国联通江西省分公司联合举办的「豫章论道暨第32届智能视听与科技创新产业论坛」在江西南昌举行。本届论道以“涌现·争流”为主题，设置多场论坛并配套展区、闭门会和行业交流活动。

　　来自广电新媒体、广电网络、通信运营、互联网平台、内容机构和技术企业等领域的代表齐聚南昌，围绕人工智能、AIGC、超高清、智能体、大屏运营、内容创新和产业协同等议题展开密集交流。

　　在10月29日下午举办的“深耕·新场景：业务运营论坛”上，宇歌文化传播（上海）有限公司创意总监心虎发表了主题为《AI漫剧精品“一键流”——1小时做1部S级漫剧》的演讲，他介绍了宇歌文化自研的AI漫剧“一键流”工作流，并分享了其核心壁垒“导演思维LoRA”的构建逻辑，为行业带来有益参考。

　　以下为演讲全文：

　　大家下午好。我简单介绍一下我们的“一键流”。现在市面上有很多“一键流”，我们是其中之一。我们与其他家的区别是什么？打个比方：大家都知道宫保鸡丁，大酒店也会做宫保鸡丁，酒店装饰得富丽堂皇，你去吃价格会比较贵，但味道其实不怎么样；我们可能是一家苍蝇小馆，但味道很好，价格便宜。就是这么一个区别。

　　具体来讲这套流程：把脚本输入进去，然后什么都不用管，点一下，它就自动帮你全部跑完。从脚本开始，它运行的流程是拆剧本、写提示词、提交任务——这基本上是一个手搓的流程，而“一键流”就是把这套流程“啪”地一下点一下，等待即可。理论上来说，只要API不限制并发上限，就能做到一部剧小时级完成。

　　这里讲一下从“能生成”到“能成片”的区别。以前我们最早做片子时，脚本过来需要人工拆解：拆成集数、拆成场景、拆分镜等等；提示词也需要人工去写，还要找参考，很费时，写得不好，整个片子可能就废掉了，相当浪费时间；人物图、场景图等资产以及视频节点还要反复搬运，导致效率非常低下；串行等待也拖慢生产，可能要二十几分钟甚至更长才能生成一个视频，再去剪辑。基本上手搓一天做不了大概两分钟的量；正常情况下S级或A级的片子，最多也就一分钟的产出。

　　我们的“一键流”只需要干两件事：一是脚本输入；二是上传资产图。资产图我们建议自己生成——现在AI直接生成的资产图，做普通内容没问题，但要做精品、做个性化、做有质量的内容，还是要自己生成。我们自己生成完成后导入，只要导入这两个东西，点一下，就能自动生成。

　　这张图就是整套流程的节点流程图：上传剧本、上传资产图、点击运行。事实上，它背后运行的逻辑是：第一步，语言脚本由AI自动拆分，通过语言模型解析，生成“导演台本”；第二步，基于导演台本生成镜头的提示词；第三步，通过提示词调用API完成视频生成；最后自动剪辑。最核心的地方在哪里？就是大家看到的“导演思维LoRA优化的提示词”，这是独特的配方所在。宫保鸡丁的配方，醋、酱油大家都差不多，但配比是多少、火候是多少，是很讲究的，导致烧出来的菜味道完全不一样。我们的核心就在这里。

　　我们一直以导演思维为驱动。我最早是做传统动画的，以传统导演思维覆盖整个流程。很多家是以技术驱动，我们是以导演思维驱动，所以做出来的流程一定不一样。

　　第一步是剧本理解。很多平台做“一键流”是不做导演台本的，脚本拿过来直接用语言模型拆分，这会导致几个问题：一是算力紧张时任务被简化，生成的提示词质量很差。我们是把它拆分成导演台本。导演台本有两个作用：第一，文字稿脚本有些编剧写得并不好，属于文学稿，转化成导演稿时，需要补齐逻辑关系，包括人物的方位、台词的优化等等，导演台本做的第一件事就是逻辑的梳理；第二，原始文字稿往往缺少人物情绪的张力，比如台词里写“我沉默了”“我高兴了”，但“沉默”“高兴”到底是什么状态？导演需要做批注，而这个批注决定了后面的写法。在这两个基础上，导演台本输出之后，才能做出高质量的提示词。

　　第二步是镜头文本生成镜头提示词。这需要根据你的需求来做，因为每个视频平台的提示词工程结构是不一样的。比如用某平台的API，就要研究它的提示词工程结构；如果用开源模型，就要研究开源模型的结构。不是一套固定的提示词就能通吃所有平台，出来的结果会千奇百怪。哪怕是Seedance这个平台，你接的是2.5还是2.0，甚至是FAST版本，提示词都会有讲究。也就是说，你不但要懂得导演思维，还要懂平台本身的视频工程提示词，这两者相加，才能出来一个“一键流”。

　　第三步是资产连接。通过平台上传资产后，后台开始跑数据。我们的核心就是导演思维的LoRA训练，一句话概括：让AI生成的每一个镜头先经过一次导演视角的优化。不是追求这个镜头多么漂亮、色彩多么丰富、打斗多么激烈，导演思维要告诉它：你为什么要这样做？你能让观众感受到什么？这才是导演思维。

　　举个例子，我们训练的LoRA：夜晚，男主站在城墙上看着远方的军队——很多脚本给到你的可能就是这么一句话。要把它转换成导演台本，需要这样的处理：远景，压制的城墙与沉寂的夜色，男主背影，头顶篝火勾出轮廓，反打至手部特写，收紧的拳头，承接战前的压迫感等等。经过这样的处理再给提示词，做出来的东西才会相对符合你的期望。

　　我们的LoRA设置了六个维度：一是戏剧的目的——这场戏推进什么、讲的是什么；二是景别与构图——应该是怎样的构图，纵深、中景还是远景；三是镜头运动——运镜应该是怎样的；四是演员的情绪表演——不能只说“哭”，是怎么个哭法？先笑还是后哭？都不一样；五是节奏卡点——什么地方应该停、什么地方爆发、什么地方嘶吼、镜头怎么衔接；六是前后衔接——我们现在30秒生成的最大问题是前后镜头接不上：前30秒生成得很好，后30秒却发现两段对不上，怎么把它们接起来？这也需要提示词工程去做链接。

　　这套体系的价值在于可复用。比如镜头语言的执行、风格的控制，以及人工沉淀的导演思维，这套东西会不停地蒸馏、迭代到导演LoRA里去，所以它是一个不断发展的过程。导演思维的LoRA，也就是我们所说的导演思维的Skill，是我们在做AI漫剧的过程中不断修正的：通过提示词与实际结果的反复比对进行修正，再导入Skill里做迭代。我们也积累训练与实操经验做优化，反复迭代，让它永远保持最新。