爆火的修仙 AI 漫剧,用 Sora2 这样做!保姆级工作流,看完就能上手

爆火的修仙 AI 漫剧,用 Sora2 这样做!保姆级工作流,看完就能上手

AI漫剧火出圈了!有数据显示,2025年市场规模预计突破200亿元,各大平台纷纷扎堆布局。 与传统拍剧相比,AI漫剧不用请演员、不用搭实景,几天就能完成一部,成本大幅降低,效率翻倍提升。

赚钱路子也清晰:用户付费解锁后面的剧情,再加上平台广告分成。

目前市面上的 AI 漫剧,大多还是靠人工一点点 “搓” 出来的,不仅费劲,制作周期也不短。

今天我用coze工作流,教你一键生成修仙类的AI漫剧视频---只需要输入一个标题,10分钟就一键成片。先看下生成后的视频效果👇

修仙漫剧

工作流拆解

之前我写过一个“小说推文”工作流Coze 神操作!小说推文从文案到视频,一键搞定(教程甩这了),很多粉丝希望里面的人物可以结合剧情动起来。现在有了sora2,这个难题就有解了。

这个工作流就像一条短视频“流水线”,从故事生成到最终剪辑,全部自动完成。

整体工作流如下图:

图片

工作流的核心步骤:

1)根据主题生成分镜脚本;

2)生成分镜图片

3)开始制作分镜视频

4)等待所有视频生成;

5)将视频数据添加到剪映草稿;

6)返回草稿id

创建工作流

1、登录Coze平台 https://www.coze.cn/

2、点击 “开发平台->个人空间 ->资源库-> 资源”

3、点击 “工作流”,填写工作流的名称和描述,名称只能用英文或拼音,我一般用拼音表示。

图片
1,设置开始节点

开始节点需要设置2个变量,分别如下

参数

说明

示例

input

故事主题(必填)

“独居女人”

mihe_key

米核AI作图密钥(必填)

需自行申请

图片

米核AI密钥可通过http://miheai.com/?share_id=14987 注册获取,

注册即送7天VIP,免费使用80+实用工作流。

2,生成分镜脚本

分镜脚本是视频的灵魂。所以这里的提示词很关键。

大模型使用DeepSeek-V3.1,也可以使用豆包系列有深度思考能力的大模型。

  • 输入input: 开始节点的input

图片

系统提示词如下,需要提示词的同学一键三连后,文末加我领取

在提示词里指定了生成3宫格仙侠国风动漫剧本,而且要保证角色一致性和对话归属清晰。总共生成5个镜头,每个镜头包含图片提示词和sora2视频提示词。

图片

用户提示词:

图片

最后输出分镜脚本数组:

图片

设置异常处理,如果大模型处理任务超时,自动切换备选模型重试。

图片
3,生成分镜图片

使用【循环】节点依次生成分镜图片。

图片
3.1 【循环】节点设置

图片
3.2 【文本处理】节点拼接图片提示词

可以灵活调整图片风格。

图片
3.3 使用【即梦图片生成】插件生成配图

图片
3.4   使用扣子官方的【调整】节点,优化图片的亮度、对比度和饱和度

图片

4,开始制作分镜视频

【循环】节点按照视频提示词,调用sora2插件开始制作分镜视频。

图片

4.1 【循环】节点依次生成视频

图片

4.2 【文本节点】拼接视频提示词

图片

4.3 生成sora2的视频任务

使用【SO视频生成】插件的r_so_generate_video生成sora2视频。

选择竖屏高清模式,每个视频时长15秒,使用生成的分镜图片进行垫图。

视频生成约需7-9分钟,返回任务ID用于状态查询。

图片
5,查询任务状态,直到视频生成

根据任务id查询视频是否完成。如果视频的url有值,说明视频已经生成,则结束循环。否则定时器等待30s,继续查询。

图片
5.1获取第一个视频任务id

图片

5.2 根据任务id查询视频生成状态

【循环】节点的循环类型是无限循环。

图片

循环体设置如下。

使用【SO视频生成】插件的r_task_info方法根据任务id查询视频状态。

这部分在我以前的sora2工作流都有详细讲解,这里不再赘述。

图片

5.3 去除空数据

【循环】节点返回一个带很多空字符串的列表,所以使用【常用代码块】插件去除空数据。

图片
5.4 因为有5个视频任务,每个任务都是一样的查询流程,只是任务id不一样。所以复制上面5.1~5.3的所有节点,其他4个视频任务也是同理操作。

6,合并视频链接

使用【代码】节点合并视频链接。

图片
7,切割视频

使用【循环】节点依次切割掉每个视频的前1.5秒。

图片

每个视频的前1~1.5秒是静态图片的效果,还没进入故事节奏,所以为了故事紧凑,可以剪切掉这部分内容。使用扣子官方的【视频剪辑工具】的video_trim方法来实现这个功能。

图片

8,生成视频数据并添加到剪映草稿
8.1 自定义视频时间线

设置5个视频片段,时长总共为65秒。

图片
8.2 创建剪映草稿

图片

8.3 制作视频数据

图片
8.4 添加视频数据到剪映草稿

图片
9,查看视频效果

结束节点返回草稿id。

图片

将这个草稿id复制到电脑端的剪映小助手工具,点击创建剪映草稿。

等待草稿处理完成,就能在剪映专业版中看到完整的视频草稿了!整个过程无需手动剪辑。

总结

大白已经写了好几个sora2的工作流了。可以发现sora2的工作流,它们的流程不复杂,最难和最关键的是分镜脚本。如果想生成其他题材的漫剧,可以修改提示词里的题材、画风。感兴趣的同学可以动手练习一下。

今天的工作流拆解就到这,我们下期拆解更好玩的!

🎯 获取完整资料

需要完整提示词资料,评论区留言【仙侠提示词】, 关注 + 点赞 ,扫码找我领取!

🚀 进阶学习

如果你希望系统学习AI智能体,欢迎加入我们的付费社群,你将获得:

✅ 230多个工作流模板直接导入使用,每周还持续更新中

✅ 系统化智能体课程,针对0基础小白

✅ 一周6天密集的社群答疑,可语音和远程;就怕你不问,否则教会你为止;

✅ 会员享受米核AI插件的冰点价格,秒杀市面上的插件价格,帮你省钱;

✅ 和一批各行各业大佬,伙伴一起成长,社群学习讨论氛围浓厚

从小白到高手,全程陪伴!扫码留言【AI社群】,立即上车。

Read more

.NET/JAVA集成GoView低代码可视化大屏完整案例详解【.NET篇】

.NET/JAVA集成GoView低代码可视化大屏完整案例详解【.NET篇】

文章目录 * 一、GoView简介 * 二、.NET集成GoView方案 * 三、集成步骤详解 * 1. 环境准备 * 2. 获取并构建GoView * 3. 创建.NET项目 * 5. 修改.NET路由配置 * 6. 配置API接口 * 7. 修改GoView配置 * 四、进阶集成方案 * 1. 身份验证集成 * 2. 动态主题切换 * 3. 数据缓存优化 * 五、常见问题解决 * 1.跨域问题: * 2. 静态文件404错误: * 3. API请求路径问题: * 4. 性能优化: * 六、总结 一、GoView简介 GoView 是一款基于 Vue3.x 构建的低代码数据可视化开发平台,它允许开发者通过简单的配置快速构建各种数据可视化大屏。 * 官网文档:

前端新手必学:5分钟搞懂import.meta.glob

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 点击'项目生成'按钮,等待项目生成完整后预览效果 输入框内输入如下内容: 创建一个面向新手的import.meta.glob教学示例,要求:1. 使用最简单的项目结构 2. 分步骤解释功能原理 3. 提供可一键运行的代码 4. 包含常见问题解答 5. 使用比喻和图示辅助理解。生成Markdown格式的教学文档和配套示例代码。 最近在学习Vite时发现一个超级实用的功能——import.meta.glob,它能让模块导入变得像查电话簿一样简单。作为刚入坑的前端小白,我把摸索过程整理成这份指南,用最直白的方式帮你快速上手。 1. 什么是import.meta.glob? 想象你有个装满照片的文件夹,传统方式需要手动记录每张照片路径才能查看。而import.meta.glob就像给文件夹装了扫描仪,

SpringBoot+Vue Web农产品直卖平台平台完整项目源码+SQL脚本+接口文档【Java Web毕设】

SpringBoot+Vue Web农产品直卖平台平台完整项目源码+SQL脚本+接口文档【Java Web毕设】

💡实话实说: 有自己的项目库存,不需要找别人拿货再加价,所以能给到超低价格。 摘要 随着互联网技术的快速发展和农村电商的兴起,农产品销售模式正经历着深刻的变革。传统的农产品流通环节多、成本高、信息不对称等问题严重制约了农民增收和消费者体验。为了解决这些问题,搭建一个高效、便捷的农产品直卖平台成为迫切需求。该平台旨在连接农产品生产者和消费者,减少中间环节,提升交易效率,同时保障产品质量和溯源信息的透明化。关键词:农产品直卖、农村电商、互联网技术、产销对接、交易效率。 本项目采用SpringBoot作为后端框架,结合Vue.js前端技术,构建了一个功能完善的农产品直卖平台。系统实现了用户注册登录、农产品分类展示、购物车管理、订单支付、评价反馈等核心功能,同时支持商家管理商品和订单。后端使用MySQL数据库存储数据,并通过RESTful API接口与前端交互,确保系统的高效性和可扩展性。此外,平台还集成了第三方支付接口和物流信息查询功能,为用户提供一站式购物体验。关键词:SpringBoot、Vue.js、MySQL、RESTful API、第三方支付。 数据表设计 用户信息数

SAM 3开源大模型部署教程:Docker镜像+Jupyter+Web三模式详解

SAM 3开源大模型部署教程:Docker镜像+Jupyter+Web三模式详解 1. 为什么你需要SAM 3——不只是分割,而是理解视觉内容 你有没有遇到过这样的问题:想从一张杂乱的街景图里快速抠出所有行人,或者从一段监控视频中持续追踪某个包裹?传统方法要么需要大量标注数据,要么得写一堆OpenCV规则,费时又难泛化。SAM 3不一样——它不靠预设规则,而是像人一样“看懂”画面:你点一下、框一下,甚至只说一句“那个穿红衣服的人”,它就能立刻识别、分割、跟踪。 这不是概念演示,而是已经能跑在你本地机器上的真实能力。SAM 3是Meta(Facebook)推出的统一基础模型,专为图像和视频中的可提示分割设计。它把检测、分割、跟踪三个任务融合进一个模型,支持文本提示(如“cat”、“bicycle”)、点提示(单击目标区域)、框提示(拖拽包围目标)、掩码提示(粗略涂鸦)等多种交互方式。