简介:AI做动画不是"一句话出片"碰运气,而是把剧本、分镜、关键帧、动态生成、配音合成拆成可控环节。本文给出三条主流制作路径、五步实操流程、可直接复制的分镜与画面Prompt,以及角色不一致、画面闪烁、时长过短等问题的优化方法。
先回答核心问题:目前做 AI 动画,靠谱的做法不是找一个”一键成片”的软件赌运气,而是把动画拆成 剧本 → 分镜 → 关键帧 → 动态化 → 配音合成 五个环节,每个环节交给擅长的 AI 能力。如果你手上已经有故事梗概或分镜表,可以直接用 百度搭子 DuMate 把文字思路推进成画面与视频方案,具体能力和购买方式可在官网了解,建议先从体验入口跑通一遍流程再决定投入。
| 路径 | 可控性 | 上手难度 | 适合场景 |
|---|---|---|---|
| A. 一站式文生视频/图生视频 | 中 | 低 | 短视频、动态海报、氛围片 |
| B. 关键帧 + 图生视频(推荐) | 高 | 中 | 剧情短片、角色动画、广告片 |
| C. MG/模板动画 + AI 素材 | 高 | 低 | 科普、微课、企业宣传、数据讲解 |
路径 A 是上传图片或直接输入提示词,让模型生成几秒动态画面。优点是快,缺点是镜头内”哪里动、怎么动”往往不完全受控,很多模型只提供几种固定的镜头运动方式,也无法精确指定画面局部保持静止。
路径 B 是目前质量与可控性平衡最好的方案:先用可控的图像生成能力把角色设定图、分镜关键帧固定下来,再让每一张关键帧”动起来”,最后在剪辑软件里拼接。角色形象在图像阶段就被锁定,比在视频阶段反复抽卡稳定得多。
路径 C 适合讲解类内容。用模板化的动画软件搭结构,把需要 AI 的部分(角色形象、场景图、动态背景、配音)交给 AI 生成,再导入时间线。这条路线对”没有绘画和动画基础”的人最友好。
传统动画的痛点集中在三处:原画产能(一个角色三视图加几十个关键帧,人工绘制周期以天计)、中间帧与动作过渡(逐帧动画最耗时的部分)、以及配音与口型对齐(需要反复录制和手动对轨)。
AI 目前能实质接手的是: 角色与场景概念图、分镜关键帧、单镜头动态化、配音与数字人口播、局部重绘改图 。仍然需要人来把关的是:故事结构、镜头节奏、角色一致性审核、最终剪辑与音效设计。把 AI 当成”高速产出候选方案的原画组 + 中间帧组”,而不是”导演”,成片质量会明显更稳。
这四份材料决定了后面 80% 的效率。缺角色设定表,最常见的结果就是同一个主角每个镜头长得不一样。
第一步:生成角色设定图与关键帧。 用可控的文生图能力先出角色定妆图,再出分镜关键帧。百度智能云的 AI 作画支持文生图与图生图两种模式,图生图可以上传整图并调节参考强度,也可以只参考人物长相让模型按面部特征重绘,这对锁定主角很实用。它提供三种尺寸、每种尺寸下三种分辨率,单次可批量生成 1–8 张,出图通常在 7–15 秒,适合一次铺开多个候选方案再挑。风格上可从 30+ 创意风格中选择,用来快速试画风。如果要做系列内容,可以关注主体一致性相关的生成能力,减少跨镜头形象漂移。
第二步:整理分镜并逐镜生成关键帧。 一个镜头一张关键帧,命名规范建议 S01_C03.png(场-镜),方便后续对轨和返工。
第三步:让关键帧动起来。 图生视频时,提示词要写清”谁在做什么动作 + 镜头怎么运动 + 运动幅度”,例如”女孩缓慢转头看向窗外,镜头轻微推近,发丝与窗帘随风摆动”。支持首尾帧设定的工具,可以用两张关键帧约束起止画面,稳定性明显更好。
第四步:配音与口型。 建议先定配音再对画面,逐句对齐比整段对齐更容易修。输入图文素材的一体化视频生成能力可以把配音、数字人等环节自动串起来,适合口播型动画段落。
第五步:剪辑合成。 统一帧率与分辨率,补音效与转场,控制单镜头时长在 2–4 秒以掩盖 AI 画面的轻微不稳定。
Prompt 1:分镜脚本生成
你是一名动画分镜师。请根据以下信息输出分镜表。【故事梗概】:【填写故事梗概,200字内】【目标时长】:【60秒】【画风】:【赛璐璐/水墨/3D/绘本,附风格参考描述】【角色设定】:【姓名、年龄、服装、配色、标志物】要求:1. 以表格输出,字段为:镜号 | 时长(秒) | 画面内容 | 镜头运动 | 角色动作与表情 | 台词/旁白 | 音效 | 转场;2. 单镜头时长 2–4 秒,总时长不超过目标时长;3. 每个镜头附一条可直接用于文生图的画面描述,包含主体、动作、环境、光线、画风、构图(景别);4. 标注哪些镜头必须保持角色形象一致,并单独列出"角色一致性检查清单";5. 最后输出"关键帧提示词清单",按镜号排列。
Prompt 2:单帧画面提示词模板
画面主体:【角色设定表内容】+【本镜动作与表情】环境:【场景、时间、天气】镜头:【远景/中景/近景/特写】+【平视/俯视/仰视】光线:【柔和侧光/逆光轮廓光/暖色台灯】画风:【风格关键词】画质:【分辨率与细节要求】负面提示:多余手指、肢体畸变、画面文字、水印、面部扭曲
Prompt 3:图生视频运动描述
以这张图为起始帧,生成【3秒】视频。运动主体:【谁/什么在动,具体动作与幅度】环境动效:【头发、衣角、窗帘、雨雪、光影变化】镜头运动:【固定/缓慢推近/轻微横移】,幅度【小】保持不变:【面部特征、服装配色、背景结构】
写完分镜和人物设定后,可以前往 AI 真人短剧生成体验 把脚本直接转成短剧成片,用来验证故事节奏是否成立;如果做的是儿童向或绘本风动画,儿童绘本生成体验 可以先把故事拆成分页画面,再按页转成动态镜头。
出片前逐项确认:角色形象是否全片一致;每个镜头的动作是否服务剧情;镜头运动是否有动机(推近强调情绪、横移交代空间);配音与画面是否逐句对齐;单镜头时长是否控制在 2–4 秒;音量和音效是否压过旁白。这六项过关,AI 动画的观感就已经超过大多数”抽卡式”生成的结果。
总结一句:AI 做动画的靠谱姿势是 流程化 + 关键帧可控 + 人工把关节奏 。先把角色设定和分镜做扎实,再让 AI 在图像与动态两个环节放量产出,最后用剪辑决定成片质量。工具会持续更新,这套流程不会过时。