一句话生成不了漫画：我们为什么做六段式流水线

一次性漫画生成器的演示总是很惊艳，实际用起来却很糟糕。你输入一段提示词，出来一整页漫画，在场的人都觉得了不起。然后你凑近看：有一格角色不对，有一句台词接不上，第三格很漂亮但第四格和它矛盾。而你什么都做不了——生成器没有给你「只修错的那一处」的入口，要么全收，要么全重掷。

我们做 Lovecomic 时押了另一个判断：漫画不是一次生成，而是好几个不同性质的决定，而每个决定都值得一个独立的控制点。这个判断最终变成了六段式流水线。这篇文章说清楚它为什么存在，以及每一段到底买到了什么。

漫画是六个决定，不是一张图

想想人类工作室怎么做一话漫画。编剧定故事，编剧本拆场景和对白，角色设计定人物长相，分镜师决定镜头和节奏，画师渲染画面，字修师排版文字。不同的人、不同的工具——最关键的是，每一步的反馈各不相同。没人会在剧情被确认之前开始上墨，因为墨水很贵，而改剧情几乎不要钱。

一次性生成器把所有这些决定熔进同一次联合分布的抽样里。故事、角色、镜头、渲染纠缠在同一张图上。你只想改一个变量——比如改句对白——但你手里唯一的杠杆会把一切重画。这不是工作流，这是老虎机。

把决定拆开，每个决定就有了自己的杠杆。

六段，逐一说清楚

流水线实际运行时是这样的：

1. 大纲 → 故事圣经。 你的一句话灵感（或完整剧本）被扩写成结构化的故事圣经：一句话故事（logline）、基调、主题。这是改动成本最低的段，所以「 premise 有问题」应该在这里暴露，而不是等画都画完了。
2. 剧本 → 编号场景。 故事圣经变成具体场景和对白，编号有序。通读这一段，是免费砍掉糟糕节拍的最后机会。
3. 角色与资产 → 可复用卡片。 角色、场景、道具被提取成资产卡。可选地，每个常驻角色会生成一张 AI 参考图——锁定形象的那张定稿。为什么这很重要值得单独一篇：为什么 AI 漫画总让角色「变脸」。
4. 分镜 → 逐格描述。 每一格先得到一段文字版的镜头描述，然后才轮到像素。真正的「导演」发生在这一段——构图、画面里有什么、谁在说话——而修改它几乎零成本。
5. 画格 → 渲染。 到这里图像模型才开始工作，一格一格画，角色参考图随每格描述一起传入。每一格有多个候选版本，以及可以回看的版本历史。
6. 台词与导出。 对话气泡排上画面，整话拼装成竖屏 webtoon 长条——外加无对白的静音版和中英双语输出。导出即可发布。

与绘制环节并行的是一个 QA 环节：视觉模型给每张生成的画格打分、列出可见问题。它只提建议——告诉你该看哪里，不会擅自重画。

还有一个值得知道的工程性质：各段都是幂等的。已经完成的段在重试时直接跳过，重试永不删除已有产出。如果一次长任务在第九格失败，恢复后从第九格继续——前八格不用重新付费。

关键在于：你能在哪里介入

流水线的意义在于给你控制点，所以控制必须是真的：

• 自动挡模式全自动托管——从灵感一键跑到台词排版，队列空闲时一集 12 格约十分钟。验证点子值不值得做成一话，用它就对了。
• 手动挡模式在每个阶段边界暂停等你审阅：批完圣经批剧本，批完剧本批分镜——而且项目中途可以在两种模式间切换，进度不丢。
• 分格级控制是真正高频的编辑入口：挑一个最满意的候选版，或者用一句自然语言指令重掷单独一格——「改成夜晚，其他都别动」。有版本历史在，走错一步永远不是终点。

更深一层的规律是：便宜的段（文字）承载大决定，昂贵的段（图像）承载小决定。流水线强制了这个顺序——你永远不需要花 GPU 的价钱去发现一个故事问题。

想自己搭一条线

这六段不是写死的教条——同样的能力在流程编辑器里以节点的形式开放：文本和图片输入、大纲、剧本、角色资产、分镜、带自定义提示词模板的 LLM 改写、角色参考图、画格绘制、视觉 QA。把它们连成你自己的图，保存、运行。发布一条 flow，任何人都能一键 Remix；flows 画廊里已经有公开的产线可以借。

花费在哪

文字段——大纲、剧本、分镜、QA——免费。计费落在 GPU 落地的地方：角色参考图和画格绘制消耗积分。细节见定价页；设计原则只有一条：改字的迭代永远不该被限量，被限量的只有改像素的迭代。

把整条线跑一遍

理解流水线最快的方式：先用自动挡跑完一话，再切到手动挡，挑一个你好奇的阶段重跑一次。入口在工作室。如果想在动手前先把「输入」写得更好，提示词指南拆解了流水线到底从你的灵感里读什么。