1. 项目概述：当古诗词遇见AIGC，一场儿童启蒙的“降维打击”

最近和几位做儿童教育产品的朋友聊天，大家不约而同地提到了一个痛点：市面上的古诗词绘本，要么是千篇一律的“诗配画”，画面精美但缺乏互动和故事性；要么是过于强调背诵和释义，让孩子觉得枯燥乏味。家长想找一套既能激发孩子兴趣，又能深度理解诗词意境，还能根据孩子喜好“定制”的绘本，简直难上加难。就在这个当口，AIGC（人工智能生成内容）技术像一阵风一样吹进了内容创作领域，我突然意识到，这不正是解决上述痛点的绝佳工具吗？于是，我决定动手尝试一个项目：用AIGC技术，为孩子们打造一套独一无二的、充满互动和想象力的古诗词绘本。

这个“儿童古诗词绘本AIGC”项目，核心思路是利用大语言模型（LLM）和文生图模型（如Stable Diffusion、Midjourney等），将一首首经典的古诗词，转化为一个完整的、有角色、有情节、有画面的绘本故事。它不再是简单的“翻译”和“配图”，而是通过AI的“理解”和“再创作”，构建一个孩子能沉浸其中的微型世界。比如，李白的《静夜思》，在AI的笔下，可以变成一个关于小兔子在月光下寻找家乡胡萝卜田的温馨冒险；而《悯农》则可以变成一个勤劳的小蚂蚁家族在烈日下协作搬运粮食，最终获得丰收的励志故事。这个过程，我们不仅是在“做书”，更是在为孩子搭建一座通往古典文学意境的、充满趣味的桥梁。

这个项目适合谁呢？首先是有想法、有创意，但受限于绘画或故事创作能力的家长、教育工作者或内容创作者。其次，是对AIGC应用落地感兴趣的技术爱好者或创业者，这是一个非常具体且富有社会价值的应用场景。最后，它甚至适合有一定动手能力的家长，作为与孩子共同完成的亲子数字创作项目。接下来，我将从整体设计、技术实操到问题排查，完整拆解这个项目的实现过程，分享我踩过的坑和总结出的经验。

2. 项目整体设计与核心思路拆解

2.1 从“诗”到“故事”：内容生成链路的构建

传统的古诗词学习是线性的：读诗、看注释、背下来。而我们要做的，是构建一个“生成式”的闭环。这个闭环的核心链路可以概括为： “诗词解析 -> 故事大纲生成 -> 分镜脚本与旁白 -> 角色与场景图像生成 -> 排版与输出” 。

第一步， 诗词解析 。我们不能让AI凭空乱编，必须基于原诗。这里需要一个大语言模型（如GPT-4、Claude 3或国内的通义千问、文心一言等）作为“文学顾问”。它的任务不是简单地翻译，而是深度解构：提取诗歌的 核心意象 （如“明月光”、“疑是霜”）、 情感基调 （思乡的惆怅）、 潜在角色 （独在异乡的诗人）和 场景要素 （床前、夜空）。我会给模型一个清晰的指令，例如：“请从儿童认知的角度，解析古诗《静夜思》。请列出：1. 诗中出现的具体物体（名词）；2. 表达的情绪或感觉；3. 可以想象出的故事主角（可以是人，也可以是拟人化的事物）；4. 故事可能发生的时间和地点。”

第二步， 故事大纲生成 。这是创意迸发的环节。我们将上一步解析出的要素，输入给同一个或另一个大语言模型，并赋予它一个明确的角色：“你现在是一位顶尖的儿童故事作家，擅长将古典意境转化为充满童趣和冒险的童话。” 然后给出生成要求：“请根据以上解析要素，为一个3-8岁儿童创作一个简短（5-8个情节转折）的绘本故事大纲。要求：故事有起承转合，主角有明确的目标和行动，结局温暖或富有启迪性。” 这里的关键是 设定约束 ，避免故事天马行空，完全偏离原诗内核。

第三步， 分镜脚本与旁白生成 。有了大纲，我们需要把它变成一页页的绘本。这里再次调用大语言模型，任务是将故事大纲转化为分镜脚本。每一“镜”对应绘本的一页或一个对开页。指令需要更细致：“请将上述故事大纲，分解为一个8页的绘本分镜脚本。为每一页提供：1. 本页画面场景的详细文字描述（用于AI绘图）；2. 本页的旁白文字（1-2句话，语言口语化，充满画面感）；3. 本页可能出现的角色表情或动作提示。” 这一步的输出，是连接故事和画面的关键桥梁。

第四步， 角色与场景图像生成 。这是最直观也最考验技巧的环节。我们将使用文生图模型（如Stable Diffusion），根据分镜脚本中的画面描述来生成插图。这里最大的挑战是 保持角色一致性 ——故事里的小兔子，必须在每一页都长得差不多。这就需要用到LoRA（Low-Rank Adaptation）训练或角色Reference等高级技巧，后续会详细展开。

第五步， 排版与输出 。将生成的图像和旁白文字，使用设计软件（如Canva、Adobe InDesign，甚至PPT）进行排版，添加字体、调整布局，最终输出为PDF或打印文件。

2.2 技术栈选型与工具考量

工欲善其事，必先利其器。这个项目涉及文本和图像两大类AI工具，选型直接关系到成品质量和制作效率。

文本生成侧（LLM）的选择：

• 国际模型（如GPT-4、Claude 3） ：优势在于创意能力强，对指令的理解深刻，生成的故事往往更富有文学性和巧思。缺点是可能存在文化隔阂，对中文古诗词的意境理解偶尔会偏差，且需要处理网络访问问题（注：此处仅陈述客观技术选型差异，不涉及任何具体方法）。
• 国内大模型（如文心一言、通义千问、智谱GLM、Kimi） ：优势在于对中文古诗词的理解更原生、更准确，符合本土文化语境，且访问稳定。在故事创意上可能稍显“规矩”，但通过精细的提示词工程（Prompt Engineering）完全可以弥补。 对于本项目，我强烈建议优先使用国内顶尖大模型 ，它们在中文语境下的表现越来越出色，且避免了额外的复杂度。

图像生成侧的选择：

• Midjourney ：出图质量高，艺术感强，尤其在场景氛围渲染上独树一帜。但角色一致性控制是弱项，且需付费使用，生成过程不可控因素较多。
• Stable Diffusion（SD）系列 ：这是本项目的 首选方案 。原因有三：第一，开源免费，本地部署，数据隐私有保障；第二，可控性极强，通过各类插件（如ControlNet）可以精确控制构图、姿势、线条；第三，角色一致性解决方案成熟，可以通过训练专属LoRA模型来实现。虽然入门有一定门槛，但一旦掌握，生产力是碾压级的。
• DALL-E 3 或国内文生图模型 ：与GPT-4集成好，提示词理解能力强，但同样存在角色一致性难题，且生成风格更偏卡通或写实，绘本的“手绘感”需要仔细调教。

我的选择与理由 ：我最终搭建的技术栈是 “国内大模型（如Kimi/文心一言4.0）+ 本地部署的Stable Diffusion（搭配若干优质大模型和LoRA）” 。这个组合确保了从文化理解到图像生成的全流程自主可控，且能通过微调实现高质量的个性化输出。对于排版，Canva的在线协作和丰富模板非常适合快速出样，而追求印刷级品质则可以使用Adobe InDesign。

注意 ：在图像生成环节，务必遵守内容安全规范。所有提示词和训练素材必须积极健康，符合儿童内容标准，绝对避免任何可能产生不良联想的词汇或描述。这是创作的红线。

3. 核心实操流程详解：从零生成一本《静夜思》绘本

下面，我以《静夜思》为例，手把手演示整个生成过程。假设我们的目标读者是4-6岁的儿童。

3.1 第一步：深度解析与指令投喂

首先，我打开Kimi的对话窗口，输入以下指令（这是一个经过多次调试后的高效Prompt）：

你是一位专业的儿童文学编辑，擅长将古典诗词转化为儿童能理解的故事元素。请解析李白的《静夜思》：“床前明月光，疑是地上霜。举头望明月，低头思故乡。”

请严格按照以下格式输出：
【核心意象】：明月光，地上霜，举头，低头，床，故乡。
【情感基调】：宁静的夜晚，淡淡的思乡之情，些许疑惑与惆怅。
【潜在主角建议】：1. 一只离开家在外探险的小兔子。2. 一个住在木头房子里的小男孩。3. 月亮本身（拟人化）。
【场景要素】：卧室的窗户前、洒满月光的地板、夜晚的天空、遥远的故乡（可以是田野、山丘等）。
【儿童可理解的主题】：在陌生的地方看到熟悉的东西（月光），想起了家和家人。

模型很快给出了结构清晰的解析，这为我们后续的创作奠定了坚实的“事实基础”。

3.2 第二步：生成童话故事大纲

接着，我基于解析结果，继续让Kimi生成故事大纲。这次我赋予了它更具体的角色：

现在，你是童话大师“故事爷爷”。请根据以上解析，为4-6岁孩子创作一个关于“小兔子白白的月光冒险”的绘本故事大纲。

要求：
1. 主角采用“潜在主角建议”中的小兔子，名字叫“白白”。
2. 故事要包含“核心意象”中的所有元素。
3. 情感基调以温暖、治愈为主，化解原诗的惆怅，结尾要充满希望。
4. 故事结构清晰，有5个关键情节段落。
5. 语言活泼，充满拟声词和动作描写。

请输出大纲：

模型返回了一个非常棒的大纲：

1. 开端 ：小兔子白白第一次离开胡萝卜村，住在森林小木屋里。夜晚，它发现窗前的地板亮晶晶的，以为是冬天提前来了（疑是地上霜）。
2. 发展 ：它好奇地用手（爪子）碰了碰，发现不冷！原来是月光（明月光）。它抬起头（举头），看到圆圆的月亮婆婆正对着它微笑。
3. 转折 ：月亮婆婆的光让它想起了胡萝卜村的夜晚，家里的窗户前也洒着一样的月光。它有点想妈妈了（低头思故乡）。
4. 高潮 ：月亮婆婆仿佛看穿了它的心思，月光变得更柔和了，像一条光的小路。白白仿佛顺着小路看到了遥远的胡萝卜村，妈妈正在窗边给它留一盏小灯。
5. 结局 ：白白不再害怕了。它知道，虽然离家很远，但和妈妈看到的是同一个月亮。它对着月亮说了声晚安，心里暖暖的，抱着月光睡着了。

3.3 第三步：拆解为分镜脚本

有了大纲，就可以生成具体的分镜了。这是连接文本和画面的核心一步，描述必须足够细致。

现在，你是绘本分镜师。请将上面的“小兔子白白”故事大纲，转化为一个8页的绘本分镜脚本。

每一页请按以下格式输出：
**P[页码]： [本页情节简述]**
*   **画面描述**：（给画师的详细指示）描述场景、角色动作、表情、关键物体、光影、色调。例如：“夜晚，森林中小木屋的内部。小兔子白白穿着睡衣，蹲在木头地板上，好奇地盯着地上一片银白色的月光。窗外是深蓝色的夜空和圆月。室内光线昏暗，只有月光照亮地板和小兔子的半边脸，色调偏冷，充满静谧和一丝疑惑。”
*   **旁白文字**：（给孩子的朗读文字）1-2句，口语化。例如：“有一天晚上，白白发现地板变得亮晶晶的，像铺了一层白糖。”

这个步骤需要反复调整。AI最初生成的画面描述可能不够“可画”，比如“白白有点想妈妈了”这种内心活动，需要转化为外在表情和动作，比如“白白低下头，耳朵耷拉下来，怀里抱着一个小胡萝卜玩偶”。我通常会与模型进行多轮对话，不断细化描述，直到每一幅画面都在我脑中清晰浮现。

3.4 第四步：SD绘图与角色一致性攻坚

这是技术难度最高，也最有趣的部分。我们以生成主角“白白”的设定图为例。

1. 基础模型选择 ：我选择了一个擅长卡通、绘本风格的SD大模型，例如“ MajicMIX Realistic ”或专门针对儿童插画的“ XX儿童绘本风格LoRA ”（需自行寻找或训练）。
2. 生成主角设定 ：输入正向提示词：“ (best quality, masterpiece), a cute baby rabbit, wearing blue pajamas, standing in a cozy wooden house, big sparkling eyes, fluffy fur, cartoon style, children's book illustration, warm lighting ”（一只可爱的兔宝宝，穿着蓝色睡衣，站在舒适的木屋里，大眼睛闪闪发亮，毛茸茸的，卡通风格，儿童绘本插图，暖色调）。同时，在负面提示词中加入容易出错的元素：“ (worst quality, low quality), deformed, blurry, ugly, extra limbs ”。
3. 获得“种子”形象 ：多次生成后，挑选一张最符合你心目中“白白”形象的图。记住这张图的 种子值（Seed） ，例如 -s 123456789 。
4. 训练角色LoRA （关键步骤）：这是实现角色一致性的核心。我们需要用刚才选定的“白白”图片（多角度、多表情的图更好，可以用AI生成后筛选），通过Kohya_SS等GUI工具训练一个专属LoRA模型。这个过程相当于让AI学习“白白”这个角色的长相特征。训练完成后，得到一个名为 white_rabbit_lora.safetensors 的文件。
5. 应用LoRA进行分镜绘图 ：在生成分镜P1的画面时，我们在提示词中加载这个LoRA。提示词变为：“ (best quality), (masterpiece), <lora:white_rabbit_lora:0.8>, a cute baby rabbit (white_rabbit) wearing blue pajamas, crouching on wooden floor, looking curiously at shiny moonlight on floor, inside a forest cabin, night view through window, cold color tone, quiet atmosphere, children's book illustration ”。这里 <lora:white_rabbit_lora:0.8> 就是调用我们训练的LoRA，权重0.8。这样，无论场景如何变化，只要调用这个LoRA，生成的小兔子都会是“白白”的样子。
6. 利用ControlNet控制构图 ：对于某些特定画面，比如“举头望明月”这个动作，我们可以先手绘一个简单的草图，或者用OpenPose姿势图，然后通过ControlNet的“Canny”或“OpenPose”功能，让AI严格按照我们的草图轮廓或姿势来生成图像，确保画面构图符合分镜要求。

通过 “基础模型 + 角色LoRA + ControlNet控制” 这三板斧，我们就能高效、稳定地生成出一整套风格统一、角色一致的绘本插图。

3.5 第五步：排版成书与输出

将所有生成的图片（建议分辨率至少1024x1024或更高）和对应的旁白文字整理好。使用Canva：

1. 选择“自定义尺寸”，例如21x21厘米（方形绘本常用尺寸）。
2. 建立8个页面，将图片导入并放置。
3. 添加文字框，放入旁白。字体选择圆润、清晰的无衬线字体，如“方正少儿体”、“站酷快乐体”等，字号要大，适合儿童阅读。
4. 可以添加一些简单的装饰元素，如星光、花草边框等，但切忌喧宾夺主。
5. 最后，导出为PDF（用于屏幕阅读）或高质量PNG（用于打印）。

至此，一本独一无二的、由你和AI共同创作的《静夜思》儿童绘本就诞生了。

4. 实战中的“坑”与应对策略

理想很丰满，现实往往会在细节上给你使绊子。下面是我在项目中遇到的一些典型问题及解决办法。

4.1 文本生成侧的常见问题

• 问题一：故事偏离主题或过于复杂 。
  • 现象 ：AI可能生成一个与“思乡”无关的奇幻冒险，或者情节过于曲折，不适合低龄儿童。
  • 对策 ：在Prompt中加强约束。明确给出“故事必须围绕‘思念家乡’这个核心情感”、“情节转折不超过3个”、“避免出现恐怖、危险元素”等指令。采用 分步生成、人工审核修正 的策略：先要大纲，审核通过后再生成细节。
• 问题二：旁白语言成人化或生硬 。
  • 现象 ：生成的旁白像课文，不够口语化、童趣化。
  • 对策 ：给AI提供范例。在指令中加入：“请模仿以下语言风格：‘风儿轻轻地吹，小草摇啊摇，小蝴蝶飞来飞去在跳舞。’” 或者直接要求：“使用大量拟声词，如‘哇！’、‘咦？’、‘咕噜噜’。”
• 问题三：分镜描述缺乏视觉关键点 。
  • 现象 ：描述是“白白很开心”，但没有指出如何通过画面表现“开心”。
  • 对策 ：在给AI的指令模板中，强制要求画面描述必须包含：“角色表情（如：眼睛弯成月牙，嘴角上扬）”、“角色动作（如：跳了起来，手舞足蹈）”、“场景细节（如：背景开出了小花）”。这能引导AI产出更“可画”的描述。

4.2 图像生成侧的“硬骨头”

• 问题一：角色一致性崩溃 。
  • 现象 ：即使使用了同一组提示词，生成的角色在每页图上长相、衣着都有差异。
  • 对策 ：
    1. LoRA训练是王道 ：这是最彻底的解决方案。确保训练集图片质量高、特征清晰。训练时，打标（Tag）要准确，重点描述角色特征（如“white fur, blue pajamas, big black eyes”）。
    2. 固定“配方” ：一旦确定了一个角色的成功生成“配方”（包括基础模型、特定LoRA、VAE、采样器、步数、提示词结构），就把它保存为文生图预设。之后所有该角色的图都使用这个预设，只修改场景描述部分。
    3. 利用Reference功能 ：一些SD插件或最新模型支持“图生图”的Reference模式，上传一张角色原图，能在生成新图时较好地保持特征。
• 问题二：画面元素错乱或缺失 。
  • 现象 ：要求画“小兔子望窗外的月亮”，结果月亮画在了屋里，或者兔子手里多了一把莫名其妙的剑。
  • 对策 ：
    1. 提示词加权 ：对核心元素使用括号加强权重，如 (a round bright moon in the dark sky:1.3) 。
    2. 分区域绘制 ：使用SD的“局部重绘”或“分区提示词”功能。先画好房间和兔子，再单独在窗外区域重绘，提示词只写“night sky, full moon”。
    3. 构图控制 ：善用ControlNet。用“Canny”控制整体轮廓，用“Depth”控制景深，用“OpenPose”控制角色姿势。对于“举头”这个动作，用OpenPose生成一个仰头的骨骼图，能极大提高成图准确率。
• 问题三：风格不统一 。
  • 现象 ：第一页是水彩风，第二页变成了厚涂油画风。
  • 对策 ：在 每一张图 的提示词中都加入固定的风格定语句。例如，始终加上 children's book illustration, watercolor style, soft edges, pastel colors （儿童绘本插图，水彩风格，柔和边缘，粉彩色）。同时，使用同一个检查点模型和VAE。

4.3 流程效率优化心得

• 批量处理 ：写一个Python脚本，调用LLM的API，将多首诗词的解析、大纲生成任务批量完成，保存为结构化的JSON文件，这比手动复制粘贴高效得多。
• 建立提示词库 ：将效果好的Prompt分门别类保存下来。例如，“角色设定生成Prompt”、“温馨结局Prompt”、“冒险情节Prompt”等。下次类似需求直接调用修改，事半功倍。
• SD模型管理 ：不要盲目追求新模型。确定2-3个在绘本风格上表现最稳定的基础模型和LoRA，深入研究它们。熟悉比多而杂更重要。

5. 超越绘本：项目的更多可能性与思考

完成一本绘本的创作闭环后，这个项目的潜力远不止于此。它为我们打开了一扇门，让我们思考AIGC在儿童教育领域更深的结合点。

5.1 个性化与互动性延伸

• “主角代入”式绘本 ：在故事生成前，让孩子输入自己的名字、喜欢的动物。AI可以生成一个以孩子和他喜欢的动物为主角的定制古诗故事，吸引力倍增。
• 交互式电子绘本 ：将生成的素材导入像“Unity”或“Cocos”这样的引擎，添加简单的触控交互。比如，点击画面上的月亮，会播放一首摇篮曲；点击小兔子，它会跳一跳。AIGC可以快速生成所需的音频（通过AI语音合成）和简单动画序列。
• AR（增强现实）体验 ：通过AR技术，让绘本中的角色“跃然纸上”。AI生成的3D模型（可以用文本生成3D模型的工具，如Tripo AI、Shap-E等）或2D序列帧动画，通过手机APP扫描绘本页面即可呈现。

5.2 内容广度与体系化拓展

• 主题系列化 ：不局限于单首诗。可以制作“四季古诗绘本”（春晓、小池、山行、江雪）、“动物古诗绘本”（咏鹅、蝉、画鸡）。利用AI，可以快速构建统一画风、统一角色体系（如一个贯穿始终的小向导）的系列丛书。
• 从绘本到“课” ：以AI生成的绘本故事为引子，配套生成一系列拓展内容：5个关于月亮的科学小问题（LLM生成）、一首简单的旋律（AI音乐生成，如Suno AI）、一个手工教程（用黏土捏小兔子）。这样，一个古诗项目就变成了一个融合文学、科学、艺术、音乐的STEAM教育小单元。

5.3 对创作者能力的重塑

这个项目深刻地改变了我对“创作”的理解。创作者的核心能力，从“从零到一的原创”，逐渐转向 “提出精准的创意指令（Prompt）”、“进行专业的审美判断”和“完成最后的编辑与合成” 。我们更像是电影导演或产品经理，指挥着AI这支强大的“制作团队”。难点不再是如何画一只兔子，而是如何向AI清晰地描述“一只在月光下带着淡淡乡愁的、毛茸茸的卡通兔子”该是什么样子。审美能力、文化理解力和项目管理能力，变得比单纯的绘画或写作技巧更为重要。

最后一点个人体会 ：技术是冰冷的，但教育需要温度。AIGC提供了前所未有的生产力，但它生成的始终是“素材”。最终赋予绘本灵魂的，是创作者在每一个环节注入的、对儿童心理的理解、对诗歌意境的把握和对美的追求。AI是我们手中神奇的画笔，但握住画笔、构思画面的，永远是我们自己。在这个过程中，我最大的乐趣不是看到一张张精美的图被生成出来，而是在调试Prompt、调整LoRA参数、反复修改分镜描述时，那种不断逼近自己心目中完美故事的感觉。这本身，就是一种充满创造力的享受。当你把最终做好的绘本讲给孩子听，看到他眼中闪烁的光时，你会觉得这一切都值得。