Muse制作一部 3 分钟一集的漫剧喂饭教程

一、Muse 到底是个啥

Muse 最近很火，但很多人以为它就是个 AI 助手，其实不是，这里我科普下：

Muse 是 Meta 旗下的产品，背后是一整个 Muse 模型家族
负责对话和推理的 Muse Spark
负责生图的 Muse Image
负责视频生成的 Muse Video

而且它跟普通聊天机器人有个本质区别：

每个用户都有一台专属的云电脑，Muse 在上面替你干活——写代码、跑脚本、做视频、管文件，是个能动手执行的智能体，不是个只会动嘴的问答机。

搞清楚这个，就明白为啥可以用 Muse 的视频生成能力，一集一集地生产漫剧。

二、一个 10 秒视频让我入了坑

前几天刷到有人用 Muse 生成的视频镜，质量看着还行。

我当时第一反应是：它跟 Seedance 比能力如何？

于是我把自己在 Seedance 上用的同一套提示词拿过来，在 Muse 这里试了一下——效果还可以，画面、运镜、氛围都在线，大家也可以感受下。

提示词：

【整体设定】

2005 年盛夏的台湾校园青春偶像剧。两名刚满 18 岁的高中生情侣放学后骑自行车回家。男生穿白色短袖校服衬衫、深蓝长裤和帆布鞋，女生穿白色短袖校服、深蓝百褶裙和白色帆布鞋，两人背着略显旧的双肩书包，各骑一辆银色复古自行车。

场景是校园外的林荫小路，路旁有低矮民居、旧式中文招牌、电线杆和盛开的凤凰木。阳光穿过树叶形成斑驳光影，空气里带着盛夏午后的明亮与潮湿感。整体呈现 2005 年台湾青春偶像剧风格，清新、浪漫、青涩，带有轻微柔焦、高光泛白、低对比暖色和复古电视画面质感。

【0–5 秒】

放学铃声刚结束，两人骑着自行车从校园门口并肩驶出。男生稍微加速后回头看向女生，嘴角带着克制的笑意；女生迎着风眯起眼睛，头发和裙摆轻轻摆动。侧面中远景平稳跟拍，树影快速掠过车轮与校服，远处传来蝉鸣和自行车链条转动声。

【5–10 秒】

女生轻轻按响车铃，笑着对男生说：“等我一下啦。”男生放慢速度，两人的自行车重新并排。镜头切到正面中景，缓慢向后移动，保持两人始终位于画面中央。女生低头忍住笑意，随后抬眼看向男生；男生短暂移开视线，耳朵微微泛红。两人的动作自然、克制，带有初恋般的青涩感。

【10–15 秒】

两人骑进凤凰木覆盖的长坡，夕阳从道路尽头照来。女生向前伸出一只手感受迎面的风，男生转头看她，两人同时笑起来。镜头切到背后远景并缓慢拉远，两辆自行车并肩驶向金色夕阳，树叶被风吹落，最后定格在两人的背影和被阳光拉长的影子上。

【画面与声音】

4:3 复古电视偶像剧构图，2005 年台湾青春剧质感，夏日暖黄色自然光，柔和逆光，轻微高光溢出与胶片颗粒，色彩清新但不过度饱和。背景音乐使用轻快克制的木吉他与钢琴旋律，融合蝉鸣、风吹树叶、自行车铃声和链条转动声；对白清晰自然，音乐不遮盖人声。

【约束条件】

全程只保持同一对18岁情侣作为主要人物，面部、发型、校服、书包和自行车前后一致；骑行动作符合真实物理规律，手脚结构正常，车轮转动和人物重心自然；不出现智能手机、现代电动车、现代汽车、LED广告牌或其他明显晚于2005年的物品；无字幕、无水印、无多余文字；人物面部稳定，无变形、闪烁、穿模或角色数量变化。

seedance 2.0：

Muse video ：

但Muse 的视频模型一次就生成约 10 秒，时长不可调。想做长视频，只有一条路：一段一段生成，再拼接起来。

我跟 Muse 沟通它说他可以直接拼接出片，这样连剪辑都省了。

三、能不能做成 3 分钟一集？

一个 10 秒镜头和一部 3 分钟一集的漫剧之间，差的不是技术，是方法。

3 分钟 = 180 秒，按每镜 10 秒拆，一集就是 18 个分镜。18 个镜头怎么保证是同一个人、同一个场景、同一个故事？人物不能这一镜一个样，剧情不能断，台词不能乱——这才是真正的难题。

刚好我前段时间开发了一个漫剧创作出海战的工具，我就结合我这个产品中漫剧制作六部方法论：

剧本 → 分镜表 → 资产（人物/场景/道具）→ 锁定资产 → 逐镜生成 → 拼接

这套工作流 Muse 承包拆分镜、写提示词、生成资产、质检、拼接，我只干两件事：拍板，审片。规矩是"一镜一确认"——生成一条，我看过点头，再做下一条。

基本还原了我之前开放的这个产品的核心方法论。

四、关键在中文配音上

于是我把漫剧工作台现有的《长安异闻》剧本发给它，让它去实测效果。

流程跑起来后，第一个大坑出现在中文题材上。Muse 的视频模型在配音和文字这两块很薄弱，我结结实实撞了两次：

第一次，"边跑边喊"全军覆没。《长安异闻》里我要一个镜头：阿七边跑边喊"让一让"，纯背影。第一轮三版全是哑巴，一句台词没有；第二轮三版有声音了，但每到喊话那一秒，阿七必转头对着镜头喊。我写了三种不同强度的"不许转头"，全被击穿。最后我拍板：台词取消，用最早那版的第 4–10 秒，纯奔跑。

第二次，"沈书吏"念成"行速力"。中文对白的发音是模型的系统性缺陷，重拍解决不了。后期配音我也试了，TTS 的台湾口音被我自己否了——"还是老外味"。

（由于不能上传视频，效果可以在微信群看）

上面这个问题让我我认清现实：做漫剧不是"实现导演意图"，而是"在模型的可达域内找最优解"，导演意图得给模型能力让路。

五、让 Muse 去啃 Seedance 2.5 的官方文档

既然拼的是提示词，那我就把提示词这件事做到极致。

我找来 Seedance 2.5 的官方提示词文档，让 Muse 逐字学习、总结 prompt 技巧；又对照了 Higgsfield 开源 AI 长片《Hell Grind》的方法论（人家用 Seedance 做了 95 分钟，全套 prompt 开源）。两边校准完，几条关键结论直接改了我的打法：

资产先行：Higgsfield 的原话——"不锁定全部资产，一个镜头也不生成"。人物描述词一旦冻结，每个分镜提示词里一字不许改，"模型没有记忆，少描述一句，下一镜他就换脸换夹克"。

三视图人物锁被官方劝退：我之前用三视图锁人物，官方文档明确说不要——模型会把同一角色的不同角度认成不同的人。改成"面部特写＋全身照"。

英文写描述，中文说台词：Aqi says in Mandarin {让一让，让一让}，人名加拼音注音，专治发音跑偏。

否定约束只对字幕和音频有效，画面上想"不要"什么，得用肯定式表达。

情绪不写抽象词：不写"悲伤"，写"低头、肩膀轻颤、手指无意识攥衣角"。

一镜只许一种运镜，复杂动作必须放开场。

六、最后跑通的流程长这样

融合seedance 提示词技巧和我的实战教训，现在的标准流程是：

两条红线：

一镜 10–15 次迭代不收敛就简化镜头，不许烧生成次数；
原生对白做不出来就改镜头设计，永远不走后期配音。

实战数字：一个分镜平均 3–4 次生成换 1 条可用，一集 18 镜，50–70 次生成是常态。慢，但是可控。

七、喂饭照着来

分三层：

第一层：先玩转 10 秒。

别一上来就想做剧。先让 Muse 给你生成一个 10 秒的镜头：一个人、一个动作、一种运镜、一句台词，全写进提示词里。你会立刻碰到真实的问题——人物长得对不对、台词出没出声、运镜飘不飘。把这一个镜头玩明白，提示词的手感就有了。Seedance 的官方文档这时候再去读，每句话你都看得懂。

第二层：拿流程跑通一集。

找个 3 分钟的小故事，走完整整六步：分镜表 → 资产 → 锁定 → 逐镜生成 → 拼接。重点不是成片有多精美，是把"资产先行""一镜一确认""一次改一行"这三条纪律练成肌肉记忆。第一集一定会翻车，翻车的记录就是你最值钱的东西——我到现在还留着每次失败的提示词版本。

第三层：跑通一集，再谈系列化。

一集跑通之后，真正的挑战才来：人物跨集一致、风格统一、生产速度。这时候再去看 Higgsfield 的开源项目，人家 95 分钟是怎么管资产、怎么写 tag 字典、怎么做生产日志的。路是一样的，只是规模变大。

一句话：10 秒练手感，一集练流程，系列化练管理。别反过来。

Muse 目前的活动诚意很足，一个账号 310 亿 token，用来做漫剧练手也不错。

我前后大概生成了 100 多个 10s 的视频，跑完周额度送的 token 就花了 1 亿

还没注册的填这个邀请码：QVR6NR