Как сделать мангу с ИИ: 5 этапов от сценария до готовой страницы

Начнём с честного: сегодня нет инструмента, который берёт историю и выдаёт готовую мангу. Но это не значит, что ИИ здесь бесполезен. Разбейте создание манги на пять этапов — сценарий, композиция, лайн, доводка, леттеринг, — и больше всего ИИ окупается на трёх средних. Два крайних — решения рассказчика, и если их отдать, обычно работа только замедляется.

Большинство людей тормозит вовсе не качество картинки. Тормозят стыки: как написать сценарий, который модель сможет прочитать, что нужно персонажу до того, как вы сгенерируете хоть один кадр, и дорабатывать неудачный результат или начинать заново. В этой записи разобраны все пять этапов и стыки между ними.

Почему «одна кнопка — целая глава» пока не работает

Дело не в вычислительных мощностях. Три вещи, которых требует манга, лежат за пределами того, что модели изображений сейчас делают хорошо:

  • Постоянство между кадрами. Один и тот же персонаж должен сохранять одно лицо, один наряд и одно соотношение роста на протяжении десятков кадров. Каждая генерация — независимое событие; «память о прошлом кадре» берётся из референсов, которые даёте вы, а не из модели.
  • Текст внутри картинки. Облачка реплик и звуковые эффекты — часть раскладки. Сгенерированный леттеринг обычно выходит кашей или выдуманными буквами, а на китайском и японском — ещё хуже. (Причина — в обучающих данных: модели учились на картинках с субтитрами, водяными знаками и подписями; дело не просто в слове «диалог» в вашем промпте.)
  • Раскладка — это повествование. Какой кадр большой, куда идёт взгляд — авторские решения. Модель не знает вашего темпа, поэтому не может решить: «этот — на всю страницу, потому что кульминация».

Так что практичный ход — не ждать генерации в одну кнопку, а ставить ИИ туда, где он действительно силён. Отсюда и разбивка на пять этапов.

Пять этапов и кто что делает

ЭтапЧто решаетПодходит ли ИИПочему
1. Сценарий / разбивка на кадрыЧисло кадров, что в каждом кадре, где реплики❌ ВыЭто решение рассказчика и вход для всего, что дальше
2. Набросок композицииПоза, план, где фигуры стоят в кадре✅ Очень силёнДёшево, быстро перебирать, о стиле пока думать не нужно
3. ЛайнПревращение наброска в чистые линии✅ СилёнНабросок служит якорем, поэтому результат стабилен
4. Доводка (скринтон или цвет)Свет, фактура, настроение✅ СилёнПостоянство даёт общий набор референсов, а не переписывание промптов
5. ЛеттерингМесто облачков, кегль, воздух❌ ВыТекст ломается, а место облачка — это и есть темп

⚠️ Одна оговорка о терминах — на ней спотыкаются все. То, что в этой записи называется этапом 1, — письменный документ: план, действие, место действия и реплики как структурированные поля для каждого кадра. Это сценарий или разбивка на кадры. Раскадровка (в манге — нэйм, в западных комиксах — миниатюры или лейауты) — нарисованная версия с условными фигурами и рамками кадров, и она идёт после сценария. В текстах про ИИ эти два понятия постоянно смешивают: обещают «ИИ-раскадровку», а описывают на деле спецификацию промптов.

ИИ съедает часы рисования в середине, но не заменяет авторские решения в начале и в конце. Поэтому столько людей и говорят: «Пробовал ИИ — быстрее не стало»: они пропускают этап 1, дают модели угадывать историю и тратят сэкономленное время на перебор картинок.

Это одно из возможных разделений труда, а не отраслевой закон. Многие профессионалы как раз используют языковые модели на этапе 1, чтобы разбить прозу на список планов, и многие сталкиваются с тем, что в ИИ-лайне всё равно приходится перерисовывать руки и перспективу фона вручную. Дальше — маршрут, который работает на практике, но не единственный.

Этап 1. Напишите сценарий, который модель сможет прочитать

Раскадровка — и так чертёж комикса. Что меняется, когда следующий читатель — модель: всё должно быть записано, а визуальная информация отделена от сюжетной.

Каждому кадру нужны как минимум эти четыре поля. Пропустите одно — модель его придумает.

  • План — крупный / по грудь / в полный рост / общий, нижний или верхний ракурс
  • Персонаж и действие — кто в кадре, что делает, куда повёрнут
  • Место действия — где, время суток, источник света
  • Реплики — в отдельном поле. Никогда — в описании картинки, иначе модель попытается нарисовать слова.

Плохой вариант — «героиня грустно стоит под дождём». Ни плана, ни дистанции, ни источника света — и каждая генерация выдаёт что-то новое. Перепишите так: «средний план, лёгкий верхний ракурс. Героиня стоит у входа в пустой переулок. Ночной дождь. Единственный свет — вывеска магазина у неё за спиной». Согласованность кадров сразу растёт.

Этап 2. Закрепите персонажа до того, как сгенерируете первый кадр

Это самый важный и самый пропускаемый шаг всего конвейера: до генерации любого кадра дайте каждому персонажу закреплённый набор референсов.

На практике это значит сначала сгенерировать чистый референс персонажа — белый фон, никакого текста, больше ничего в кадре, — который закрепляет, как выглядит этот человек. Дальше каждая генерация кадра получает тот же референс. Только тогда у модели появляется якорь: «вот как выглядит этот человек».

⚠️ Как вы подаёте референс, важнее, чем сам факт, что он есть. Подайте многоракурсный разворот — вид спереди, сбоку и со спины на одном холсте, — и часто модель воспринимает его как трёх людей в сцене или переносит дизайн спины на перед. Надёжная практика — одно чистое изображение, один ракурс за раз; если нужно больше точности, следующий шаг — обучить модель под конкретного персонажа, а не наваливать ещё больше референсов.

Пропустите этот шаг — и попадёте прямиком в самую частую жалобу: главный персонаж в кадре 3 и главный персонаж в кадре 17 выглядят как родственники. У постоянства персонажа целый набор инструментов — сколько референсов, как формулировать описания, когда стоит обучать отдельную модель, — это разобрано отдельно. Здесь важно, где этот шаг стоит в конвейере: это подготовка, а не ликвидация последствий.

И ещё: держите данные о внешности отдельно от описания характера. Рост, телосложение, цвет волос и глаз, обычный наряд — для рисования. Характер, предыстория и мотивация — для истории. Современные модели хорошо понимают естественный язык, так что фраза вроде «настороженная, держит дистанцию» вполне может повлиять на выражение лица и позу, — но промпты от этого разбухают, и когда нужно дважды получить то же лицо, конкретные визуальные приметы важнее абстрактной предыстории. Ровно поэтому в листе персонажа вообще есть отдельные поля.

Этап 3. Двигайтесь по стадиям, не прыгайте сразу к готовой картинке

Ход новичка — сразу просить готовый цветной кадр и перегенерировать его целиком всякий раз, когда что-то не так. Две проблемы: это дорого, и каждая перегенерация заодно стирает то, что вам нравилось.

Устойчивый подход — двигаться по стадиям, каждая опирается на предыдущую:

  1. Набросок композиции. Поза, пропорции тела, крупные формы фона. Без стиля, без деталей. Это самая дешёвая стадия, и она создана для количества: пять-шесть попыток на один кадр не стоят ничего, что стоило бы беречь.
  2. Лайн. Только когда композиция утверждена. Подайте на этой стадии референсы персонажа — и идентичность закрепится.
  3. Доводка. Только когда утверждён лайн — и сначала решите, делаете ли вы чёрно-белую мангу (скринтон, заливки чёрным, эффекты) или цветной комикс / вебтун (рендер). Это разные процессы и разные итоговые продукты; не считайте их взаимозаменяемыми. Постоянство стиля дают одни и те же референсы на всю главу, а не подкрутка промпта под каждую картинку.

⚠️ Здесь важно понимать механику. Диффузионные модели по умолчанию выдают полностью отрендеренное изображение за один проход и сами по себе вежливо отдавать один лайн не станут. Чтобы получить описанный выше конвейер по стадиям, каждый проход нужно явно ограничивать — подавать результат прошлой стадии на вход (img2img) или вести генерацию через управляющие адаптеры по лайну. А есть и столь же распространённый маршрут в обратную сторону: набросок композиции рисуете вы, а ИИ делает лайн и доводку. Если вы уже умеете рисовать, так контроля больше.

Сохраняйте каждую стадию, не перезаписывайте. Вам захочется сравнить: «А лайн до рендера был лучше?» — а когда в следующей главе вернётся та же локация, старый набросок композиции можно использовать как есть.

Этап 4. Если результат неудачный, сначала решите: доработать или начать заново

Это самый большой выигрыш во времени, а большинство только и умеет, что нажимать «сгенерировать ещё раз».

Что не такЧто делать
Композиция, ракурс и персонаж верны; не так одна деталь (выражение лица, положение руки, предмет на фоне)Доработать — дать указание изменить только это и ничего больше не трогать
План или поза в корне не теНачать заново — вернуться на стадию композиции, а не воевать с готовой картинкой
Лицо персонажа не похожеИсправить вход, а не перегенерировать. Ещё сто попыток не сделают его похожим

«Лицо не похоже — генерируем дальше» — классическая трата времени. Повторы не научат модель тому, кто ваш персонаж. Но исправить вход — не значит навалить ещё референсов: после какого-то предела они размывают друг друга. Это значит заменить слабый референс, поднять его вес, перерисовать инпейнтом только лицо или обучить модель под конкретного персонажа.

Этап 5. Леттеринг остаётся за человеком

Здесь две отдельные причины, и их постоянно смешивают:

  1. Техническая. Попросите модель нарисовать облачка и текст прямо в картинке — и получите сломанные или выдуманные буквы; на китайском и японском — ещё хуже.
  2. Ремесленная. Даже при идеальной отрисовке текста место облачка решает, куда пойдёт взгляд читателя и сколько продлится пауза. Размещение облачков — часть раскладки страницы: художники ещё на этапе раскладки оставляют пустое место там, где встанут облачка, чтобы не закрыть ключевой рисунок, — а сам набор (шрифт, интерлиньяж, кернинг, слой леттеринга) — это работа после генерации, в векторных программах или программах для леттеринга.

Самая надёжная практика — класть реплики отдельным слоем поверх рисунка, а не давать модели рисовать слова в картинке. Выгода конкретная: реплику можно поправить без перегенерации рисунка, перевести, заменив только этот слой, а кегль и переносы строк остаются настраиваемыми. Как писать реплики, которые звучат как живая речь, — отдельная тема.

До и после: мышление «одним выстрелом» и мышление конвейером

Одним выстрелом (❌)Конвейером (✅)
НачалоДать модели историю и попросить мангуНаписать структурированный сценарий, четыре поля на кадр
ПерсонажиОписывать в промпте каждого кадраЗакрепить один чистый референс и подавать его в каждый кадр
ГенерацияСразу просить полный цветКомпозиция → лайн → рендер
Если не тоПерегенерировать всёЗнать, когда доработать, начать заново или исправить вход
РепликиПусть модель рисует текстОтдельный слой — можно править и переводить
РезультатКрасивые отдельные картинки, которые не складываются в главуГлава, которая читается как один мир

Три частые ошибки

  • Генерировать до сценария. Модель не знает вашего темпа и возвращает неплохие отдельные иллюстрации. Письменная разбивка — это исходные данные, а не необязательное вступление.
  • Начинать без чистого референса. Главная причина того, что лица меняются от кадра к кадру, в этом, а исправить референс намного дешевле, чем перерисовывать главу.
  • Уметь только перегенерировать. Вы стираете удачное, а потом тратите сэкономленное время на перебор картинок. Научиться проводить границу «доработать / начать заново» полезнее, чем сменить инструмент.

Настоящее решение: сценарий, персонажи и все этапы в одном месте

Трудность этих пяти этапов не в каком-то одном шаге, а в том, что их постоянно нужно сверять между собой. Генерируя кадр 17, надо проверить персонажа из кадра 3; рендеря — смотреть на лайн; правя реплику — возвращаться к сценарию. Разнесите это по разным программам — и весь день уйдёт на переключение окон и поиск файлов.

Генерация изображений для манги в LitMemo строится прямо на основе разбивки по кадрам. У каждого кадра свой производственный конвейер — набросок композиции → лайн → скринтон → полный цвет, — и результат каждого этапа сохраняется, так что его можно сравнить с предыдущими. Каждый этап можно сгенерировать с помощью ИИ или загрузить свой вариант, и смешивать их допустимо. На странице показывается самый продвинутый из готовых этапов, так что, пока глава в работе, одни кадры могут быть в полном цвете, а другие ещё в лайне — это рабочее состояние, а не финальный выпуск.

Персонажи приходят из управления персонажами: персонажа без референса система останавливает в самом начале и предлагает его создать — вместо того чтобы дать вам закончить главу и только потом заметить, что лица поплыли. Реплики лежат отдельным слоем поверх рисунка, так что правки и переводы никогда не требуют перегенерировать изображение.

Итог

Правильный вопрос об ИИ-манге — не «может ли ИИ сгенерировать всё за один раз», а «какие из моих этапов можно отдать?»

Обычно ответ — три средних: композиция, лайн, доводка. Два крайних — сценарий и леттеринг — решения рассказчика, и если их отдать, время обычно теряется. А чтобы три средних действительно экономили часы, сначала должны быть готовы две вещи: сценарий, записанный в четыре структурированных поля, и один чистый референс персонажа в роли якоря. С ними остаётся двигаться от этапа к этапу и понимать, когда доработать, а когда начать заново.

Частые вопросы

Может ли ИИ сгенерировать целую главу манги автоматически?
Нет, по трём структурным причинам: постоянство персонажа между кадрами зависит от референсов, которые даёте вы (модель не помнит прошлый кадр), текст внутри картинки ненадёжен (особенно на китайском и японском), а размер кадров — решение рассказчика, которое модель принять не может, потому что не знает вашего темпа. Практичный подход — разбивка на пять этапов, где ИИ достаются композиция, лайн и рендер.
Стоит ли давать ИИ рисовать раскадровку?
Не рекомендуем — и сначала разделите два документа. Раскадровка — это нарисованная версия (миниатюры, рамки кадров, условные фигуры); модели же вы отдаёте письменный сценарий, который идёт до неё. Этот сценарий — вход для всех следующих этапов: число кадров, планы и места реплик задаются именно там. Лучше всего он работает в четырёх полях: план (крупность и ракурс), персонаж и действие, место действия (где, когда, источник света) и реплики. Держите реплики в отдельном поле, а не в описании картинки, иначе модель попытается нарисовать слова.
Почему мой персонаж выглядит по-разному в каждом кадре?
Потому что нет закреплённого якоря. Каждая генерация — независимое событие, поэтому одно текстовое описание не может каждый раз воспроизвести то же лицо. Решение — сначала сделать чистый референс персонажа (белый фон, никакого текста, больше ничего в кадре) и подавать один и тот же референс в каждый кадр. Не подавайте как есть многоракурсный разворот: модели часто воспринимают вид спереди, сбоку и со спины на одном холсте как трёх разных людей в сцене. Это подготовка, а не исправление: сто перегенераций не сделают лицо похожим.
Если результат неудачный — перегенерировать или править?
Зависит от того, что не так. Композиция и персонаж верны, не так одна деталь (выражение лица, положение руки, предмет на фоне) — дорабатывайте, указав изменить только это и не трогать остальное. План или поза в корне не те — возвращайтесь на стадию композиции, а не воюйте с готовой картинкой. Лицо не похоже — исправляйте вход: замените слабый референс, поднимите его вес, перерисуйте инпейнтом только лицо или обучите модель под персонажа (но не наваливайте больше референсов — они размывают друг друга). Беда полной перегенерации в том, что она стирает то, что уже получилось.
Зачем генерировать по стадиям, а не сразу в полном цвете?
По двум причинам. Цена перебора: стадии композиции нужны только поза и формы фона без всякого стиля, поэтому это самое дешёвое место, чтобы попробовать пять-шесть вариантов кадра; если утвердить композицию до лайна, а лайн до доводки, у каждой стадии есть якорь, и результат стабильнее. Учтите, что такой конвейер — не поведение модели по умолчанию: диффузионные модели выдают полностью отрендеренную картинку за один проход, так что каждую стадию нужно ограничивать явно (подавать результат прошлой стадии на вход или вести генерацию через управляющие адаптеры по лайну). И обратимость: сохраняя каждую стадию, можно сравнивать с прошлым и использовать старую композицию, когда та же локация вернётся в следующей главе.
Можно ли попросить ИИ вписать реплики прямо в картинку?
Модель попытается, но обычно выходит каша или почти-буквы, а на китайском и японском — ещё хуже. Более весомая практическая причина — слои: держите реплики отдельным слоем поверх рисунка, и реплику можно поправить без перегенерации изображения, перевести, заменив только этот слой, а кегль и переносы строк настроить потом. К тому же место облачка управляет взглядом читателя и длиной паузы — то есть это прежде всего решение рассказчика.