搜狐城市-镇江 2026-01-06 17:24 零基础小白，如何快速上手用AI从0-1创作出一部完整的动画？ 先说整个制作流程： 故事脚本→角色设计→脚本分镜→参考生视频→台词配音→剪辑 此次演示所涉及到的工具： ChatGPT/Gemini Midjourney Vidu AI ElevenLabs Suno 话不多说，直接开整： 1.故事脚本 只要有想法和灵感，就可以把你的故事大致轮廓与ChatGPT、Gemini聊，聊的过程把脚本逐步细化出来。 如果你实在没有想法，也可以把你喜欢的小说/影视剧/电影等故事进行改编、二创。 比如，我让Gemini给我改编安徒生《拇指姑娘》童话故事。 如果想要一个让自己满意的脚本，整个过程会比较久，需要反复打磨。 2.角色设计 脚本打磨好后，不要马上去生视频。 建议先把故事角色形象设计好。 因为把角色形象设计好，可以帮我们把整部动画的艺术风格确定下来。同时，有了角色主体，可以直接用“多参”生视频，不必再有生图的过程。 角色形象设计建议用 Midjourney，我认为Midjourney在艺术风格和图片质感上，目前是最厉害的。当然你也可以直接在Gemini、ChatGPT生成，但是效果没那么好。 具体做法： 2.1 把整个脚本直接提供给ChatGPT、Gemini 指令提示词如下： 你是一名专业角色设计师与AI出图提示词专家。 根据我提供的【故事脚本】，为每个主要角色设计外观（风格、相貌、发型、服装、体型、气质、关键装饰），并将其转化为可直接用于 Midjourney 的中英文提示词。 所有角色需要纯白背景，最终仅输出一段按角色分类的“剧情角色形象”的Midjourney提示词（中文一段、英文一段），不需要其他说明。 让大模型根据故事脚本人物性格，梳理出一个个性化的角色外貌特征、风格等中英文提示词： 2.2 依次把各个角色的英文提示复制，拿到Midjourney里去生成 你需要打开设置，设定好图的比例。 2.3 风格参考、灵感参考 Midjourney 里面有一个 Styles 的风格探索功能，可以在风格库里找你喜欢的风格图参考。 比如，在右上角直接搜关键词 Animation ，找到你要参考的风格图，点击 Try Style 。点击生成，就会把参考图和提示词一同送出，生成同样风格的人物形象。 同理，还有一个Images 的图片库，把你想要参考的图片风格，直接拖拽到提示词框的 Style Reference。 我最终生成的人物角色： 这里建议额外多做一步：提高图片像素 点击你想要的图片，在右边栏的 Upscale 点击 Subtle 以生成更高解析的图片，方便下一步的生成高清的人物视角图。 2.4 生成纯白人物多视角图 这一步很重要。需要生成角色的多个视角图，以便让AI更理解你的人物特征，最后生成的视频主体结果更稳定。 角色的多视图生成效果最好用的不是Midjourney，而是Nano Banana 模型。 具体操作： 在Gemini 或 Google AI Studio 切换Nano Banana 模型 把2.3步骤生好的多个高清角色图+提示词依次扔给Nano Banana 模型，你就能得到包括脸部特写、全身正面、全身侧面、全身背面的四视图。 根据我提供的图片，给我生成一张角色概念图，包含脸部特写、全身正面、全身侧面、全身背面，以2×2格式拼接，纯白背景。 3.脚本分镜 角色设计好后，需要把故事脚本生成分镜脚本——相当于把整个故事拆分成多个场景镜头，最后组合成一部连贯完整的动画。 3.1 分镜脚本生成 同样把故事脚本+提示词给ChatGPT或Gemini，让它生成 提示词： 你是一位专业的分镜设计师，请根据我提供给你的【故事情节】分解成一个完整连贯的分镜表。 输出格式如下： 「分镜1、分镜2、…」：[镜头类型镜]，在[时间]，[取景范围、构图、视角]在【@场景描述】中，【@角色变量A - （[取景范围、构图、视角]) ]】和【@角色变量B - （[取景范围、构图、视角])】[正在做什么动作或互动]。镜头聚焦于[某个细节/角度，[构图描述，如：从某场景内部向外拍摄/位于画面左侧/形成对角线构图等]。合理运镜。 3.2 场景图设计 我们拿到了分镜脚本，接下来就需要把场景图给设计好。有了场景图，才有角色交互发生的环境。 我们看到分镜脚本有的地点是一样的，只是拍摄角度不一样。如果逐一用Midjourney生成，难以保证风格一致性。 所以做法与 2.4的人物多视图逻辑一样： 需要先用Midjourney生成一张满意的场景图，再借助Nano Banana 模型给出不同视角的场景图。 具体操作： 1.让ChatGPT或Gemini编写 Midjourney 场景提示词 提示词指令： 将我提供的分镜脚本中的「地点」部分改写成一个Midjourney的中英文提示词。 要求： 忽略人物主体 忽略分镜脚本中的动态指示 生成的提示词如下： 2.Midjourney 生成高清场景图 把英文提示词复制到Midjourney去生成高清图（注意一代要做Subtle去提高图片质量）
3. Nano Banana 模型生成不同拍摄视角的场景图
提示词： 给我这张图片的不同拍摄视角，包括正面、侧面、背面、空拍的视角，以2×2格式拼接。 4.参考生视频 经过前面的3大步骤，重要来到生视频的准备环节了。 目前主流的生视频有三种方式：image to Video 、Text to Video、Video to Video 「Video to Video」，提供一段已有的视频和参考图，让AI分析视频里面人物的行为动作，并映射到参考图的角色。节省了一笔动态捕捉设备的费用。熟知的平台比如：Runway。 「image to Video」，通过提供原始图片来生成视频，适合已经准备好了首/尾帧静态图，对视频画面控制度要求高的使用者。熟知的平台比如：即梦。 「Text to Video」，直接通过文字描述来生成视频，可以极大发挥视频模型的能力，但是对画面控制力也是最弱的。熟知的模型比如：Veo3、Sora 。 本文只聊「Text to Video」这个方式，我认为「Text to Video」可能才是AI在影像领域的主要发展方向。 而「Text to Video」里有一个流派——「参考生视频」 所谓「参考生视频」，就是在「Text to Video」的基础上，多了一个“万物参考”，即你可以提前上传角色、场景、甚至特定动作模板作为“核心指令”参考。 这样做的目的是为了保持特定人物、场景一致性。如果人物和场景没办法保持一致，就无法用AI做长视频动画。 目前「参考生视频」做得最好的我认为是Vidu的Q2模型（这里不是广告），具体使用方法： 4.1 主体库上传 进入首页（www.vidu.cn），选择参考生视频。 点击”主体库“ 点击+上传我们在第2、3步准备好的多视觉角色图、场景图。 设置好姓名、标签和音色。姓名和标签，方便自己记忆管理即可。音色建议关闭。 点击下一步，你可以看到它对这幅图的文字描述。这里的描述如果你觉得和图片的不是很符合，务必要进行修正。然后点击确认。 为啥？这里要敲黑板—— 因为我上面说过，参考生视频实际上就是文生视频。 所以，这里“风格”、“描述”提示词，实际上是AI对你上传的图片进行的反推分析。 等到生视频的时候，AI主要遵循文字参考指令（”描述”文字的参考权重更高，其次是“风格”文字，最后才是图片）。 换句话说，你即便上传与这个人物毫不相关的图片，只要“描述”和“风格”词不变，依然可以生成类似的人物角色，只不过没那么精准。 下面我会演示这个原理。 4.2 生视频 把角色和场景都在主体库设置好后，我们就可以生视频了。 生视频的提示词可以直接用3.1生成的脚本提示词，然后在特定角色和场景处，额外@主体库主体进行主体参考，设置好Q2模型、视频时长、清晰度等设置，就能生成视频了。 通过这种参考生视频方法，很快就可以生成完所有分镜视频，且保证了主体一致性。 细心的朋友可能发现了：我这里面的“拇指姑娘”角色是一朵花，其实是我随便上传的图片。但风格、描述依然还是人物角色的提示词。 最后呈现的效果就是，除了人物外貌不够精准外，其他比如服饰、风格都还是一致的。 所以可以验证了我前面说的：主体库里面参考权重更高的是描述词，然后才是图片。 5.角色台词配音与动画配乐 视频动画不可避免的需要角色配音，但是这一块目前找到一个比较好用动画的对口型配音AI工具。视频平台生成的画面+人声配音效果还是差强人意。 所以要么自己配音，要么直接用AI生成人物台词配音，然后通过后期剪辑合成。 目前AI生成人物台词配音表现最好的推荐 ElevenLabs。 以为这个脚本主角“拇指姑娘”配音为例，具体操作： 5.1 设计角色音色和台词语调 我们可以让Gemini/ChatGPT为我们根据人物性格设置特有的声音。 提示词： 我要使用ElevenLabs.io配音，为我设计脚本里每个角色的通用音色的提示词。然后把角色各自的台词全部列出来，并同时为台词注明情绪标签，比如："We... are not[unflinchingly] useless."。 5.2 创建台词配音 进入 ElevenLabs 首页，进入Voices 页面，你可以直接在音色库里面查找符合角色特征的免费音色。 但如果有积分，可以直接独一无二的音色，且更省时间。 点击Create or Clone a Voice 点击 Voice Design，然后我们复制刚刚生成的通用音色提示词，点击生成，会一次性生成3个音频（需要350积分），供你3选一，当然也免不了会抽卡。 选择后，就可以把带有情绪标签的台词生成配音了。 注意：目前只有eleven v3 才可以识别情绪标签。Eleven Flash v2.5目前还只能通过控制参数来调整语音语调。 5.3 配乐 配乐也很简单。同样让大模型给你设计一个专属故事脚本的配乐提示词。 把配乐提示词复制下来，直接到Suno AI作曲网站生成配乐。可以设计曲风（比如Disney-style pop ballad），还可以选择主唱是男生或女生。 Suno有免费的40多积分，可以生成2个可供免费下载的配乐。 6.剪辑 以上5个步骤完成，后面就到剪辑了。把分镜、配音等素材都拖到剪辑工具（比如Pr、剪映）里面，最终拼接成一个视频。 剪辑这块省略不赘述了。市面上有很多成熟的剪辑教程。 来源：吴同学用AI 责任编辑：搜狐镇江
本文作者：搜狐城市-镇江