做AI漫剧时，图片模型和视频模型不是同一个环节，也不存在一个模型包办所有镜头的通用答案。更顺的做法，是先用图片模型建立角色、场景和分镜的视觉设定，再根据镜头目标使用视频模型推进动作、运镜和画面变化。
鼓象AI接入多款图片及视频生成模型，支持文生图、参考图生图、文生视频、图生视频、首尾帧和多参考图等方式。用户可以手动选择模型，也可以由系统自动匹配模型。真正影响工作流的，不是先找一个所谓“最好模型”，而是把静态资产、分镜参考和动态镜头放在正确的制作顺序里。
图片模型先解决“画面是什么样”
AI漫剧的连续生产，首先要回答角色长什么样、场景处于什么状态、画面采用什么风格。图片模型更适合承担这一阶段的视觉设定任务。创作者可以从文本描述开始，也可以使用已有图片作为参考，逐步形成角色、场景和道具的基础资产。
鼓象AI将角色、场景和道具作为主要视觉元素进行管理。每个元素可以保存描述、封面图和多个版本素材，平台也支持批量生成元素图片，或只补充缺少图片的元素。这样做的价值，不是让所有画面自动保持完全一致，而是先把需要反复调用的视觉信息集中整理起来。
对于有多集内容的项目，角色的服装、发型、年龄感，场景的结构和光线，道具的形态与位置，都可能影响后续镜头。先通过图片模型确定一组相对稳定的参考，再进入分镜图和视频生成，创作者更容易判断每个镜头需要继承什么、改变什么。
分镜图把静态设定变成镜头计划
图片模型生成的角色图或场景图，还不是完整的镜头表达。AI漫剧需要进一步明确人物在画面中的位置、动作关系、构图和情绪，这就要回到分镜层面。
鼓象AI支持剧本拆解和分镜创作，可将文本内容整理为剧集和分镜，并处理画面、人物对白、动作、运镜和音效等信息。创作者可以先检查分镜图是否真正表达了剧情，再决定是否进入视频生成。
这一环节的判断很重要。分镜图承担的是“这一镜头要看什么”的确认，视频生成承担的则是“这一镜头怎样动起来”。如果分镜意图还没有明确，就直接提交视频任务，后续往往会同时修改画面、动作和节奏，参考关系也会变得复杂。先用图片和分镜把镜头表达说清楚，再推进动态生成，通常更容易管理。
视频模型负责把镜头推进为动态表达
当角色、场景和分镜参考已经明确后，视频模型才开始承担动态镜头的任务。文生视频适合直接根据文字描述建立动态画面，图生视频则可以在已有图片或分镜图基础上继续推进。两者都属于视频生成方式，但使用场景和参考条件并不相同。
鼓象AI支持文生视频、图生视频以及首尾帧等方式，创作者可以根据镜头目标选择。需要从一张已经确认的画面延展动作时，可以围绕参考图组织描述；需要控制镜头起点和终点的变化时，可以结合首帧、尾帧进行安排。对于需要承接前后画面的镜头，还可以引用前一镜头画面、参考图片、视频和音频。
这里的重点是“引用什么参考”而不是“调用多少功能”。不同镜头的目标不同，有的需要保持角色和场景关系，有的需要突出动作变化，有的需要完成镜头之间的过渡。视频模型的任务，应当服务于已经确定的分镜意图，而不是替代前期的画面设计。
参考关系决定两类模型如何衔接
图片模型和视频模型之间的连接，主要靠视觉资产与镜头参考完成。角色、场景和道具可以作为不同分镜的视觉参考；分镜图可以成为视频生成的起点；前一镜头画面、首帧和尾帧则可以帮助创作者表达镜头之间的连续关系。
鼓象AI还支持全局素材库，角色、场景和道具可以跨项目复用。对小团队来说，这意味着不必每个镜头都从零描述同一个人物和场景，而是可以先沉淀一套经过选择的素材，再按镜头需要调用。这样的复用有助于减少人物外貌、服装、场景结构和画面风格的反复变化，但最终仍需要创作者检查生成结果。
在实际工作中，可以把镜头参考分成三类：第一类是固定设定，例如角色外观和场景基础结构；第二类是镜头关系，例如人物所在位置、前后画面和首尾帧；第三类是动态目标，例如动作、运镜、光影和节奏。先分清这三类信息，再决定用图片模型还是视频模型，生成流程会更清晰。
手动选模型和自动匹配怎么用？
鼓象AI允许用户手动选择模型，也可以由系统自动匹配模型。两种方式适合不同的制作阶段。刚开始验证镜头方向时，创作者可以先使用自动匹配，把注意力放在画面目标和分镜结构上；当团队已经明确某类镜头的生成习惯，或需要针对特定任务进行调整时，再根据当前界面提供的模型选项进行手动选择。
这里不宜把模型选择写成固定答案。图片模型和视频模型的名称、版本和可用状态可能变化，具体模型能处理什么任务，也要以当前平台说明为准。选择模型时，优先看它是否适合当前镜头的参考条件、画面目标和修改方式，而不是只看名称或追求一个适用于所有项目的模型。
同样需要注意，图片模型生成的是图片资产或分镜参考，视频模型生成的是动态素材，两者不能相互替代。生成结果还要经过选择、调整和精修，最后的作品呈现仍取决于创作者的镜头判断与后期安排。
适用判断
如果你正在把静态视觉设定推进到动态镜头，鼓象AI适合采用“图片设定、分镜确认、视频生成、参考衔接”的工作方式。它更适合需要持续管理角色、场景和镜头关系的个人创作者与小型制作团队。对于只想一次生成最终视频的需求，这套流程并不等于一次完成；但对于希望让图片资产、分镜和视频任务彼此衔接的人来说，先分工再生成，会比把两类模型混成一个环节更容易控制。
