我做AI绘画副业两年多，踩过最大的坑就是人物不统一，上一秒还是麻花辫小姑娘，下一秒就换个脸。后来才摸清门道，得先用豆包把人物形象固定死，后面所有图片、视频才能保持一个人。这套流程我跑通之后，从写剧本到出成片，一条视频只要一个下午。
先说个真实的翻车现场。我第一次做这类视频，提示词里只写了”小女孩、麻花辫、粉色短袖”，结果生成的人物没有腿。后来才反应过来，鞋子没写进去，AI就默认只画上半身。别笑，这个坑特别多人踩，下面每一步我都会把容易出错的地方标出来。
固定人物形象
打开豆包，把固定人物的提示词模板复制进去，然后在上面加上人物设定。比如：一个8岁小女孩，双麻花辫，粉色短袖，白色短裙，白色凉鞋，头上戴粉色发卡。注意，全身照、正面、站立，这几项必须写清楚。
我对着一开始生成好的形象不太满意，因为背景太乱。就在对话里加了一句”纯白色背景”，重新生成，选一张最满意的保存下来。这张图就是后面所有操作的”人物底图”。
换衣服怎么操作？去小红书或者淘宝搜”小女孩穿搭”，找一张你觉得好看的搭配图保存下来。返回豆包，把穿搭图发过去，加上固定话术：图一小女孩的拍照姿势不变，发型不变，换成图二的短袖和裙子，鞋子也换。生成后保存，人物就换好新衣服了。
这里有个关键细节：每次换完装，要盯着图片检查手指、脚有没有残缺。AI生成的人物经常出现六根手指或者脚部模糊，发现问题就重新生成，别偷懒。
AI生成故事剧本
人物搞定后，下一步是故事剧本。不会写剧本很正常，让豆包帮你写。
把写剧本的固定模板复制发给豆包，然后在里面修改补充，我一般会加上这些信息：山东农村、夏天、晴天、小女孩和爷爷奶奶的农村生活。如果你想写”赶大集”这个题材，就补充具体情节，比如爷爷带小女孩赶集，买了糖葫芦和新裙子。想写什么就往里加什么，把骨架搭好，豆包会给你填肉。
剧本开头要加”黄金三秒”能吸引人的设定，字数要求改成1500字。这个字数刚好够做一分钟左右的视频，太少了内容单薄，太多了剪辑费劲。
AI生成分镜脚本
剧本有了，接下来要把剧本变成能直接用于视频生成的分镜脚本。这一步我用DeepSeek，它有固定的脚本模板。
把豆包生成的剧本复制粘贴到DeepSeek的脚本模板里，故事主体这块需要自己写一下，就是把人物描述放进去。比如：8岁女孩彤彤，双麻花辫，粉色短袖，白色短裙，白色凉鞋。然后发给DeepSeek，它就会把剧本拆成一个个分镜，每个镜头包含画面描述、台词、动作。
这里分享一个小经验：DeepSeek生成脚本后，自己还是得看一眼，觉得哪里简单了就手动改一下。比如”爷爷扛着锄头走进院子”，我会改成”爷爷扛着锄头，从院门口慢慢走进来，步子有点慢，看见彤彤就笑了”。画面描述越具体，后面生成图片就越省事。
固定场景设计
场景不固定的话，每张图片背景都不一样，视频连起来看会很跳。这一步还是在豆包里操作。
先找一个喜欢的场景图，比如北方农村小院，发给豆包说”反推提示词”，它会把这个图片的提示词分析出来。然后把复制出来的提示词粘贴到DeepSeek，让它优化成一条适合场景固定的提示词。再回到豆包，把优化后的提示词发过去，加上一句固定话术：”这是我的小院，请保存。”
按这个方法，把小院的大门口、卧室、厨房、客厅分别固定下来。以后生成任何分镜图片，直接调用对应场景就行。
生成分镜图片
脚本和场景都准备好了，现在用即梦生成分镜图片。
打开即梦，选图片生成，模型选4.0，比例选4:3，这个比例很重要，后期生成视频时保持一致才不会变形。把脚本里”有人的”分镜内容粘贴进去，在角色选择那里，把固定好的彤彤、爷爷、奶奶的图片都上传上去，分别标记。比如50岁爷爷对应图三，小女孩彤彤对应图一，奶奶对应图二。然后发给即梦。
生成后先别急着高兴，放大检查一遍再保存。水印问题我会在下面专门讲。
图片生成视频
分镜图片选一张最满意的，用豆包生成视频。
点AI创作里的视频生成，把图片传上去。这里有个顺序要求：场景图放最前面，人物图放后面，顺序反了视频画面比例会乱。视频时长选10秒，比例选原比例，这样能保证4:3的画面不被裁切。视频生成模式下有个固定话术，把分镜脚本里对应的画面描述粘贴进去，如果默认的生成效果不错就不用改。
豆包生成的视频会带水印，直接用会显得很业余。我的解决办法是用一个小程序去水印，把视频链接复制进去处理一下再导出。当然如果画面表现得特别自然，水印位置又刚好不影响观看，也可以先留着。
视频剪辑、字幕与导出
所有分镜视频都生成好之后，用剪映把它们按顺序组装起来。
开场先加音乐，我在抖音收藏里选一首适合的BGM。音乐开头如果有空白段，用分割把前面多余的部分剪掉，再把音频拖动到视频起点。画面切换的地方加一点转场效果，不用太复杂，基础转场就行。
添加字幕用剪映的”识别字幕”功能，跑一遍就能自动生成。识别完后如果字体难看，点样式里换一个，但颜色我建议还是用黑色底白边，观感最清晰，花字看起来花哨，实际上很廉价。
剪辑完导出时选2K分辨率。导出后我还会用wink做一次画质修复，它的超清模式会明显提升画面的细腻程度，短视频平台压缩后依然能保持清晰度。
封面制作与去水印
封面直接影响点击率，这一步别省。打开美图秀秀，选拼图，挑3到4张最有代表性的分镜图，比例选3:4，高级编辑里打开无缝融合，让图片之间过渡自然。
[图片缺失：美图秀秀拼图：3:4比例+无缝融合做封面]
拼好后加标题文字。我习惯用剪映添加字幕，字体选粗一点、显眼一点的，放在封面上方或中间。颜色可以选稍微亮一点的，但别用太花的渐变，影响辨识度。
最后再统一检查一遍视频有没有残留的水印。豆包生成的视频用微信小程序去水印，即梦生成的图片水印，可以分享到抖音保存无水印版。这个环节要花点时间，但成片干净很多。
这套流程走完，一条完整的童年治愈系动画视频就出来了。第一遍做别着急，固定人物和场景这两个步骤最花时间，后面就顺了。你先从固定一个小女孩形象开始试，跑通一个10秒的片段，再考虑做完整故事。做得多了，各个工具的提示词模板你自然就会自己改了。
视频教程下载
文章可能无法完整分享清楚，下面是原项目视频教程，粉丝朋友可以自行下载学习。提前说明：资源链接内可能会存在引流广告信息，请自行甄别。
百度网盘：
