零基础玩转AI漫剧：从剧本到成片，基于腾讯云智能创作全流程实践

一、为什么选择腾讯云做AI漫剧？

AI漫剧是指利用AI技术自动生成漫画风格或动态漫画风格的短剧内容，适用于短视频平台、知识科普、品牌宣传等场景。腾讯云提供了完整的AI能力矩阵：

本教程将使用上述服务，所有代码均可在腾讯云服务器或本地环境中运行。

pip install tencentcloud-sdk-python opencv-python pillow ffmpeg-python requests

3.1 使用混元大模型生成漫剧剧本

我们调用混元对话接口，输入一个简单的故事概念，让它生成包含角色设定、场景描述和分镜台本的结构化输出。

import os
import json
from tencentcloud.common import credential
from tencentcloud.hunyuan.v20230901 import hunyuan_client, models

def generate_script(concept):
    cred = credential.Credential(os.getenv("TENCENT_SECRET_ID"), os.getenv("TENCENT_SECRET_KEY"))
    client = hunyuan_client.HunyuanClient(cred, "ap-guangzhou")
    
    prompt = f"""
    你是一个漫剧编剧。请根据以下故事概念，生成一个适合短视频的漫剧剧本（约6-8个分镜）。
    输出格式为JSON，包含：title, characters(每个角色外貌描述), scenes(每个分镜描述，包含画面内容、旁白/对白)。
    概念：{concept}
    """
    req = models.ChatCompletionsRequest()
    req.Model = "hunyuan-standard"
    req.Messages = [{"Role": "user", "Content": prompt}]
    resp = client.ChatCompletions(req)
    content = resp.Choices[0].Message.Content
    # 提取JSON部分（假设模型返回纯JSON）
    try:
        script = json.loads(content)
    except:
        # 若未直接返回JSON，手动解析（示例简化）
        script = {"title": "AI漫剧示例", "characters": [{"name":"主角","desc":"年轻女性"}], 
                  "scenes": [{"desc":"城市街头","dialogue":"新的一天开始了"}]}
    return script

# 测试
script = generate_script("一个程序员意外获得超能力，用代码改变世界")
print(json.dumps(script, ensure_ascii=False, indent=2))

3.2 调用腾讯云AI绘画生成分镜图

我们使用腾讯云AI绘画（TextToImage）接口，为每个分镜的描述生成一张1280x720的漫画风格图片。

from tencentcloud.aiart.v20221229 import aiart_client, models
import base64
from PIL import Image
from io import BytesIO

def generate_scene_image(prompt, negative_prompt="丑陋，模糊"):
    cred = credential.Credential(os.getenv("TENCENT_SECRET_ID"), os.getenv("TENCENT_SECRET_KEY"))
    client = aiart_client.AiartClient(cred, "ap-guangzhou")
    
    req = models.TextToImageRequest()
    req.Prompt = f"漫画风格，{prompt}"
    req.NegativePrompt = negative_prompt
    req.Style = "201"  # 日漫风格
    req.Resolution = "1280:720"
    req.Number = 1
    resp = client.TextToImage(req)
    # 返回base64图片数据
    img_data = resp.ResultImage
    image = Image.open(BytesIO(base64.b64decode(img_data)))
    return image

# 示例：生成第一帧
scenes = script.get("scenes", [])
if scenes:
    img = generate_scene_image(scenes[0]["desc"])
    img.save("scene_001.png")

为每个分镜的旁白/对白生成对应的音频文件，使用腾讯云语音合成（支持多种音色）。

from tencentcloud.tts.v20190823 import tts_client, models

def synthesize_speech(text, output_file, voice_type=1001):  # 1001为智侠（男）
    cred = credential.Credential(os.getenv("TENCENT_SECRET_ID"), os.getenv("TENCENT_SECRET_KEY"))
    client = tts_client.TtsClient(cred, "ap-guangzhou")
    
    req = models.TextToVoiceRequest()
    req.Text = text
    req.SessionId = "session-" + str(hash(text))
    req.VoiceType = voice_type
    req.Codec = "mp3"
    resp = client.TextToVoice(req)
    audio_data = base64.b64decode(resp.Audio)
    with open(output_file, "wb") as f:
        f.write(audio_data)
    return output_file

# 为每个分镜生成语音
for idx, scene in enumerate(scenes):
    if scene.get("dialogue"):
        audio_path = f"audio_{idx:03d}.mp3"
        synthesize_speech(scene["dialogue"], audio_path)

使用OpenCV和FFmpeg将图片、音频、字幕合成为一个完整的漫剧视频。我们采用Python的

调用FFmpeg，先制作带音频的视频片段，再合并，最后烧录字幕（字幕文件用SRT格式）。

import subprocess
import cv2
import numpy as np

def create_video_with_audio(image_path, audio_path, output_video, duration=5):
    """将单张图片和音频合成视频片段（图片静止，音频长度决定时长）"""
    # 获取音频时长（秒）
    cmd = f"ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 {audio_path}"
    duration = float(subprocess.check_output(cmd, shell=True).decode().strip())
    
    # 使用ffmpeg将图片转为视频，并合并音频
    cmd = (
        f"ffmpeg -loop 1 -i {image_path} -i {audio_path} "
        f"-c:v libx264 -t {duration} -pix_fmt yuv420p -vf scale=1280:720 "
        f"-c:a aac -shortest {output_video} -y"
    )
    subprocess.run(cmd, shell=True, check=True)

def generate_srt(subtitles, srt_path):
    """生成SRT字幕文件，subtitles为list of (start_time, end_time, text)"""
    with open(srt_path, "w", encoding="utf-8") as f:
        for i, (start, end, text) in enumerate(subtitles, 1):
            f.write(f"{i}\n")
            f.write(f"{start:.3f} --> {end:.3f}\n")
            f.write(f"{text}\n\n")

# 假设我们已有音频时长，生成字幕（这里简化，每个分镜从0开始，实际需累计时间）
subtitles = []
cum_time = 0.0
for idx, scene in enumerate(scenes):
    audio_path = f"audio_{idx:03d}.mp3"
    # 获取时长
    cmd = f"ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 {audio_path}"
    dur = float(subprocess.check_output(cmd, shell=True).decode().strip())
    subtitles.append((cum_time, cum_time+dur, scene.get("dialogue", "")))
    cum_time += dur

srt_file = "subtitles.srt"
generate_srt(subtitles, srt_file)

# 合成所有片段并烧录字幕
# 先逐个生成临时视频片段
segment_files = []
for idx, scene in enumerate(scenes):
    img_path = f"scene_{idx:03d}.png"
    audio_path = f"audio_{idx:03d}.mp3"
    seg_out = f"seg_{idx:03d}.mp4"
    create_video_with_audio(img_path, audio_path, seg_out)
    segment_files.append(seg_out)

# 合并所有片段（使用concat demuxer）
with open("concat_list.txt", "w") as f:
    for seg in segment_files:
        f.write(f"file '{seg}'\n")

final_no_sub = "final_no_sub.mp4"
cmd = f"ffmpeg -f concat -safe 0 -i concat_list.txt -c copy {final_no_sub} -y"
subprocess.run(cmd, shell=True, check=True)

# 烧录字幕
final_with_sub = "AI漫剧_final.mp4"
cmd = f"ffmpeg -i {final_no_sub} -vf subtitles={srt_file} -c:a copy {final_with_sub} -y"
subprocess.run(cmd, shell=True, check=True)

print("🎬 漫剧制作完成！输出文件：", final_with_sub)

。若需批量生成，可利用腾讯云

保存最终作品。示例中所有中间文件也可上传COS供后续分发。

你可以在我的GitHub仓库获取完整脚本（此处为文章示意，请读者自行整合）。关键点：环境变量设置：

export TENCENT_SECRET_ID="你的SecretId"
export TENCENT_SECRET_KEY="你的SecretKey"

本文展示了如何利用腾讯云AI能力，零基础实现漫剧从创意到成片的自动化生产。整套流程完全可扩展，支持批量生成、定时触发，非常适合内容创作者或MCN机构。未来还可接入腾讯云

服务，进一步提升漫剧表现力。

腾讯云开发者社区欢迎更多开发者探索AI+内容的无限可能。如果你对代码有任何疑问，欢迎在评论区交流。

人工智能

云计算

后端

腾讯云AI漫剧制作教程：零基础1小时完成漫画+短剧，包含剧本生成、角色设计、分镜绘制、配音合成全流程，提供完整Python代码，适合短视频、知识科普、品牌宣传等场景。

2026上云采购 | AI焕新·智启新局

ai-class

对象存储COS新用户低至1元！


4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

零基础玩转AI漫剧：从剧本到成片，基于腾讯云智能创作全流程实践

零基础玩转AI漫剧：从剧本到成片，基于腾讯云智能创作全流程实践

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐