我们提出了 Story2Board，一个无需训练的框架，用于从自然语言生成富有表现力的故事板。现有方法过于关注主体身份，而忽略了视觉叙事中的关键方面，例如空间构图、背景演变和叙事节奏。为了解决这个问题，我们引入了一个轻量级的一致性框架，由两个组件组成：潜面板锚定，它在面板之间保留共享的角色参考；以及互惠注意力值混合，它在具有强互惠注意力的标记对之间柔和地融合视觉特征。这些机制共同增强了连贯性，而无需架构更改或微调，使最先进的扩散模型能够生成视觉多样但一致的故事板。为了组织生成，我们使用现成的语言模型将自由形式的故事转换为基于面板的提示。为了评估，我们提出了 Rich Storyboard Benchmark，一套开放领域叙事，旨在除了连贯性之外，还评估布局多样性和基于背景的叙事。我们还引入了一个新的场景多样性指标，用于量化故事板中的空间和姿态变化。我们的定性和定量结果以及用户研究表明，Story2Board 比现有基线生成更动态、更连贯、更具叙事吸引力的故事板。