大家好，我是偶然，AI洞察，AI智能体，AI实战案例分享
最近 AI 漫剧非常的火，我都听到几次什么 AI 漫剧百亿蓝海市场了。
具体几百亿没留意，但从我看到的几个信息来看，它确实属于一个正在增长，推崇的赛道。
比如这一份去年八月底国务院发布的 “人工智能+”行动的意见中就有一条貌似与 AI 漫剧有关。
推动人工智能在繁荣文化生产、增强文化传播、促进文化交流中展现更大作为，利用人工智能辅助创作更多具有中华文化元素和标识的文化内容，壮大文化产业。
插一嘴，有一部弘扬中华文化的动漫，个人认为是非常好看的，虽然已经很久不更新了，但热度在短视频依旧不减，叫【秦时明月】不知道大家看过没。
既然国家政策都有意向推动了，那么毫无疑问了，兄弟们跟着冲就对了。
做任何项目，最好都要去跟着国家的政策去走，同时也要一直观察政策的走向跟着调整方向。
否则政策一旦轻微改动，无论你的项目过去有多成功，掌握多少渠道，拥有多强大壁垒，都有可能在一夜之间瞬间土崩瓦解。
这里我给大家举一个《三体》中农场主假说：
在一个火鸡饲养场里，有一只爱思考的火鸡科学家。
它发现了一个的定律：每天上午 11 点，食物就会准时降临，它观察了一年，无论是晴天还是雨天，无论是冬天还是夏天，这个定律都坚不可摧。
于是，它在感恩节那天的上午，向全体火鸡宣布了这个伟大的真理：上午 11 点，食物将至。
结果我们都知道了，那天上午 11 点降临的不再是食物，而是农场主的屠刀。
很好的例子就是比如前几年的教培，挖矿，一个双减政策，一个全面禁止，无论过往多辉煌，掌握行业中多牛的成功方法论，都得受大影响。
如果对 AI 创作感兴趣，可以去看看前几天 B 站发布的一个关于 AI 创作大赛，总奖池 300 万，最高奖励 100 万。
好了，今天就吹到这里了，给大家分享一下 Coze 做的 AI 修仙漫剧【基础版】，效果可能没的那么的好。
如果想要更好效果的，可以采用更专业的工具去做 AI 漫剧，或根据自己的情况调整优化工作流，如果大家喜欢，评论区留言，后期再做一个进阶版的。
我们先来看看 Coze 智能体生成的效果是怎么样的，喜欢的随心打赏一个，我发你。
需求分析
AI 漫剧目前属于一个增长的赛道，有些兄弟可能需要搞个副业，但平时没什么时间，可以通过智能体的方式自动生成漫剧，发布到平台上获取收益。
有些兄弟可能认为这样生成的内容会限流，但说实话其实不会的（以后告诉你为啥）。
如果你真认为限流，也可以通过这种方式去批量生成，用数量去博概率。
这对很多人来说可以节省非常多的时间。
功能分析
可生成分镜脚本
可生成分镜图片
可生成分镜视频
分镜视频可合并
生成视频下载链接
流程分析
整体事件流程。
整体 Coze 工作流程。
AI 自动生成漫剧工作流教程
第一步，开始节点
开始节点我们设置两个参数，prompt 和 key，代表漫剧的主题和视频节点所需要的 key 变量类型为 String 。
第二步，生成脚本（大模型）
这一步的作用主要是用来生成视频的脚本。
这里我们设置输入参数 prompt 数据来源为开始节点的 prompt ，变量类型为 String ，设置输出参数 image 和 video 代表图片提示词和视频内容。
注：这里如果你需要提示词的话，可以来找我拿。
第三步，选择器
这一步的作用主要是用来判断大模型是否生成了 image 和 video ，如果生成则继续，未生成直接结束，否则会浪费我们的资源点继续跑其他的节点。
第四步，批处理
这一步的作用是通过批处理的方式去生成分镜的图片。
这里我们循环设置并行数量为 1 ，批处理次数上限为 100 ，设置输入参数 image 数据来源为生成脚本的 image ，设置输出参数 data_list 数据来源为图片生成的 data 。
第四步，批处理体（图片生成）
这一节点的作用就是生成分镜的图片了。
这里图片的比例，大家根据自己的情况设置就行了，横屏还是竖屏，设置输入参数 image 数据来源为批处理的 image ，提示词看图就行。
第五步，批处理
这一步的作用就是批量生成分镜视频，为后面组合成一个视频做准备。
这里我们循环设置并行运行数量为 1 ，批处理次数上限为 100 ，设置输入参数 video 和 data_list 数据来源为生成脚本的 video 和 批处理的 data ，设置输出参数 data_list 数据来源为视频生成的 data 。
第五步，固定视频提示词（批处理体）
这一步的作用主要是使用提示词来固定生成视频的风格，采用英文的原因是因为模型对英文识别效果更好。
这里我们设置输入参数 String1 数据来源为批处理的 video 。
第五步，视频生成（批处理体）
这一步的作用就是生成分镜视频。
这里我们设置输入参数 key，来源于开始节点的 key ，prompt 来源于固定视频提示词的 output ，image_url 来源于批处理节点的 data_list。
第六步，视频整合
这一步的作用是把刚刚生成的分镜视频整合起来。
这里我们设置输入参数 data_list 数据来源为批处理_分镜视频节点的 data_list ，设置输出参数 id，id2，id3，id4，id5 ，分配存储5个分镜视频。
注：这里的代码包括之后节点的代码，都可以来问我拿。
第七步，循环
这里需要建立 5 个循环，循环的作用主要是去检查分镜视频的生成情况，为后面整合成一个视频做准备。
这里我们设置循环类型为无限循环，设置输出节点 url_list 类型为 string 数据 来源为 r_task_info 的 url 。
第七步，SO视频生成（循环体）
这一步的作用主要是对视频生成结果进行查询。
这里我们设置输入参数 id 数据来源为代码视频整合节点的 id 。
第七步，选择器（循环体）
这个选择器的作用是对视频生成查询结果进行处理。
Status = 0,1,2 分别代表完成，失败，进行中。
当 status = 1 或 2 时 终止循环。
当 status = 0 时使用时间等待，重新进入循环。
当 status 不等于 0 ，1 ，2 时跳出循环体。
第八步，常用代码块
因为之前生成的分镜视频可能存在某些空数据的情况，所以这里我们需要去除一下空数据。
这里我们设置输入参数 list 数据来源为循环节点的 url_list 。
第九步，视频聚合
这一步的作用是将前面生成的去除空数据的分镜视频进行整合成一个完整的视频。
这里我们设置参数 data，data1，data2，data3，data4，数据来源为常用代码块的data。
第十步，视频裁剪
这一步的作用主要是对分镜聚合的视频进行视频的裁剪。
这里我们设置并行运行数量为 1 ，批处理次数上限为 100 。
设置输入参数 list 数据来源为视频聚合的 url ，数据类型为 Array<String>，设置输出参数为 url_list 数据来源为视频剪辑工具的 url 。
第十一步，视频格式转化
这一步的作用是将视频转化成可以导入剪映的格式。
这里我们设置输入参数 url_list，数据来源为裁剪视频的 url_list 数据类型为 Array<String>，设置输出参数 video。
第十二步，剪映草稿箱
这一步的作用是创建一个剪映草稿箱。
第十三步，添加视频
这一步的作用是将视频添加进剪映草稿箱中，为后面下载做铺垫。
这里我们设置输入参数 draft_url，数据来源为草稿箱的 draft_url，video_infos数据来源为视频格式转换的 video。
第十四步，结束
结束节点我们输出可以下载视频的链接 url 就可以了。
总结
整体的步骤一共有十四步，值得关注的是在第七步的循环中，需要重复五次，大家复制粘贴就可以了。
这里可能会有人问，为什么不用批处理直接处理 5 次就好了，本来我也是这样做的，我觉得节点少一点我写作的工作量少一些。
后来小黄和我说，用这种 5 个循环的方式，会让节点多一点，看起来牛逼一点....然后我就改成循环的方式了。
好了，对于文章的提示词和代码，有需要的可以找我要，工作流的话，给我随心打赏一个，我发你。
对了，我最近也建了一个自己的 API 调用网站，融合了很多大模型，如果大家感兴趣，可以用用看 www.887797.xyz 。
本期的内容就到这里了，感谢你的耐心。
如果看完喜欢，请帮忙转发分享一下，你的点赞转发，就是我更新下去的动力！
AI智能体|扣子(Coze)搭建【上传服装图，自动生成穿搭效果图】