AI漫剧制 | 第 18 天：AI漫画的叙事结构——如何让AI讲好故事

第 18/60 天

引言

叙事结构是漫画的灵魂。分镜再精美、角色再一致，如果故事讲不好，读者依然会流失。许多 AI 漫剧创作者发现，AI 擅长生成单张精彩画面，但要让 AI 理解”起承转合”、”三幕结构”、”节奏张弛”却异常困难。你扔给 AI 一段小说文本，它可能生成 10 张构图雷同的场景，或者情绪曲线完全扁平。本文从叙事理论出发，系统讲解如何设计 AI 漫画的叙事结构，让 AI 真正学会”讲故事”。

核心概念

什么是叙事结构？

叙事结构是故事的组织框架，决定事件如何展开、信息如何释放、情绪如何起伏。漫画作为一种视觉叙事媒介，其叙事结构包含三个层面：

漫画经典叙事模型

三幕结构（好莱坞经典）：
– 第一幕（Setup，25%）：建立世界观、引入角色、设定冲突
– 第二幕（Confrontation，50%）：冲突升级、角色成长、转折点
– 第三幕（Resolution，25%）：高潮对决、剧情收束

起承转合（东方叙事）：
– 起（Ki，15%）：开场引入
– 承（Sho，35%）：展开发展
– 转（Ten，35%）：转折高潮
– 合（Ketsu，15%）：收束结局

漫画 4 页短篇节奏公式：
– 第 1 页：引子 + 冲突信号（3-4 格）
– 第 2 页：展开 + 升级（4-5 格）
– 第 3 页：转折 + 高潮（5-6 格，大格突出）
– 第 4 页：收束 + 余韵（2-3 格，留白）

AI 叙事的关键限定

AI 大语言模型在生成故事时，存在几个天然局限：
1. 局部最优：AI 倾向于让每句话都”合理”，但缺乏全局叙事弧线
2. 情绪平坦：没有显式指令时，AI 不会主动制造情绪起伏
3. 重复模式：AI 容易重复使用相似的句式、场景类型和情节转折

实战步骤

步骤 1：用结构化提示词设计三幕叙事大纲

首先，用 LLM 生成分幕故事大纲。关键是要给 AI 明确的”叙事约束”而非”自由创作”。

{
  "narrative_structure": {
    "type": "three_act",
    "total_pages": 16,
    "acts": [
      {
        "name": "Act 1: Setup",
        "pages": 4,
        "tone": "intriguing, slightly mysterious",
        "key_events": [
          "主角在日常场景中展现特点",
          "收到神秘信号/邀请",
          "决定踏上旅程/接受挑战"
        ]
      },
      {
        "name": "Act 2: Confrontation",
        "pages": 8,
        "tone": "tense, escalating conflict",
        "key_events": [
          "遇到第一个障碍（轻松克服）",
          "遇到真正的困难（受挫）",
          "获得关键盟友/道具",
          "最终对决前夕"
        ]
      },
      {
        "name": "Act 3: Resolution",
        "pages": 4,
        "tone": "climactic, emotional release",
        "key_events": [
          "最终对决",
          "牺牲/损失",
          "新常态的建立"
        ]
      }
    ]
  }
}

步骤 2：用 Python 脚本生成叙事节奏分配

编写一个脚本，根据页面数和叙事模型自动分配每一页的情绪强度和格数。

#!/usr/bin/env python3
"""AI漫画叙事节奏分配器"""
import json
import math

def generate_rhythm(total_pages, model="three_act"):
    """生成每页的情绪强度和格数"""
    beats = []

    if model == "three_act":
        # 三幕：山形情绪曲线
        act_boundaries = [
            (0, int(total_pages * 0.25)),        # Act 1
            (int(total_pages * 0.25), int(total_pages * 0.75)),  # Act 2
            (int(total_pages * 0.75), total_pages)  # Act 3
        ]

        for page in range(total_pages):
            # 情绪强度在 Act 2 末到 Act 3 初达到峰值
            progress = page / total_pages
            if progress < 0.25:
                intensity = 0.3 + (progress * 1.2)  # 开场逐步上升
            elif progress < 0.65:
                intensity = 0.6 + ((progress - 0.25) * 1.5)  # 冲突升级
            elif progress < 0.75:
                intensity = 1.0 - ((progress - 0.65) * 2.0)  # 短暂低谷（反转前）
            else:
                intensity = 0.8 + ((progress - 0.75) * 0.8)  # 高潮至收束

            # 格数：情绪越高格数越少（大格突出）
            panels = max(2, min(6, int(8 - intensity * 4)))

            beats.append({
                "page": page + 1,
                "intensity": round(intensity, 2),
                "panels": panels,
                "tone": "calm" if intensity < 0.4 else "balanced" if intensity < 0.7 else "intense"
            })

    return beats

# 生成 16 页漫画的节奏分配
rhythm = generate_rhythm(16)

# 输出为表格
print(f"{'页数':<6} {'情绪强度':<10} {'格数':<6} {'基调':<10}")
print("-" * 34)
for beat in rhythm:
    print(f"{beat['page']:<6} {beat['intensity']:<10} {beat['panels']:<6} {beat['tone']:<10}")

# 保存为 JSON 供后续工作流使用
with open("/tmp/narrative_rhythm.json", "w") as f:
    json.dump(rhythm, f, ensure_ascii=False, indent=2)
print("n节奏数据已保存到 /tmp/narrative_rhythm.json")

步骤 3：设计 AI 漫画分镜提示词模板

将叙事节奏映射到具体的分镜提示词。每个分镜需要包含：镜头类型、角色状态、场景氛围。

# 分镜提示词模板：/tmp/panel_prompts.yaml
narrative_style: "少年漫画"
panel_prompt_template:
  default: |
    Manga panel, {camera_angle}, {character_state}, {background_setting},
    {atmosphere}, {color_scheme}, line art with screentone texture,
    professional manga style, high detail, cinematic composition

  camera_angles:
    establishing: "wide shot, full scene, small characters in frame"
    medium: "medium shot, character from waist up, clear expression"
    close_up: "close up, face filling frame, intense emotion"
    extreme_close_up: "extreme close up, eyes or hands only, dramatic"
    action: "dynamic angle, motion lines, speed effect"
    bird_eye: "bird's eye view, looking down, sense of scale"
    worm_eye: "worm's eye view, looking up, sense of power"

  atmospheres:
    calm: "soft lighting, warm tones, peaceful atmosphere"
    tense: "harsh shadows, cool blue tones, atmospheric tension"
    action: "dramatic lighting, speed lines, dynamic contrast"
    sad: "soft focus, muted colors, melancholic mood"
    happy: "bright lighting, warm palette, joyful expression"
    mysterious: "fog/dust particles, rim lighting, unknown shadows"

步骤 4：用 Shell 脚本批量生成分镜提示词

结合叙事节奏和分镜模板，批量生成每页的分镜指令。

#!/bin/bash
# 批量生成 AI 漫画分镜提示词
# 用法：./generate_script.sh <page_count> <story_brief>

PAGE_COUNT=${1:-16}
STORY_BRIEF=${2:-"少年踏上寻找失落的魔法之石的旅程"}
OUTPUT_DIR="/tmp/manga_script"
mkdir -p "$OUTPUT_DIR"

# 情绪曲线定义（每页情绪 0.0-1.0）
INTENSITY=(0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.85 0.75 0.9 1.0 0.8 0.6 0.4 0.3)
CAMERA=("establishing" "medium" "medium" "close_up" "medium" "action" "close_up" "action" "medium" "close_up" "extreme_close_up" "action" "bird_eye" "medium" "medium" "establishing")

for ((i=0; i<PAGE_COUNT; i++)); do
    PAGE=$((i+1))
    INTENSITY_VAL=${INTENSITY[$i]}

    if (( $(echo "$INTENSITY_VAL < 0.3" | bc -l) )); then
        ATMOSPHERE="calm"
    elif (( $(echo "$INTENSITY_VAL < 0.7" | bc -l) )); then
        ATMOSPHERE="tense"
    else
        ATMOSPHERE="action"
    fi

    CAM=${CAMERA[$i]}

    cat > "$OUTPUT_DIR/page_${PAGE}.json" << EOF
{
  "page": $PAGE,
  "intensity": $INTENSITY_VAL,
  "camera": "$CAM",
  "atmosphere": "$ATMOSPHERE",
  "prompt": "Manga panel, ${CAM}, scene from story: ${STORY_BRIEF// /_}, ${ATMOSPHERE} atmosphere, professional manga style, high detail"
}
EOF
    echo "Generated page $PAGE: $CAM | $ATMOSPHERE"
done

echo "All $PAGE_COUNT pages generated in $OUTPUT_DIR"

步骤 5：用 ControlNet 和分镜脚本实现叙事一致性

在 ComfyUI 或 SD WebUI 中，使用 ControlNet 的 Canny 和 OpenPose 模型确保每页的角色姿态和构图符合叙事需求。

#!/usr/bin/env python3
"""ComfyUI API 调用：按叙事节奏生成漫画页面"""
import requests
import json
import time

COMFYUI_URL = "http://localhost:8188"

def generate_manga_page(page_data, character_ref, style_ref):
    """根据分镜数据生成漫画页面"""
    prompt = {
        "3": {
            "class_type": "KSampler",
            "inputs": {
                "seed": int(time.time()),
                "steps": 30,
                "cfg": 7.0,
                "sampler_name": "euler_a",
                "scheduler": "normal",
                "denoise": 1.0,
                "model": ["4", 0],
                "positive": ["6", 0],
                "negative": ["7", 0],
                "latent_image": ["5", 0]
            }
        },
        "4": {"class_type": "CheckpointLoaderSimple", "inputs": {"ckpt_name": style_ref}},
        "5": {"class_type": "EmptyLatentImage", "inputs": {"width": 768, "height": 1080, "batch_size": 1}},
        "6": {
            "class_type": "CLIPTextEncode",
            "inputs": {
                "text": f"Manga panel, {page_data['camera']}, {page_data['atmosphere']}, {character_ref}, professional manga style, high detail, screentone",
                "clip": ["4", 1]
            }
        },
        "7": {
            "class_type": "CLIPTextEncode",
            "inputs": {
                "text": "nsfw, lowres, bad anatomy, bad hands, text, error, extra finger, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, blurry",
                "clip": ["4", 1]
            }
        },
        "8": {
            "class_type": "ControlNetLoader",
            "inputs": {"control_net_name": "control_v11p_sd15_canny.pth"}
        },
        "9": {
            "class_type": "ControlNetApply",
            "inputs": {
                "control_net": ["8", 0],
                "image": ["10", 0],
                "strength": 0.8,
                "conditioning": ["6", 0]
            }
        }
    }

    # 提交工作流
    resp = requests.post(f"{COMFYUI_URL}/prompt", json={"prompt": prompt})
    result = resp.json()
    print(f"Page {page_data['page']}: submitted, prompt_id={result.get('prompt_id', 'unknown')}")
    return result

# 加载叙事节奏
with open("/tmp/narrative_rhythm.json") as f:
    rhythm = json.load(f)

# 逐页生成
for beat in rhythm:
    print(f"Generating page {beat['page']}...")
    generate_manga_page(beat, "character_001", "manga_style_v2")
    time.sleep(2)  # 避免 API 过载

print("所有页面已提交生成！")

常见问题

Q1: AI 总把所有页面画成同样构图怎么办？

在提示词中显式指定每页的镜头类型（wide/medium/close-up/action），并建立镜头切换规则：连续两页不能使用相同镜头，每 4 页必须包含一个 extreme close-up 或 bird’s eye view 作为视觉锚点。

Q2: 如何让 AI 理解”情绪起伏”？

使用情绪曲线图（0-1 标度）提前规划每页的情绪强度，并映射到具体的提示词参数：色彩方案（冷色=低情绪，暖色=高情绪）、光影对比（柔和=低情绪，强烈=高情绪）、格数（多格=叙事进展，少格=情绪凝聚）。

Q3: 4 页短篇和 16 页长篇在叙事上有什么不同？

4 页短篇必须”一页一事件”：第 1 页建置，第 2 页冲突，第 3 页反转，第 4 页收束。16 页长篇则允许更细腻的节奏，可以在第 6-8 页设置”假胜利”作为情绪陷阱，让最终高潮更有冲击力。AI 适合短篇，长篇需要更频繁的人工干预。

Q4: 有没有现成的叙事模板可以用？

可以构建”叙事模板库”：冒险模板（出发→考验→归来）、悬疑模板（线索→误导→反转）、情感模板（日常→裂痕→和解）。每种模板预定义情绪曲线、镜头分布和格数分配，每次创作时选模板 + 填充内容，节省大量设计时间。

Q5: 多线叙事如何让 AI 处理？

多线叙事需要”分线标记”：在线索 A 的提示词里加 [storyline: A]，线索 B 加 [storyline: B]，然后用 Python 脚本按交叉节奏（A-B-A-B-A-B-A）排列页面顺序。AI 本身不擅长多线交织，但通过结构化分页可以模拟出多线叙事的效果。

总结

1. 叙事结构先行：AI 漫画的质量上限取决于叙事设计的质量，而非单张画面的精美程度。先画曲线，再画画面。
2. 显式控制节奏：情绪曲线、镜头分布、格数分配——这些指标必须量化到每个页面，才能让 AI 产出有起伏的故事。
3. 模板化降低耦合：建立叙事模板、分镜提示词模板和节奏分配脚本，将”讲故事”从每次创作中解放出来，变成可复用的基础设施。
4. AI 擅长短篇：4-8 页的短篇故事是 AI 漫画的甜蜜点，长篇连载需要更多人工校准和叙事设计师介入。
5. 工具链整合：将叙事节奏分配器、分镜提示词生成器和 ComfyUI API 调用串联成一条流水线，从”写故事”到”出画面”全自动化。